Last9 MCP Server 是一款强大的模型上下文协议 (MCP) 服务器，旨在将实时生产环境数据无缝集成到您的 AI 代理中，从而加速代码修复过程。它通过提供对日志、指标和追踪数据的即时访问，显著增强了 AI 模型的洞察力。

该服务器实现了多种 MCP 工具，包括 get_exceptions、get_service_graph 和 get_logs，使 AI 模型能够智能地检索异常信息、服务依赖关系以及过滤后的日志数据。此外，它还支持动态管理日志过滤规则，通过 get_drop_rules 和 add_drop_rule 工具，优化 Last9 控制平面上的数据收集。

Last9 MCP Server 可与 Claude、Cursor 和 VSCode 等多种 IDE 无缝集成，开发者可以通过 Homebrew 或 NPM 轻松安装和配置。通过环境变量配置 Last9 认证信息后，AI 模型即可利用这些工具，更有效地理解和解决生产环境中的问题，极大地提升开发效率和代码质量。

实时生产环境上下文接入

last9-mcp-server 的核心功能在于将 Last9 平台中存储的实时生产环境上下文数据无缝接入到 AI 模型中。它通过提供一系列 MCP 工具，例如 get_exceptions、get_service_graph 和 get_logs，使 AI 能够访问关键的运维数据，包括异常信息、服务依赖关系以及详细的日志记录。这些数据对于 AI 模型理解代码行为、诊断问题和提供更准确的修复建议至关重要。例如，当 AI 在代码中发现潜在的错误时，它可以利用 get_exceptions 获取最近的异常信息，get_service_graph 了解相关服务的依赖关系，以及 get_logs 查看详细的日志，从而更全面地理解问题的根源。这种实时上下文接入极大地提升了 AI 辅助开发的效率和准确性。技术上，该功能依赖于 Last9 平台的 API，并通过环境变量进行身份验证和授权。

自动化日志过滤规则管理

last9-mcp-server 提供了 get_drop_rules 和 add_drop_rule 两个工具，允许 AI 模型直接与 Last9 控制平面交互，管理日志过滤规则。get_drop_rules 允许 AI 获取当前生效的日志过滤规则，了解哪些日志被排除在 Last9 的监控范围之外。add_drop_rule 则允许 AI 根据分析结果，自动创建新的日志过滤规则，以减少噪音数据，提高监控效率。例如，如果 AI 发现某个特定类型的日志信息量巨大，但对问题诊断的价值较低，它可以自动创建一个 drop rule，将其过滤掉。这种自动化管理能力简化了运维流程，提高了日志数据的质量。技术上，add_drop_rule 需要提供规则名称、过滤条件（包括键、值和操作符）以及连接词等参数，并使用具有写入权限的 Refresh Token 进行身份验证。

集成多种开发环境

last9-mcp-server 设计为与多种主流开发环境无缝集成，包括 Claude Desktop、Cursor、Windsurf 和 VSCode (Github Copilot) IDEs。它提供了详细的配置指南，指导用户如何在这些环境中配置 MCP 服务器，以便 AI 模型能够直接访问 Last9 提供的生产环境上下文数据。这种广泛的集成性降低了使用门槛，使得开发者可以在自己熟悉的开发环境中利用 AI 辅助开发，无需切换工具或学习新的工作流程。例如，在 Cursor IDE 中，开发者可以通过简单的配置，将 last9-mcp-server 添加为全局 MCP 服务器，从而使 AI 能够在代码编辑过程中实时访问 Last9 的数据，提供更智能的代码建议和问题诊断。技术上，集成过程通常涉及修改 IDE 的配置文件，并设置必要的环境变量，例如 LAST9_AUTH_TOKEN、LAST9_BASE_URL 和 LAST9_REFRESH_TOKEN。