Scout Monitoring MCP Server

Scout Monitoring MCP

Este repositorio contiene código para ejecutar localmente un servidor MCP que puede acceder a los datos de Scout Monitoring a través de la API de Scout. Proporcionamos una imagen Docker que puede ser descargada y ejecutada por tu Asistente de IA para acceder a los datos de Scout Monitoring.

Esto pone los datos de rendimiento y errores de Scout Monitoring directamente en manos de tu Asistente de IA. Para Rails, Django, FastAPI, Laravel y más. Úsalo para obtener trazas y errores con información de línea de código que la IA puede usar para dirigir correcciones directamente en tu editor y base de código. Consultas N+1, endpoints lentos, consultas lentas, exceso de memoria, problemas de rendimiento: todos tus problemas de rendimiento favoritos aparecen y se explican justo donde estás trabajando.

Si esto te hace la vida un poquito más fácil, ¿por qué no darle una :star:?

Asistente de Configuración

La forma más sencilla de configurar y empezar a usar Scout MCP es con nuestro asistente de configuración interactivo. Él se encarga de todos los requisitos previos y pasos de instalación por ti.

Ejecutar vía npx:

npx @scout_apm/wizard

Compilar y ejecutar desde el código fuente:

cd ./wizard
npm install
npm run build
node dist/wizard.js

El asistente te guiará a través de:

• Seleccionar tu plataforma de codificación con IA (Cursor, Claude Code, Claude Desktop)
• Ingresar tu clave API de Scout
• Configurar automáticamente los ajustes del servidor MCP

Plataformas Soportadas

El asistente actualmente soporta la configuración para:

• Cursor - Configura automáticamente los ajustes MCP
• Claude Code (CLI) - Proporciona el comando correcto para ejecutar
• Claude Desktop - Actualiza el archivo de configuración para Windows/Mac

Para todos los demás, generará un JSON que puedes copiar y pegar en la configuración MCP de tu Asistente de IA.

Requisitos Previos

El Asistente es una excelente manera de empezar, pero también puedes configurar las cosas manualmente. Necesitarás tener o crear una cuenta de Scout Monitoring y obtener una clave API.

1. https://scoutapm.com/users/sign_up?utm_source=github&utm_medium=github&utm_campaign=scout-mcp-local
2. ¡Instala el Agente de Scout en tu aplicación y envía datos de Scout!
   • Ruby
   • Python
   • PHP
   • Si estás probando esto localmente, asegúrate de que monitor: true, errors_enabled: true estén configurados en tu configuración para la mejor experiencia
3. Visita configuración para obtener o crear una clave API
   • Esta no es tu "Clave de Agente"; es la "Clave API" que se puede crear en la página de Configuración
   • Esta es una clave de solo lectura que solo puede acceder a los datos de tu cuenta
4. Instala Docker. Las instrucciones a continuación asumen que puedes iniciar un contenedor Docker

El servidor MCP no se iniciará actualmente sin una clave API configurada, ya sea en el entorno o mediante un argumento de línea de comandos al inicio.

Instalación

Recomendamos usar la imagen Docker proporcionada para ejecutar el servidor MCP. Está diseñado para ser iniciado por tu Asistente de IA y configurado con tu clave API de Scout. Muchos clientes locales permiten especificar un comando para ejecutar el servidor MCP en alguna ubicación. A continuación se proporcionan algunos ejemplos.

La imagen Docker está disponible en Docker Hub.

Por supuesto, siempre puedes clonar este repositorio y ejecutar el servidor MCP directamente; se recomiendan uv u otras herramientas de gestión de entornos.

Configurar un Cliente local (ej. Claude/Cursor/VS Code Copilot)

Si deseas configurar el MCP manualmente, esto generalmente solo significa proporcionar un comando para ejecutar el servidor MCP con tu clave API en el entorno a la configuración de tu Asistente de IA. Esta es la forma del JSON (la clave de nivel superior varía):

{
  "mcpServers": {
    "scout-apm": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "--env", "SCOUT_API_KEY", "scoutapp/scout-mcp-local"],
      "env": { "SCOUT_API_KEY": "your_scout_api_key_here"}
    }
  }
}

claude mcp add scoutmcp -e SCOUT_API_KEY=your_scout_api_key_here -- docker run --rm -i -e SCOUT_API_KEY scoutapp/scout-mcp-local

{
  "mcpServers": {
    "scout-apm": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "--env", "SCOUT_API_KEY", "scoutapp/scout-mcp-local"],
      "env": { "SCOUT_API_KEY": "your_scout_api_key_here"}
    }
  }
}

Uso de Scout Monitoring MCP

El MCP de Scout está diseñado para poner los datos de errores y rendimiento directamente en las... ¿manos? de tu Asistente de IA. Úsalo para obtener trazas y errores con información de línea de código que la IA puede usar para dirigir correcciones directamente en tu editor.

La mayoría de los asistentes te mostrarán tanto las llamadas a herramientas en bruto como el análisis. Los asistentes de escritorio pueden crear fácilmente aplicaciones JS personalizadas para explorar los datos que desees. Los asistentes integrados en editores de código pueden usar datos de trazas y trazas de errores para hacer correcciones directamente en tu base de código.

Combina el MCP de Scout con las otras herramientas de tu Asistente de IA para:

• Crear issues detallados en GitHub/GitLab basados en errores y datos de rendimiento
• Hacer JIRA divertido: haz que tu Asistente de IA cree tickets con todos los detalles
• Generar PRs que corrijan errores específicos y problemas de rendimiento

Herramientas

El MCP de Scout proporciona las siguientes herramientas para acceder a los datos de Scout APM:

• list_apps - Listar las aplicaciones Scout APM disponibles, con filtrado opcional por última fecha activa
• get_app_metrics - Obtener datos de métricas individuales (tiempo de respuesta, rendimiento, etc.) para una aplicación específica
• get_app_endpoints - Obtener todos los endpoints de una aplicación con métricas de rendimiento agregadas
• get_endpoint_metrics - Obtener métricas de series temporales para un endpoint específico en una aplicación
• get_app_endpoint_traces - Obtener trazas recientes para una aplicación filtradas por un endpoint específico
• get_app_trace - Obtener una traza individual con todos los spans e información detallada de ejecución
• get_app_error_groups - Obtener grupos de errores recientes para una aplicación, opcionalmente filtrados por endpoint
• get_app_insights - Obtener información de rendimiento incluyendo consultas N+1, exceso de memoria y consultas lentas

Recursos

El MCP de Scout proporciona plantillas de configuración como recursos que tu asistente de IA puede leer y aplicar:

• scoutapm://config-resources/{framework} - Instrucciones de configuración para el framework o biblioteca soportada (rails, django, flask, fastapi)
• scoutapm://config-resources/list - Listar todas las plantillas de configuración disponibles
• scoutapm://metrics - Lista de todas las métricas disponibles para Scout APM

Prompts Útiles

Configuración e Instalación

• "Ayúdame a configurar el monitoreo de Scout para mi aplicación Rails"
• "Crea un archivo de configuración de Scout APM para mi proyecto Django con la clave ABC123"

Rendimiento y Monitoreo

• "Resume las herramientas disponibles en Scout Monitoring MCP."
• "Encuentra los endpoints más lentos para la aplicación my-app-name en los últimos 7 días. Genera una tabla con los resultados incluyendo el tiempo de respuesta promedio, rendimiento y tiempo de respuesta P95."
• "Muéstrame los errores de mayor frecuencia para la aplicación Foo en las últimas 24 horas. Obtén el último detalle del error, examina la traza y sugiere una corrección."
• "Obtén cualquier información reciente de n+1 para la aplicación Bar. Extrae la traza específica por id y ayúdame a optimizarla basándome en los datos de la traza."

Uso de Tokens

Actualmente estamos más interesados en expandir la información disponible que en controlar estrictamente el tamaño de la respuesta de nuestras herramientas MCP. Si tu Asistente de IA tiene un límite de tokens configurable (ej. Claude Code export MAX_MCP_OUTPUT_TOKENS=50000), recomendamos establecerlo generosamente alto, ej. 50,000 tokens.

Desarrollo Local

Usamos uv y taskipy para gestionar entornos y ejecutar tareas para este proyecto.

Ejecutar con Inspector

uv run task dev

Conéctate dentro del inspector para agregar la clave API, configurado para transporte STDIO

Construir la imagen Docker

docker build -t scout-mcp-local .

Lanzamiento

1. Crear una rama y aumentar versiones con uv run python bump_versions.py
2. Fusionar eso
3. Crear un lanzamiento en GitHub con la nueva versión (gh release create v2025.11.3 --generate-notes --draft)

Para los bots:

mcp-name: com.scoutapm/scout-mcp-local