Token导航 LogoToken导航TokenDH.com
Spyglass MCP logo
AI代理stdio官方级别未说明来源级核验

Spyglass MCP

MCP Server

Spyglass AI MCP服务器为LLM提供了一个简单的接口,用于查询Spyglass AI代理,该代理分析您的遥测数据并提供关于应用程序性能、错误和瓶颈的智能见解。

工具数

1

提示词数

0

GitHub Stars

0

资源数

0
AI代理PythonCursor性能监控Cursor

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

Spyglass-AI

提供方

Spyglass-AI

最后核验

2026/5/17 20:21

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

uv run spyglass-mcp

详细介绍

Spyglass AI MCP 服务器

Spyglass AI MCP服务器为大型语言模型(LLMs)提供了一个简单的接口,用于查询Spyglass AI代理。该代理会分析您的遥测数据,并提供有关应用程序性能、错误和瓶颈的智能见解。

要安装Cursor的MCP服务器,请点击下面的按钮。它应该会打开Cursor并提示您添加您的API密钥。

![Install MCP Server](cursor://anysphere.cursor-deeplink/mcp/install?name=Spyglass-AI&config=eyJlbnYiOnsiU1BZR0xBU1NfQVBJX0tFWSI6InlvdXIta2V5LWhlcmUifSwiY29tbWFuZCI6InV2eCBzcHlnbGFzcy1tY3AifQ%3D%3D)

或者,在您的(内容/程序等)中添加以下内容: ~/.cursor/mcp.json 文件(如需创建)并替换为您的Spyglass API密钥。然后重启Cursor以应用更改。

{
  "mcpServers": {
    "spyglass-ai": {
      "command": "uvx",
      "args": ["spyglass-mcp"],
      "env": {
        "SPYGLASS_API_KEY": "your-key-here"
      }
    }
  }
}

请注意,您需要拥有 uv 先安装,详见相关文档 这里

可用工具

call_spyglass_agent

使用自然语言查询您的遥测数据,调用Spyglass AI代理。

参数:

  • query (字符串,必填):关于您应用程序遥测数据的自然语言查询

示例查询:

  • “过去一小时中,哪些终端点(或服务端点)响应最慢?”
  • “显示结账服务中的所有错误”
  • “哪些服务的错误率最高?”
  • “我的API为何会出现高延迟?”
  • “我的应用在过去一天里收到了多少请求?”

返回值:

  • 遥测数据的自然语言分析

配置

环境变量

变量必需默认值描述
SPYGLASS_API_KEY 是的不适用用于与Spyglass代理进行身份验证的API密钥
SPYGLASS_AGENT_ENDPOINT不(编号)https://agent.spyglass-ai.com代理端点URL(用于本地测试)

命令行参数

参数必需默认值描述
--endpoint编号https://agent.spyglass-ai.comSpyglass 代理终端 URL
--transport编号stdio传输类型(stdio 或 http)
--port8000用于HTTP传输的端口

示例:与MCP客户端一起使用

import asyncio
from fastmcp import Client

client = Client("http://localhost:8000/mcp")

async def analyze():
    async with client:
        result = await client.call_tool("call_spyglass_agent", {
            "query": "What are the slowest endpoints?"
        })
        print(result)

asyncio.run(analyze())

记录(日志)

MCP 服务器将日志同时记录到标准错误输出(由 Cursor 捕获)和一个文件中,以便调试:

日志文件位置:

~/.spyglass/logs/mcp-server-YYYYMMDD.log

实时查看日志:

tail -f ~/.spyglass/logs/mcp-server-$(date +%Y%m%d).log

日志包括:

  • 服务器启动与配置
  • 传入的查询和响应
  • API调用详情(为安全起见,已截断部分令牌)
  • 错误消息和堆栈跟踪

发展

先决条件

  • Python 3.11或更高版本
  • 紫外线 包管理器

设置

  1. 克隆仓库并导航到项目目录:
cd spyglass-mcp
  1. 安装依赖项:
uv sync

这将创建一个虚拟环境并安装所有必需的依赖项。

  1. 复制示例环境文件并配置您的API密钥:
cp env.example .env
# Edit .env and add your SPYGLASS_API_KEY

本地运行

以标准输入输出模式(默认)运行MCP服务器:

uv run spyglass-mcp

使用自定义终端节点运行(对于测试本地代理非常有用):

uv run spyglass-mcp --endpoint http://localhost:8080

以HTTP传输模式运行:

uv run spyglass-mcp --transport http --port 8000

运行测试

运行所有测试:

uv run pytest

运行带有详细输出的测试:

uv run pytest -v

运行特定的测试文件:

uv run pytest tests/test_mcp_server.py

运行带覆盖率的测试:

uv run pytest --cov=spyglass_mcp --cov-report=term-missing

建筑

构建分发包:

uv build

这将在(当前目录/指定位置)生成wheel包和源代码分发文件 dist/ 目录。

项目结构

spyglass-mcp/
├── .github/
│   └── workflows/
│       └── publish.yaml
├── src/
│   └── spyglass_mcp/
│       ├── __init__.py
│       └── main.py
├── tests/
│   ├── __init__.py
│   ├── conftest.py
│   └── test_mcp_server.py
├── CHANGELOG.md
├── env.example
├── LICENSE
├── pyproject.toml
├── README.md
└── uv.lock

目录标签

目录标签

AI代理PythonCursor性能监控本地部署遥测分析错误诊断LLM接口

支持客户端

Cursor

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

1

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP