Для чего: дать ИИ контекст ошибок/трейсов из Sentry для отладки прямо в IDE (human-in-the-loop).

Что это даёт ИИ

ИИ получает контекст боевых ошибок из Sentry: список issues, стек-трейсы, частоту, затронутые релизы и трейсы производительности. Можно прямо в IDE спросить «что упало в проде и почему» — и ИИ предложит фикс, опираясь на реальную ошибку, а не на догадку. Есть и AI-агент Seer для автоанализа первопричины.

Пример: «Разбери самую частую ошибку за сутки» — ИИ возьмёт issue с топом по частоте, прочитает стек-трейс и укажет строку/причину с вариантом правки.

Подключение (точные шаги)

Официальный хостед remote-сервер с OAuth — токены вручную не нужны.

Claude Code

claude mcp add --transport http sentry https://mcp.sentry.dev/mcp

Затем /mcp → вход в аккаунт Sentry в браузере.

Cursor / Claude Desktop

{
  "mcpServers": {
    "sentry": {
      "type": "http",
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

Пример использования

Скажи: «Покажи стек-трейс для ошибки ID abc123 и предложи фикс» → ИИ подтянет детали issue из Sentry, разберёт трейс и предложит правку. Или «какой релиз принёс эти новые ошибки?» — сопоставит ошибки с деплоями.

Безопасность

OAuth, минимум прав: доступ выдаётся через вход в Sentry; ИИ читает ошибки/трейсы — это диагностический, по сути read-ориентированный сценарий (human-in-the-loop).
Scope организаций/проектов: ограничивай область доступа на стороне Sentry, чтобы ИИ видел только нужные проекты.
Отзыв доступа: в любой момент через /mcp → «Clear authentication».

Подводные камни

Это внешний хостед-сервис (mcp.sentry.dev): для закрытого периметра/self-hosted Sentry уточняйте отдельный вариант подключения.
Стек-трейсы и списки issues объёмны — упираются в лимит вывода MCP; просите конкретную ошибку, а не «все за месяц».
Данные ошибок могут содержать PII из контекста запросов — учитывайте это, прежде чем гонять их через ИИ.

Sentry MCP