Sentry MCP 서버로 AI에게 에러 디버깅 맡기기

Sentry로 프로덕션 에러를 모니터링하고 있으면 보통 이런 워크플로우를 반복하게 됩니다. Slack에서 에러 알림을 받고 Sentry 대시보드로 이동해서 스택 트레이스를 확인하고 관련 코드를 에디터에서 열어서 원인을 파악하고 수정 코드를 작성합니다. 이 과정에서 브라우저와 에디터를 끊임없이 왔다 갔다 하게 되는데요.

만약 코딩 중인 AI 도구에서 “이 프로젝트에서 최근에 발생한 에러 보여줘”라고 말하면 바로 이슈 목록을 가져오고 “이 에러 원인 분석해줘”라고 하면 스택 트레이스를 보고 수정 코드까지 제안해준다면 어떨까요? 🤔

Sentry는 자사 서비스를 AI 도구에서 바로 사용할 수 있도록 MCP(Model Context Protocol) 서버를 공식으로 제공하고 있습니다. Claude Desktop, Cursor, VS Code, 클로드 코드 같은 AI 도구에 연결만 해두면 대화만으로 Sentry의 에러 데이터를 조회하고 분석할 수 있게 되는 거죠.

이번 글에서는 Sentry MCP 서버가 무엇이고 어떤 기능을 제공하는지 살펴본 다음, 실제로 AI 도구에 연결해서 사용하는 방법까지 알아보겠습니다.

두 가지 연결 방식

Sentry MCP 서버는 두 가지 방식으로 연결할 수 있습니다.

첫 번째는 원격(HTTP) 방식입니다. Sentry가 mcp.sentry.dev에서 호스팅하는 서버에 접속하는 건데요. 로컬에 아무것도 설치할 필요 없이 URL 하나만 설정하면 됩니다. 인증은 OAuth 로그인으로 처리되어서 토큰을 직접 관리하지 않아도 돼요.

{
  "mcpServers": {
    "sentry": {
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

두 번째는 로컬(stdio) 방식입니다. npx로 MCP 서버 프로세스를 직접 띄우는 건데요. 이 경우에는 Sentry User Auth Token이 필요합니다.

{
  "mcpServers": {
    "sentry": {
      "command": "npx",
      "args": ["@sentry/mcp-server"],
      "env": {
        "SENTRY_ACCESS_TOKEN": "<인증 토큰>"
      }
    }
  }
}

원격 방식이 설정이 간편해서 처음 시작할 때는 이쪽을 추천합니다. 항상 최신 버전을 사용할 수 있는 것도 장점이에요. 자체 호스팅(self-hosted) Sentry를 쓰고 있다면 로컬 방식을 써야 하는데, 이때는 --host 옵션으로 서버 주소를 지정합니다.

npx @sentry/mcp-server --access-token=TOKEN --host=sentry.example.com

인증 토큰 발급

원격 방식은 처음 연결할 때 브라우저에서 Sentry 계정으로 로그인하면 OAuth 인증이 자동으로 처리됩니다. 별도 토큰이 필요 없어요.

로컬 방식을 쓴다면 Sentry에서 User Auth Token을 발급받아야 합니다. Sentry 대시보드에서 Settings > API > Auth Tokens로 이동해서 토큰을 만들면 되는데요. 다음 스코프(scope)를 반드시 포함해야 합니다.

• org:read — 조직 정보 조회
• project:read — 프로젝트 정보 조회
• project:write — 프로젝트 설정 변경
• team:read — 팀 정보 조회
• team:write — 팀 생성 및 변경
• event:write — 이벤트 데이터 접근

토큰은 환경 변수로 관리하고 코드에 직접 넣지 않도록 주의하세요.

Claude Desktop에서 연결하기

Claude Desktop의 MCP 설정 파일에 Sentry 서버를 추가합니다. 설정 파일 위치는 macOS에서는 ~/Library/Application Support/Claude/claude_desktop_config.json, Windows에서는 %APPDATA%\Claude\claude_desktop_config.json입니다.

{
  "mcpServers": {
    "sentry": {
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

설정 후 Claude Desktop을 재시작하면 Sentry 도구가 목록에 나타납니다. 처음 사용할 때 브라우저가 열리면서 Sentry OAuth 인증 화면이 뜨는데, 한 번만 로그인하면 이후에는 자동으로 연결돼요.

클로드 코드에서 연결하기

클로드 코드에서는 CLI 명령어로 바로 추가할 수 있습니다.

claude mcp add --transport http sentry https://mcp.sentry.dev/mcp

팀 프로젝트에서 모든 개발자가 동일한 설정을 쓰게 하려면 프로젝트 루트에 .mcp.json 파일을 만들어서 Git으로 관리하는 것도 좋습니다.

{
  "mcpServers": {
    "sentry": {
      "type": "http",
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

Cursor와 VS Code에서 연결하기

Cursor에서는 프로젝트 루트에 .cursor/mcp.json 파일을 만들거나 Settings > MCP에서 설정합니다.

{
  "mcpServers": {
    "sentry": {
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

VS Code에서는 .vscode/mcp.json 파일에 추가합니다.

{
  "mcpServers": {
    "sentry": {
      "type": "http",
      "url": "https://mcp.sentry.dev/mcp"
    }
  }
}

어떤 도구를 쓰든 첫 연결 시 Sentry OAuth 인증이 한 번 필요하고 그 이후로는 자동으로 연결됩니다.

제공되는 도구

Sentry MCP 서버는 에러 분석부터 프로젝트 관리까지 여러 도구를 제공합니다. 크게 다섯 가지 영역으로 나뉘는데요.

이슈와 이벤트 조회

핵심 기능은 Sentry 이슈를 조회하고 분석하는 것입니다.

search_issues로 자연어 검색이 가능해서 “최근 24시간 동안 발생한 미해결 에러”나 “payment 모듈에서 발생한 이슈” 같은 요청을 그대로 전달할 수 있어요. Sentry의 쿼리 문법을 직접 쓰고 싶다면 list_issues를 사용하면 됩니다. is:unresolved assigned:me 같은 Sentry 검색 문법을 그대로 사용할 수 있거든요.

특정 이슈를 자세히 보려면 get_issue_details가 유용합니다. 스택 트레이스, 영향받은 사용자 수, 처음 발생 시점 같은 상세 정보를 한 번에 가져와요. get_issue_tag_values로 특정 태그의 분포도 확인할 수 있는데, 예를 들어 “이 에러가 어떤 브라우저에서 가장 많이 발생하는지” 같은 분석이 가능합니다.

이벤트 단위로 들어가고 싶다면 search_events로 자연어 검색을 하거나 list_events로 직접 쿼리할 수 있습니다. 트레이스 분석은 get_trace_details로 할 수 있어서 요청이 어떤 서비스를 거쳐 처리되었는지 스팬(span) 단위로 확인할 수 있어요.

그 밖에도 find_organizations, find_projects, find_releases, find_teams 같은 탐색 도구로 Sentry 조직 내의 리소스를 둘러볼 수 있습니다.

Seer: AI 디버거

Sentry의 AI 디버거인 Seer를 MCP를 통해서도 사용할 수 있습니다.

analyze_issue_with_seer 도구를 호출하면 이슈의 근본 원인을 분석해서 코드 수준의 설명을 제공하는데요. 어떤 파일의 몇 번째 줄에서 문제가 발생했는지까지 알려주기 때문에 스택 트레이스를 직접 읽고 해석하는 수고를 덜 수 있습니다.

코딩 에이전트와 함께 쓰면 특히 강력한데요. Seer가 원인을 분석해주면 AI가 바로 해당 코드를 열어서 수정 코드를 제안하는 식으로 디버깅 워크플로우가 매끄럽게 이어집니다.

문서 검색

search_docs로 Sentry 공식 문서를 자연어로 검색할 수 있고, get_doc으로 특정 문서의 전체 내용을 가져올 수도 있습니다. SDK 설정 방법이나 특정 기능의 사용법이 궁금할 때 브라우저를 열지 않고 대화 중에 바로 찾아볼 수 있어서 편합니다.

이슈 관리

update_issue로 이슈의 상태를 변경할 수 있습니다. 에러를 확인한 뒤 “이 이슈 해결 처리해줘”라고 하면 resolved로 바꿔주고, 특정 팀원에게 배정하는 것도 가능해요. 코드를 수정하고 나서 바로 해당 이슈를 닫을 수 있으니까 컨텍스트 전환 없이 디버깅 사이클을 완료할 수 있습니다.

프로젝트와 팀 관리

create_project로 새 Sentry 프로젝트를 만들면 DSN이 자동으로 생성되고, create_team으로 팀을 만들 수도 있습니다. find_dsns로 프로젝트의 DSN을 확인하면 SDK 초기화 코드를 바로 작성할 수 있어서 새 프로젝트를 셋업할 때 유용합니다.

실제 사용 시나리오

Sentry MCP가 실제 개발 워크플로우에서 어떻게 쓰이는지 몇 가지 시나리오를 살펴볼게요.

에러 알림 받고 바로 디버깅하기

Slack으로 에러 알림이 왔을 때, 예전에는 Sentry 대시보드를 열어서 이슈를 찾아야 했습니다. MCP가 연결되어 있으면 AI에게 “my-app 프로젝트에서 최근 발생한 미해결 이슈 보여줘”라고 하면 됩니다. 이슈 목록을 보고 “첫 번째 이슈 상세 정보 알려줘”라고 하면 스택 트레이스와 함께 발생 빈도, 영향받은 사용자 수까지 한눈에 볼 수 있어요.

거기서 “Seer로 이 이슈 분석해줘”라고 이어서 요청하면 AI 디버거가 근본 원인을 분석하고 문제가 되는 코드 위치를 짚어줍니다. 코딩 에이전트라면 해당 파일을 바로 열어서 수정 방안까지 제안해주겠죠.

배포 후 에러 모니터링

새 버전을 배포하고 나면 “v2.1.0 릴리즈 이후 새로 발생한 이슈가 있어?”라고 물어볼 수 있습니다. 배포 직후 발생한 에러를 빠르게 잡아서 대응할 수 있으니 안심이 되죠.

릴리즈별로 에러 추이를 확인하면서 “이전 버전 대비 에러가 늘었는지” 같은 판단도 가능합니다.

새 프로젝트에 Sentry 연동하기

새 프로젝트를 시작할 때 “Sentry에 my-new-app이라는 프로젝트 만들어줘”라고 하면 프로젝트가 생성되고 DSN이 바로 발급됩니다. 이어서 “이 프로젝트의 Node.js SDK 설정 방법 알려줘”라고 하면 문서를 검색해서 초기화 코드를 안내해주고요. 대시보드를 열 필요 없이 대화만으로 Sentry 연동을 완료할 수 있는 거죠.

마치며

Sentry MCP 서버를 AI 도구에 연결해두면 에러 디버깅 워크플로우가 한결 매끄러워집니다. 대시보드를 왔다 갔다 하면서 스택 트레이스를 확인하고 코드를 찾던 과정이 자연어 대화 몇 번으로 줄어들거든요.

특히 Seer AI 디버거와 코딩 에이전트를 함께 쓰면 “에러 발견 → 원인 분석 → 코드 수정”까지의 사이클을 에디터 안에서 끊김 없이 처리할 수 있다는 게 큰 장점입니다.

설정은 URL 하나만 추가하면 끝이니 Sentry를 이미 쓰고 있다면 한 번 연결해보시길 추천합니다. MCP의 기본 개념이 아직 익숙하지 않다면 먼저 읽어보시면 이 글의 내용이 더 잘 와닿을 거예요. 클로드 코드에서 MCP 서버를 연동하는 방법이나 Cloudflare MCP 서버 활용법도 함께 확인해보세요.