GitHub
Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.
Beschreibung vom Entwickler (englisches Original)
Add OpenTelemetry tracing to Python AI agents. Supports LangGraph, LlamaIndex, CrewAI, OpenAI SDK.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
ANTHROPIC_API_KEY, LLM_MODEL, OPENAI_API_KEY, GEMINI_API_KEY, GROQ_API_KEYAls geheim markierte Werte sind Schlüssel zu deinem Konto. Gib sie nie weiter und füge sie nie in einen Chat ein.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"observe-instrument": {
"command": "uvx",
"args": [
"observe-instrument-mcp"
],
"env": {
"ANTHROPIC_API_KEY": "your-value",
"LLM_MODEL": "your-value",
"OPENAI_API_KEY": "your-value",
"GEMINI_API_KEY": "your-value",
"GROQ_API_KEY": "your-value"
}
}
}
}Führe das in deinem Terminal aus
claude mcp add observe-instrument --env ANTHROPIC_API_KEY=your-value --env LLM_MODEL=your-value --env OPENAI_API_KEY=your-value --env GEMINI_API_KEY=your-value --env GROQ_API_KEY=your-value -- uvx observe-instrument-mcpTrag die leeren Werte ein, bevor du ihn startest.
In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"observe-instrument": {
"command": "uvx",
"args": [
"observe-instrument-mcp"
],
"env": {
"ANTHROPIC_API_KEY": "your-value",
"LLM_MODEL": "your-value",
"OPENAI_API_KEY": "your-value",
"GEMINI_API_KEY": "your-value",
"GROQ_API_KEY": "your-value"
}
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"observe-instrument": {
"type": "stdio",
"command": "uvx",
"args": [
"observe-instrument-mcp"
],
"env": {
"ANTHROPIC_API_KEY": "your-value",
"LLM_MODEL": "your-value",
"OPENAI_API_KEY": "your-value",
"GEMINI_API_KEY": "your-value",
"GROQ_API_KEY": "your-value"
}
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
LLM_MODEL envDiese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 10. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto alanzha2 bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Das musst du eintragen: ANTHROPIC_API_KEY, OPENAI_API_KEY, GEMINI_API_KEY, GROQ_API_KEY
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.2) kam vor 8 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.
In derselben Kategorie: GitHub, Desktop Commander, Cloudflare MCP
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Connect AI assistants to GitHub - manage repos, issues, PRs, and workflows through natural language.
MCP server for terminal commands, file operations, and process management
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
An MCP server that automatically instruments Python AI agents with the ioa-observe-sdk — adding OpenTelemetry-based tracing, metrics, and logs with zero manual effort.
Works with any MCP-compatible AI coding assistant: Claude Desktop, Cursor, Windsurf, and others.
Two tools:
`instrument_agent` — reads a Python agent file, applies full observe SDK instrumentation, writes it back, and returns a summary of changes. Creates a .bak backup before modifying.
`check_instrumentation` — audits a file for missing instrumentation without modifying it.
Supported frameworks: LlamaIndex, LangGraph, CrewAI, raw OpenAI SDK.
pip install observe-instrument-mcp
uv add observe-instrument-mcp
Requires an API key for your chosen LLM provider. Defaults to Claude (ANTHROPIC_API_KEY). See supported providers below.
Add to ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": { "observe-instrument": { "command": "uvx", "args": ["observe-instrument-mcp"], "env": { "ANTHROPIC_API_KEY": "sk-ant-..." } } } }
Add to .cursor/mcp.json in your project:
{
"mcpServers": { "observe-instrument": { "command": "uvx", "args": ["observe-instrument-mcp"], "env": { "ANTHROPIC_API_KEY": "sk-ant-..." } } } }
Add to ~/.codeium/windsurf/mcp_config.json:
{
"mcpServers": { "observe-instrument": { "command": "uvx", "args": ["observe-instrument-mcp"], "env": { "ANTHROPIC_API_KEY": "sk-ant-..." } } } }
Ready-to-use uninstrumented agent files are included in the examples/ folder:
examples/
single-agent/ openai-sdk-example.py # OpenAI SDK customer support agent langgraph-example.py # LangGraph currency converter llama-index-example.py # LlamaIndex math agent crewai-example.py # CrewAI research crew multi-agent/ openai-sdk-multi-agent-example.py # OpenAI SDK orchestrator pipeline langgraph-multi-agent-example.py # LangGraph supervisor pattern llama-index-multi-agent-example.py # LlamaIndex research + writing pipeline crewai-multi-agent-example.py # CrewAI research + publishing crews
Once configured, ask your AI assistant:
Instrument my agent with the observe SDK: path/to/my_agent.py
Check what observe SDK instrumentation is missing from path/to/my_agent.py
| Variable | Description |
|---|---|
LLM_MODEL | Model to use (default: claude-sonnet-4-6). See provider table below. |
ANTHROPIC_API_KEY | Required for Anthropic models |
OPENAI_API_KEY | Required for OpenAI models |
GEMINI_API_KEY | Required for Google Gemini models |
GROQ_API_KEY | Required for Groq models |
| Provider | Key variable | LLM_MODEL example |
|---|---|---|
| Anthropic | ANTHROPIC_API_KEY | claude-sonnet-4-6 |
| OpenAI | OPENAI_API_KEY | gpt-4o |
| Google Gemini | GEMINI_API_KEY | gemini/gemini-2.0-flash |
| Groq | GROQ_API_KEY | groq/llama-3.3-70b |
| Ollama (local, free) | none | ollama/llama3.2 |
Install the SDK in your project:
pip install ioa-observe-sdk
uv add ioa-observe-sdk
Start the observability stack (OTel Collector + ClickHouse):
cd path/to/observe/deploy
docker compose up -d
Run your agent:
OPENAI_API_KEY=sk-... OTLP_HTTP_ENDPOINT=http://localhost:4318 python my_agent.py
Query traces:
docker exec -it clickhouse-server clickhouse-client --user admin --password admin
SELECT SpanName, ServiceName, Duration / 1000000. AS ms, Timestamp
FROM otel_traces ORDER BY Timestamp DESC LIMIT 20;
git clone https://github.com/alanzha2/observe-instrument-mcp
cd observe-instrument-mcp pip install -e .
mcp dev observe_instrument_mcp/server.py
Apache-2.0