Spyglass MCP

MCPAI代理

提供方 Spyglass-AI

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方 Cursor
查看接入方式

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。

一句话选型结论

按资料字段整理

Spyglass MCP 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 1 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量1暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI代理Python本地部署遥测分析性能监控错误诊断LLM接口

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run spyglass-mcp

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 1 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 1 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Cursor,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Spyglass MCP当前 1 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Spyglass-AI上游标注的维护方 Spyglass-AI
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.3 KB
来自项目仓库与上游目录的原文,未做删改

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。

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。```json
{
"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.com` | Spyglass 代理终端 URL |
| `--transport` | 编号 | `stdio` | 传输类型(stdio 或 http) |
| `--port` | 不 | `8000` | 用于HTTP传输的端口 |

## 示例:与MCP客户端一起使用```python
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:**```bash
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:```bash
    cd spyglass-mcp

2. 安装依赖项:```bash
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:```bash
    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:```bash
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):```bash
uv run spyglass-mcp --endpoint http://localhost:8080


以HTTP传输模式运行:```bash
uv run spyglass-mcp --transport http --port 8000

运行测试

运行所有测试:```bash
uv run pytest


运行带有详细输出的测试:```bash
uv run pytest -v

运行特定的测试文件:```bash
uv run pytest tests/test_mcp_server.py


运行带覆盖率的测试:```bash
uv run pytest --cov=spyglass_mcp --cov-report=term-missing

建筑

构建分发包:```bash
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

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Spyglass MCP 怎么安装?

在客户端按下面的安装命令接入:uv run spyglass-mcp。装完在客户端配置里引用同一个包或端点。

Spyglass MCP 怎么在 Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Spyglass MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Spyglass MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Spyglass MCP 支持哪些客户端?

资料标注支持 Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Spyglass MCP 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 AI代理、Python、Cursor、性能监控。具体工具清单以官方文档为准。

Spyglass MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Spyglass MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。