Error Tracker MCP Server

Error Tracker MCP Server

基于 Model Context Protocol (MCP) 的错误追踪服务器，自动化处理代码错误：查找代码责任人（Bitbucket）→ 获取 PR 信息 → 创建 JIRA 任务。

快速开始

1. 安装与编译

npm install
npm run build

2. 配置环境变量

创建 .env 文件（参考 .env.example）：

# 服务器配置
HTTP_PORT=3000                    # HTTP 模式端口（默认 3000）
COMPATIBLE_PORT=3001              # 兼容模式端口（默认 3001）
DEFAULT_BRANCH=main               # 默认调查分支（默认 main）

# Bitbucket 配置
BITBUCKET_USERNAME=your_username
BITBUCKET_PASSWORD=your_password
BITBUCKET_BASE_URL=https://your-bitbucket-server.com
BITBUCKET_PROJECT=your_project
BITBUCKET_REPO=your_repo
PR_TARGET_BRANCH=main             # PR 目标分支过滤（默认 main）

# JIRA 配置
JIRA_USERNAME=your_username
JIRA_PASSWORD=your_password
JIRA_BASE_URL=https://your-jira-server.com
JIRA_PROJECT_KEY=YOUR_PROJECT
JIRA_ISSUE_TYPE_ID=10101
JIRA_PRIORITY_ID=10000
JIRA_COMPONENT_ID=12505

3. 选择运行模式

核心功能

客户端配置

方式一：stdio 模式（本地使用 - Claude Desktop）

编辑配置文件：

• MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "error-tracker": {
      "command": "node",
      "args": ["-r", "dotenv/config", "/绝对路径/error/build/index.js"]
    }
  }
}

💡 需在项目根目录创建 .env 文件配置环境变量

方式二：HTTP 模式（远程服务器）

Streamable HTTP (推荐 - 新协议)

适用于支持 MCP 2025-03-26 协议的客户端：

{
  "mcpServers": {
    "error-tracker": {
      "url": "http://localhost:3000/mcp"
    }
  }
}

SSE 模式（兼容 - 旧协议）

适用于仅支持 MCP 2024-11-05 协议的客户端：

{
  "mcpServers": {
    "error-tracker": {
      "url": "http://localhost:3000/sse"
    }
  }
}

端口说明：

• HTTP 模式默认端口：3000（通过 .env 中 HTTP_PORT 配置）
• 兼容模式默认端口：3001（通过 .env 中 COMPATIBLE_PORT 配置）
• 启动命令：npm run start:http（仅新协议）或 npm run start:compatible（新旧协议都支持）

协议选择：

• 新客户端 → 使用 /mcp 端点（Streamable HTTP）
• 旧客户端 → 使用 /sse 端点（传统 SSE）
• 不确定 → 使用兼容模式服务器（npm run start:compatible）同时支持两种

使用示例

场景1：查找代码责任人

请帮我查找这个文件第161行是谁写的：
src/main/java/com/example/service/UserService.java

场景2：获取错误上下文代码

请获取这个错误行所在方法的完整代码：
文件: src/main/java/com/example/service/UserService.java
行号: 161

场景3：分析模块最近变更

请分析理算模块最近7天的提交记录：
目录: cbs_claim_catalog/cbs_claim/src/main/java/cbs/claim/application/settlement

我需要看到最近有哪些人修改过这个模块，以及提交的时间范围。

场景4：完整错误追踪

我遇到空指针异常：
文件: src/main/java/com/example/service/UserService.java
行号: 161

错误信息：
java.lang.NullPointerException: Cannot invoke method on null object
    at UserService.checkUser(UserService.java:161)

请创建 JIRA 任务，标题"修复空指针异常"，标签 "bug" "urgent"

使用场景与轻量提示

JIRA 相关参数通常在 .env 中配置，日常使用只需给出最少的上下文即可。把错误堆栈直接粘贴给 AI，模型会自动识别并调用合适的工具。

提示约定：除非你明确提供标题，模型会基于错误上下文自动生成合适的 JIRA 标题与描述。

快速一键闭环（不需要分析）

示例提示：

我这有个错误，请你直接完成责任人定位、关联 PR 并创建 JIRA：

文件: src/main/java/com/example/service/UserService.java
行号: 161

错误堆栈：
java.lang.NullPointerException: Cannot invoke method on null object
  at UserService.checkUser(UserService.java:161)

JIRA：标题「修复空指针异常」，标签「bug」「urgent」。

说明：模型会自动进行代码所有者定位和 PR 检索，并用 .env 中的 JIRA 配置创建任务，无需显式写出工具名称。

先让模型分析，再落任务

示例提示：

请先根据下面的错误做简要原因分析与修复建议，然后帮我创建一个 JIRA：

文件: src/main/java/com/example/service/UserService.java
行号: 161

错误堆栈：
java.lang.NullPointerException: Cannot invoke method on null object
  at UserService.checkUser(UserService.java:161)

JIRA：标题「修复空指针异常（含原因分析）」即可。

说明：模型会输出结构化的分析结论（原因/影响/建议）并在创建 JIRA 时自动带上摘要；无需指定工具名，模型会自行选择步骤。

深度分析错误上下文

示例提示：

我需要分析这个异常的根本原因，请先获取完整方法代码：

文件: src/main/java/com/example/service/UserService.java
行号: 161

然后分析可能的异常原因并给出修复建议。

说明：模型会自动调用 get_method_code 工具获取完整方法代码，然后基于完整上下文进行分析，比仅有堆栈信息更准确。

智能分析堆栈定位根本原因

示例提示：

这是一个完整的错误堆栈，请逐层获取错误行所在方法的完整代码：

java.lang.NullPointerException: Cannot invoke method on null object
    at com.example.utils.StringUtil.isEmpty(StringUtil.java:45)
    at com.example.service.UserService.validateUser(UserService.java:161)
    at com.example.controller.LoginController.login(LoginController.java:89)
    at com.example.gateway.ApiGateway.handleRequest(ApiGateway.java:203)

找到最可能的位置后，对错误进行调查，然后结合代码对错误进行分析，最后创建 JIRA。

说明：模型会智能分析堆栈：

1. 自动获取堆栈中多层方法的完整代码
2. 结合代码逻辑判断根本原因（调用者参数不合规 vs 工具类缺陷）
3. 定位到最可能出错的业务代码层，而非最底层的工具方法
4. 余下步骤参见"先让模型分析，再落任务"

其他常见场景

• 多文件/多位置排查（模块级）：

用户登录偶发失败，请按模块排查并指出最可能的改动来源：
模块: auth、session、gateway
错误堆栈（多段粘贴即可）：
...

• 批量错误收敛并统一创建任务：

我有三处相似的 NPE，请合并分析并创建一个总任务，附上三个具体文件与行号作为子任务描述：
1) auth/UserService.java:161
2) session/SessionManager.java:45
3) gateway/LoginController.java:102
错误堆栈已在上文粘贴。

• 只分派给代码责任人（不创建 JIRA）：

请定位这段错误的代码责任人并把结论返回给我，不需要创建 JIRA：
文件: src/main/java/com/example/service/UserService.java
行号: 161
错误堆栈：...

远程部署

Docker 部署

FROM node:18-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY . .
RUN npm run build
EXPOSE 3000
CMD ["node", "-r", "dotenv/config", "build/compatible-server.js"]

docker build -t error-tracker-mcp .
docker run -d -p 3000:3000 --env-file .env error-tracker-mcp

PM2 部署

pm2 start npm --name "error-tracker" -- run start:compatible
pm2 save && pm2 startup

故障排除

技术架构

• 传输模式：stdio / Streamable HTTP / 兼容模式（详见 ARCHITECTURE.md）
• 开发调试：调试技巧和贡献指南见 DEVELOPMENT.md
• 技术栈：TypeScript + MCP SDK + Express + Axios

未来功能规划 (TODO)

🎯 深度分析增强

• [ ] trace_error_root_cause_chain - 错误根因链追踪

- 场景：深度追踪多层调用链，找到真正的根源而非表面现象 - 功能： - 解析完整堆栈的每一层方法代码 - AI 分析每层的职责和可能的问题点 - 定位最初的根因（如参数来源、数据状态异常） - 生成分层分析报告，标注真正的 root cause - 价值：避免只看最底层错误行，找到业务逻辑层的源头问题

🤖 自动化修复增强

• [ ] auto_fix_and_commit - 自动修复代码并提交

- 场景：AI 分析错误后自动生成修复代码，创建 PR 并指派给代码责任人 - 完整流程： 1. 调用 get_method_code 获取错误代码上下文 2. 调用 investigate_error 定位代码责任人 3. AI 生成修复代码（基于 errorAnalysis 中的 codeExample） 4. AI 生成对应的单元测试代码 5. 自动创建特性分支（如 fix/NPE-UserService-161） 6. 修改源文件和测试文件并提交到新分支 7. 创建 Pull Request，指定 reviewer 为代码责任人 8. PR 描述自动关联 JIRA 工单号 - 价值：端到端自动化（发现问题 → 修复 → 测试 → 代码审查），大幅减少人工介入

📊 智能辅助功能

• [ ] analyze_business_error_by_changes - 业务错误代码变更分析

- 场景：无堆栈信息的业务逻辑错误（如理算金额错误、数据不一致），通过分析最近代码变更定位问题 - 典型流程： 1. 业务人员发现异常（如：某客户理算金额少了 100 元） 2. 运维描述现象给 AI："理算模块最近出现金额计算错误，折扣未正确应用" 3. AI 自动分析指定业务模块的最近提交记录（可自定义时间范围，默认 7 天） 4. 对比代码变更点与业务现象的关联性 5. 输出可疑提交列表 + 责任人 + 变更说明 - 价值：解决无堆栈信息的业务逻辑问题，特别适合数据计算、状态流转等隐性错误

• [ ] batch_analyze_errors - 批量错误分析

- 一次性分析多个相关错误，判断是否同一根因

📈 运营分析功能

• [ ] analyze_error_trends - 错误趋势分析

- 场景：按产品线/模块/时间维度统计错误趋势，发现高风险区域 - 分析维度： - 按产品线统计（寿险、财险、健康险各自的错误率） - 按业务模块统计（承保、理赔、保全的错误热点） - 按时间趋势统计（版本发布后的错误激增） - 输出：可视化报表 + 高风险模块预警 + 重构建议 - 价值：指导资源投入方向，提前预防高风险区域

• [ ] build_error_knowledge_base - 错误知识库沉淀

- 场景：自动沉淀常见保险业务错误的解决方案 - 功能： - 自动分类错误类型（费率应用错误、年龄校验错误等） - 关联历史修复方案和PR - AI总结通用解决模式 - 生成新人培训案例库 - 价值：避免重复踩坑，加速新人成长

�🔧 现有工具增强

• [ ] get_method_code 增强

- 支持 includeCallers: 同时返回调用该方法的代码 - 支持 contextLevel: 控制上下文深度（1-3层）

• [ ] investigate_error 增强

- 支持 blameFullMethod: 对整个方法进行 blame - 支持 includeRecentContributors: 返回该文件近期所有贡献者

许可证

MIT