Salesforce Log AI Analyzer MCP

Salesforce日志AI分析器-MCP

AI First Salesforce调试日志分析器-通过MCP对Salesforce进行本地优先、AI优化的调试日志分析

 ](https://nodejs.org) ](https://github.com/SalesforceDiariesBySanket/salesforce-log-ai-analyzer-mcp/stargazers) ](https://github.com/SalesforceDiariesBySanket/salesforce-log-ai-analyzer-mcp/issues)

概述

SF Debug Analyzer是一个全面的工具，用于解析和分析Salesforce调试日志，重点是AI代理集成。它通过模型上下文协议（MCP）提供智能问题检测、异步作业关联和隐私保护分析。

特性

🔍 智能日志解析

• 高保真标记器 -逐行准确分析所有Salesforce调试日志事件类型
• AST构建器 -创建具有适当父子关系的分层调用树
• 截断处理 -检测日志截断并从中恢复，提供影响分析
• 流媒体支持 -大型日志文件的内存高效解析

🚨 问题检测

• SOQL在循环中 -检测迭代块内具有精确行位置的查询
• N+1查询模式 -识别重复的查询，表明缺少扩展
• 调速器极限分析 -跟踪CPU时间、堆、SOQL限制以及阈值警告
• 非选择性查询 -标记没有正确索引的查询
• 递归触发器 -检测触发再入模式
• CPU热点 -识别消耗过多CPU时间的方法
• 异常跟踪 -使用全堆栈跟踪捕获未处理的异常

🏢 管理包支持

• 命名空间检测 -在日志中标识托管包命名空间
• 归因引擎 -特定包或组织代码的属性问题
• 可见性分类 -确定ISV日志中可见与隐藏的内容
• AI指导 -根据包所有权提供可操作的建议

🔗 异步作业关联

• 工作提取 -标识可排队、批处理、未来和可调度的引用
• 交叉日志跟踪 -将父日志与异步子执行相关联
• 信心评分 -基于时间和背景的利率相关性置信度
• 统一视图 -将异步链表示为有凝聚力的执行流

🔒 隐私和补救

• PII检测 -识别电子邮件、电话号码、SSN、信用卡
• 凭证屏蔽 -Redacts API密钥、令牌、密码
• 自定义图案 -配置特定于组织的敏感数据模式
• 审计跟踪 -在不暴露原始值的情况下跟踪已编辑的内容

🧠 存储器系统

• 解决方案存储 -保存成功的修复以供将来参考
• 情景记忆 -按上下文回忆过去的调试会话
• 语义搜索 -使用相似性匹配查找相关的过去解决方案
• SQLite持久化 -本地优先存储，不依赖云

🤖 MCP服务器集成

通过模型上下文协议为GitHub Copilot、Claude等AI助手构建：

• npm 或 纱线
• Git （用于克隆存储库）
• Salesforce命令行界面（SFDX） -可选，但建议用于身份验证

  npm install -g @salesforce/cli

安装

从GitHub克隆

# Clone the repository
git clone https://github.com/SalesforceDiariesBySanket/salesforce-log-ai-analyzer-mcp.git
cd salesforce-log-ai-analyzer-mcp

# Install dependencies
npm install

# Build the project
npm run build

地方发展链接

要在开发过程中全局使用CLI命令，请执行以下操作：

# Link the package globally
npm link

# Now you can use the CLI anywhere
sf-debug --help
sf-debug-mcp --help

快速开始

作为MCP服务器（人工智能助理）

添加到您的VS Code MCP设置中：

• 视窗: %APPDATA%\Code\User\mcp.json
• macOS: ~/Library/Application Support/Code/User/mcp.json
• Linux: ~/.config/Code/User/mcp.json

Windows示例：

{
  "servers": {
    "sf-debug-analyzer": {
      "type": "stdio",
      "command": "node",
      "args": ["C:\\Users\\YourUsername\\path\\to\\salesforce-log-ai-analyzer-mcp\\dist\\mcp\\index.js"]
    }
  }
}

macOS/Linux示例：

{
  "servers": {
    "sf-debug-analyzer": {
      "type": "stdio",
      "command": "node",
      "args": ["/absolute/path/to/salesforce-log-ai-analyzer-mcp/dist/mcp/index.js"]
    }
  }
}

重要提示：

• 使用 绝对路径 （不是相对路径，如 ./dist/mcp/index.js)
• 在Windows上，使用双反斜杠(\\)或正斜杠(/)
• 跑 npm run build 首先创建 dist 文件夹
• 更改后重新启动VS Code或重新加载MCP连接

适用于克劳德桌面(claude_desktop_config.json):

窗户：

{
  "mcpServers": {
    "sf-debug": {
      "command": "node",
      "args": ["C:\\Users\\YourUsername\\path\\to\\salesforce-log-ai-analyzer-mcp\\dist\\mcp\\index.js"]
    }
  }
}

macOS/Linux：

{
  "mcpServers": {
    "sf-debug": {
      "command": "node",
      "args": ["/absolute/path/to/salesforce-log-ai-analyzer-mcp/dist/mcp/index.js"]
    }
  }
}

程序化使用

import { parseLog, analyzeLog, generateSummary } from './dist/index.js';

// Parse a log file
const result = parseLog(logContent);
if (result.success) {
  console.log(`Parsed ${result.data.events.length} events`);

  // Analyze for issues
  const analysis = analyzeLog(result.data);
  analysis.issues.forEach(issue => {
    console.log(`[${issue.severity}] ${issue.title}`);
  });

  // Get AI-optimized summary (<500 tokens)
  const summary = generateSummary(result.data, analysis);
  console.log(`Health: ${summary.health}/100`);
}

Salesforce身份验证

该工具支持连接到Salesforce组织的多种身份验证方法：

推荐：使用SFDX CLI

# Authenticate to your org using Salesforce CLI first
sf org login web --alias myorg

# The analyzer will automatically detect and use this auth

发展

# Install dependencies
npm install

# Build
npm run build

# Build in watch mode (for development)
npm run build:watch

# Run tests
npm test

# Run tests in watch mode
npm run test:watch

# Run specific module tests
npm run test:parser
npm run test:analyzer
npm run test:mcp

# Lint
npm run lint

# Lint and fix
npm run lint:fix

# Format
npm run format

安装后验证

安装后，验证一切正常：

# 1. Check the build completed successfully
npm run build

# 2. Verify CLI is working
node dist/cli/index.js --help

# 3. Run tests
npm test

# 4. Test with a sample log (if available)
node dist/cli/index.js analyze __fixtures__/logs/simple/success.log

建筑

此工具的设计 AI优先 -这意味着AI代理（Claude、GitHub Copilot等）是主要消费者，开发人员通过CLI作为次要用户。

设计原则

• 结构化输出 → JSON/JSONL，不是散文（AI生成解释）
• 代币高效 → 先总结，按需提供详细信息
• 信心得分 → 概率性，而非确定性（使AI能够传达不确定性）
• 本地优先 → 无云依赖，SQLite持久化
• 内存已启用 → 从过去的调试会话中学习
• 隐私意识 → 自动编辑PII，选择持久化

关键能力

项目结构

src/
├── parser/       # Log tokenization and AST building
├── analyzer/     # Issue detection and categorization  
├── async/        # Async job correlation (Batch, Queueable, Future)
├── capture/      # Salesforce authentication and log fetching
├── cli/          # Command-line interface
├── managed/      # Managed package attribution
├── mcp/          # MCP server for AI assistants
├── memory/       # Solution memory with SQLite persistence
├── output/       # Formatters and problem context
├── privacy/      # Data redaction (PII, credentials)
└── types/        # TypeScript type definitions

调试级别预设

该工具包括11个针对不同调试场景的优化调试级别预设：

致谢

该项目从社区中的几个优秀的Salesforce调试工具和库中汲取灵感：

日志分析与解析

• Certinia/调试日志分析仪 -火焰图可视化、调用树渲染、SOQL选择性分析、按命名空间划分的调控器限制
• financialforcedev/apex日志解析器 -JSON输出格式模式， jq 管道支持、树渲染器、平面事件阵列设计
• python apex日志解析器 -订阅者/ISV日志解析，查询命名空间归属的所有权层次结构

身份验证和日志捕获

• felisbinofarms/salesforce调试日志分析器 -OAuth PKCE流程实现、跟踪标志管理、N+1查询检测、材料设计模式

可视化和模式

• SFDC日志 -Git图形风格可视化概念、触发模式检测方法

机器学习和异常检测（未来路线图）

• 销售人员/logai -ML异常检测概念（隔离林、LSTM）、漏日志解析器、OpenTetry兼容模式

Salesforce官方工具

• Salesforce Apex回放调试器 -调试上下文概念，逐步执行模式

故障排除

常见问题

2.在mcp.json中使用绝对路径，而不是相对路径 3.在Windows上，使用双反斜杠： C:\\Users\\...\\dist\\mcp\\index.js 4.配置更改后重新启动VS代码| |找不到模块错误|检查mcp.json中的路径是否与您的实际项目位置匹配，并包括 \\dist\\mcp\\index.js 最后|

异步作业日志记录注意事项

调试异步作业（批处理、排队、未来）时，确保在 两者:

1. 触发动作的用户
2. “自动流程”用户（用于系统上下文异步执行）

许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。