Мониторинг

Официальный MCP-сервер Render для управления инфраструктурой Render из Cursor, Codex, Claude Code и других MCP-совместимых ИИ-приложений.

Perceptdot Sentry — это MCP-сервер, который подключает ваш аккаунт в Sentry к AI-ассистентам. Вместо ручного копания в дашбордах и логах, вы описываете проблему текстом, а ИИ сам находит нужный issue, собирает stack trace, анализирует окружение и частоту падений. Ключевое отличие от обычных интеграций с Sentry — расчёт ROI ошибки. Perceptdot Sentry не просто говорит «упала функция», он рассчитывает, сколько часов работы разработчиков это стоило и сколько пользователей затронула проблема. Это превращает технический мониторинг в инструмент для принятия бизнес-решений.

QueryBear — MCP-сервер для безопасного доступа AI-агентов к PostgreSQL и MySQL. Главная задача — дать ИИ читать базу данных, но полностью заблокировать любые изменения. Сервер работает в режиме read-only, все запросы записываются в журнал аудита, а администратор может скрыть от агента определённые колонки. Вот реальный сценарий. Вы настраиваете QueryBear для Claude Desktop. Менеджер просит ИИ найти клиента, проанализировать продажи или проверить логи. Модель пишет SQL, сервер выполняет его и возвращает результат. Вы не выдаёте прямые доступы к базе каждому сотруднику — всё идёт через один шлюз с полным контролем. Типичная проблема: разработчикам нужен доступ к данным для ad-hoc запросов, но давать каждому полный доступ к продакшену страшно. QueryBear решает это через AI-агента с жёсткими ограничениями. Администратор в любой момент смотрит логи и при необходимости отзывает доступ.

MCP Grafana

grafana

3.1k369

MCP-сервер от команды Grafana Labs, который подключает AI-ассистентов к мониторинговой платформе Grafana. Через него можно искать дашборды, запрашивать метрики из панелей и работать с источниками данных. Всё — через текстовые команды без интерфейса. Сервер пригодится DevOps-инженерам и разработчикам, которые хотят ускорить анализ инцидентов. Достаточно попросить ассистента показать график загрузки CPU или найти дашборд по названию — и AI сам сходит в Grafana и вернёт ответ. Поддерживаются локальные серверы Grafana (версия 9.0 и выше) и Grafana Cloud. Для работы нужен сервисный аккаунт с токеном доступа.

monitor

BetterDB-inc

96351

BetterDB Monitor — MCP-сервер для наблюдения за Valkey и Redis. Разработчики и DevOps используют его, чтобы получать данные о базах прямо в контексте AI-ассистента, например в Claude Code. Вместо переключения между терминалом и чатом вы запрашиваете метрики на естественном языке. Ассистент сам обращается к базе через MCP и возвращает результат. Сервер входит в экосистему BetterDB — набор инструментов для работы с Valkey и Redis. В неё также входят пакеты для семантического кэширования на TypeScript и Python, а также автономные агенты.

Sentry MCP

getsentry

712110

Sentry — платформа для мониторинга ошибок и производительности. sentry-mcp — это прослойка между AI-ассистентом и API Sentry. Сервер предназначен для разработчиков, которые используют Cursor, Claude Code или VS Code. Вместо переключения в веб-интерфейс вы можете прямо из чата найти нужную ошибку, посмотреть стектрейс, проанализировать события и проверить производительность запросов.

Dynatrace MCP

dynatrace-oss

11516

Dynatrace MCP Server подключает AI-ассистентов к платформе наблюдаемости Dynatrace. Сервер передаёт запросы на естественном языке напрямую к данным: логам, метрикам, трейсам, проблемам и уязвимостям. Он использует DQL и движок Davis AI для поиска ответов. Разработчики и SRE получают данные реального времени прямо в IDE, без переключения в дашборды. Проект перешёл в режим поддержки, но все описанные функции стабильны.

Lumino MCP Server

spre-sre

710

Lumino MCP Server — это open-source MCP-сервер для SRE и DevOps-инженеров. Он расширяет AI-ассистентов возможностью наблюдать за кластерами Kubernetes и OpenShift, анализировать пайплайны Tekton и прогнозировать проблемы на основе данных. В сервере реализовано более 40 специализированных инструментов, которые работают через протокол MCP. Сервер не просто собирает метрики — он интерпретирует логи с помощью NLP, находит аномалии, определяет коренные причины сбоев и симулирует изменения до применения. Это делает его полноценным ассистентом для SRE: вы можете общаться с AI-агентом на естественном языке и получать глубокий анализ инфраструктуры.

Datadog MCP

TANTIOPE

43

Datadog MCP Server — интеграция AI-ассистентов (Claude, VS Code, Cursor) с платформой Datadog через протокол MCP. Сервер открывает прямой доступ к API Datadog: запрос метрик, логов, трейсов, управление мониторами и дашбордами с помощью естественного языка. Инструмент для DevOps-инженеров и разработчиков, которые хотят ускорить анализ инцидентов, не переключаясь между интерфейсами. Ассистент понимает контекст и может выполнять цепочки действий: например, найти ошибки в логах, затем изучить связанные трейсы и проверить метрики хоста — всё одной командой.

cloudpulse

Galadriel-Tech-Solutions

1

CloudPulse — MCP-сервер для кросс-облачной наблюдаемости (observability). Он подключает ИИ-ассистентов к инфраструктуре в AWS, Vercel, GCP и Cloudflare. Разработчики и DevOps-инженеры диагностируют инциденты, не переключаясь между консолями облачных провайдеров. Сервер работает прямо из редактора кода или Claude Desktop, собирая логи, метрики и карту сервисов.

Playwright Trace Decoder MCP

vola-trebla

1

Playwright Trace Decoder — MCP-сервер для распаковки и анализа trace.zip, которые создаёт Playwright при прогоне тестов. Когда тест падает в CI, трейс сохраняет все действия, скриншоты и логи. Но LLM не могут прочитать бинарный zip, а полный дамп JSON превышает контекстное окно. Сервер решает эту проблему: он преобразует архив в набор инструментов, понятных AI-агенту, и выдаёт ровно ту информацию, которая нужна для поиска корня ошибки. Вам больше не нужно вручную копировать логи в ChatGPT. Сервер сам находит место сбоя: файл, строку, колонку. Он извлекает критические скриншоты до и после ошибки. Позволяет обрезать трейс для экономии места в CI. Использует пагинацию и ARIA-сжатие, чтобы снизить расход токенов. Это ускоряет диагностику и сокращает время простоя CI.

datadog

us-all

1

165 инструментов для Datadog, которые превращают AI-ассистента в полноценную консоль мониторинга. Сервер не просто извлекает метрики — он собирает ответ на вопрос «почему это произошло?», склеивая данные из 5–7 API-запросов в один структурированный ответ. Включает полный CRUD для SLO, управление флитом и статусными страницами — возможности, которых нет в других MCP. Подходит DevOps-инженерам и разработчикам, которые хотят управлять инфраструктурой Datadog через естественный язык.