关于 log_analyzer_mcp - Analyze Log files via MCP
Log Analyzer MCP 是面向开发者的 Python 日志分析工具,提供命令行界面和 MCP 服务。它支持可配置的解析、筛选与上下文展示,也可触发测试及覆盖率相关操作。
主要功能
- 01解析和搜索多种日志格式
- 02按时间、内容和位置筛选
- 03配置日志源、模式和搜索范围
- 04汇总测试日志并运行测试
- 05生成代码覆盖率报告
适用场景
- 01排查应用程序日志中的问题
- 02查看测试运行日志并汇总结果
- 03按时间或记录位置定位日志
- 04运行指定单元测试并生成覆盖率报告
MCP 相关
MCP 服务向 MCP 客户端提供日志分析工具,包括搜索日志、测试运行和覆盖率报告生成。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Log Analyzer MCP
概览:轻松分析日志
Log Analyzer MCP 是一款功能强大的 Python 工具包,旨在简化你与日志文件交互的方式。无论你是在调试复杂应用、监控测试运行,还是只是想弄清楚冗长的日志输出,这款工具都能提供命令行界面(CLI)和 Model-Context-Protocol(MCP)服务,帮助你快速、高效地找到所需信息。
为什么使用 Log Analyzer MCP?
- 简化日志分析: 通过灵活的解析、高级筛选(基于时间、内容和位置)以及可配置的上下文显示,去除无关信息。
- 融入你的工作流: 可将其用作独立的
loganalyzerCLI 工具进行脚本编写和直接分析,也可将 MCP 服务与 Cursor 等兼容客户端集成,获得 AI 辅助体验。 - 可扩展且可配置: 定义自定义日志来源、模式和搜索范围,以满足你的特定分析需求。
主要功能
- 核心日志分析引擎: 强大的后端,可解析和搜索各种日志格式。
loganalyzerCLI: 直观的命令行工具,可直接与日志交互。- MCP 服务: 向 MCP 客户端提供日志分析功能,包括:
- 测试日志摘要(
analyze_tests)。 - 以不同详细程度执行测试运行。
- 针对性地运行单元测试(
run_unit_test)。 - 按需生成代码覆盖率报告(
create_coverage_report)。 - 高级日志搜索:所有记录、按时间搜索、首尾 N 条记录。
- 测试日志摘要(
- Hatch 集成: 便于开发、测试和依赖项管理。
安装
可从 PyPI 安装此软件包(发布后),也可直接从本地构建版本安装,以用于开发。
从 PyPI 安装(推荐用户使用)
软件包发布到 PyPI 后即可安装。
pip install log-analyzer-mcp
这将安装 loganalyzer CLI 工具,并提供 MCP 服务包供集成使用。
从本地构建版本安装(供开发者或测试使用)
如果你已克隆此代码库,并希望使用本地修改:
-
确保已安装 Hatch。(参见开发者指南)
-
构建软件包:
hatch build这会在
dist/目录中生成 wheel 和 sdist 软件包。 -
将本地构建版本安装到 Hatch 环境(或任何其他虚拟环境)中: 将
<version>替换为生成的 wheel 文件中的实际版本号(例如,0.2.7)。# If using Hatch environment: hatch run pip uninstall log-analyzer-mcp -y && hatch run pip install dist/log_analyzer_mcp-<version>-py3-none-any.whl # For other virtual environments: # pip uninstall log-analyzer-mcp -y # (If previously installed) # pip install dist/log_analyzer_mcp-<version>-py3-none-any.whl对于 Cursor 等 IDE,要让其加载 MCP 服务的更改,你可能需要在 IDE 中手动重新加载服务。详情参见开发者指南。
入门:使用 Log Analyzer MCP
使用 Log Analyzer MCP 主要有两种方式:
-
作为命令行工具(
loganalyzer):- 适合直接分析、编写脚本或快速检查。
- 需要 Python 3.9+。
- 安装方法请参阅上文的安装部分。
- 详细用法请参阅 CLI 使用指南(即将推出)或 CLI 命令 API 参考。
-
作为 MCP 服务(例如,与 Cursor 配合使用):
- 将日志分析功能直接集成到 AI 辅助开发环境中。
- 安装方法请参阅安装部分。安装软件包时会一并安装 MCP 服务组件。
- 有关如何配置 Cursor 等客户端以及运行服务的详细信息,请参阅下文的配置和运行 MCP 服务以及开发者指南。
配置和运行 MCP 服务
配置
Log Analyzer MCP(CLI 和服务)的配置主要通过环境变量或项目根目录中的 .env 文件完成。
- 环境变量: 在运行工具或服务的环境中设置
LOG_DIRECTORIES、LOG_PATTERNS_ERROR、LOG_CONTEXT_LINES_BEFORE、LOG_CONTEXT_LINES_AFTER等变量。 .env文件: 复制.env.template创建.env文件(此模板文件需要创建并添加到代码库中),然后自定义其中的值。
有关所有配置选项及其用法的完整列表,请参阅**(即将推出的配置指南**。
(注意:应创建 .env.template 文件并将其添加到代码库中,为用户提供起点。)
运行 MCP 服务
MCP 服务可以通过多种方式启动:
-
通过 MCP 客户端(例如 Cursor): 配置客户端以启动
log-analyzer-mcp可执行文件(通常使用uvx之类的辅助工具)。这是集成该服务的常见方式。客户端配置示例(例如,在
.cursor/mcp.json中):{ "mcpServers": { "log_analyzer_mcp_server_prod": { "command": "uvx", // uvx is a tool to run python executables from venvs "args": [ "log-analyzer-mcp" // Fetches and runs the latest version from PyPI // Or, for a specific version: "log-analyzer-mcp==0.2.0" ], "env": { "PYTHONUNBUFFERED": "1", "PYTHONIOENCODING": "utf-8", "MCP_LOG_LEVEL": "INFO", // Recommended for production // "MCP_LOG_FILE": "/path/to/your/logs/mcp/log_analyzer_mcp_server.log", // Optional // --- Configure Log Analyzer specific settings via environment variables --- // These are passed to the analysis engine used by the server. // Example: "LOG_DIRECTORIES": "[\"/path/to/your/app/logs\"]", // Example: "LOG_PATTERNS_ERROR": "[\"Exception:.*\"]" // (Refer to the (Upcoming) docs/configuration.md for all options) } } // You can add other MCP servers here } }说明:
-
直接运行(用于开发/测试): 如有需要,可以使用入口点直接运行服务。安装后可使用
log-analyzer-mcp命令:log-analyzer-mcp --transport http --port 8080 # 或使用 stdio 传输 # log-analyzer-mcp --transport stdio如需了解更多选项,请参阅
log-analyzer-mcp --help。开发时,也常使用pyproject.toml中定义的 Hatch 脚本,或采用开发者指南中介绍的方法。
文档
- API 参考: MCP 服务工具和 CLI 命令的详细参考。
- 入门指南: 面向用户和集成者。本指南提供概述。
- 开发者指南: 面向贡献者,涵盖环境设置、构建、详细的测试流程(包括覆盖率检查)和发布指南。
- (即将推出)配置指南: 详细说明所有
.env和环境变量设置。(此文档尚待创建。) - (即将推出)CLI 使用指南: 全面介绍所有
loganalyzer命令和选项。(此文档尚待创建。) - .env.template: 用于配置环境变量的模板文件。(此文件尚待创建并添加到代码库。)
- 重构计划: 项目持续演进的技术细节。
测试
如需运行测试并生成覆盖率报告,请参阅开发者指南中的完整测试指南。本节介绍如何使用 hatch test、运行覆盖率测试、生成 HTML 报告,以及指定目标测试。
贡献
欢迎贡献!有关如何设置环境、测试和参与贡献的指南,请参阅 CONTRIBUTING.md 和开发者指南。
许可证
Log Analyzer MCP 根据附加 Commons Clause 的 MIT 许可证授权。详情请参阅 LICENSE.md。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。