Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Bewertungen und Benutzerkonten folgen in einem späteren Schritt.
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

Rlg MCP

von sebastienrousseauVersion 0.0.18i★ –iLäuft auf deinem Computer
Name in der Registryio.github.sebastienrousseau/rlg-mcp

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

MCP server exposing rlg log streams to LLM agents via JSON-RPC 2.0 over stdio.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

  • Verbindung: Läuft auf deinem Computer
  • Transport: stdio
  • Kategorie: Suche & KI-Gedächtnis

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

  • Basischecks: 1 von 1 bestanden
  • Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
  • Die Registry nennt keinen Schlüssel zum Eintragen.

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": {
    "rlg": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/sebastienrousseau/rlg-mcp:0.0.18"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add rlg -- docker run -i --rm ghcr.io/sebastienrousseau/rlg-mcp:0.0.18

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "rlg": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/sebastienrousseau/rlg-mcp:0.0.18"
      ]
    }
  }
}

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 VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "rlg": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/sebastienrousseau/rlg-mcp:0.0.18"
      ]
    }
  }
}

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.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 9. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto sebastienrousseau bestätigt, dem das Repo gehört

  • … Noch nicht geprüft

    Wird noch gepflegt

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • … Noch nicht geprüft

    Hat eine Lizenz

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • – Nicht zutreffend

    Endpunkt antwortet

    Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen

  • … Noch nicht geprüft

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

  • Mehr Sterne als 0 % der anderen 5756 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 94 % der anderen 5756 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 100 % der anderen 5756 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Rlg MCP sicher?

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.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

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).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.0.18) kam vorgestern in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Docker auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Context7, Codebase Memory, Exa

Alternativen

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

Context7

Up-to-date docs for AI agents

von upstashWeit verbreitet↓ 972.664/Wo.★ 64.224Aktualisiert vor 3 Tagen

Computer oder Cloud

Codebase Memory

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

von DeusDataWeit verbreitet↓ 17.962/Wo.★ 48.148Aktualisiert vor 23 Tagen

Läuft auf deinem Computer

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

von exa-labsWeit verbreitet★ 5213Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ exa.ai

README vom Entwickler

README öffnen

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.

rlg

Near-lock-free structured logging for Rust: records leave the application thread with a few atomic operations and are formatted and written by a background flusher.


Contents

Getting started

  • Install — Cargo for the libraries, cargo install for the CLIs and the MCP server
  • Requirements — toolchain floor, platforms
  • Quick Start — one structured record, fired and flushed

The rlg ecosystem

  • The rlg ecosystem — rlg, rlg-cli, rlg-report, rlg-mcp, rlg-otlp, rlg-redact, rlg-tower, rlg-test, rlg-wasm, rlg-ebpf

Library reference

  • Capabilities at a glance — the current surface by theme
  • Ecosystem comparison — short matrix; full table at docs/COMPARISON.md
  • Benchmarks — headline numbers; full table at docs/BENCHMARKS.md
  • Features — module-level capability list
  • Configuration — core options
  • Examples — runnable example index

Operational

  • When not to use rlg — limitations
  • Development — make targets, fuzzing, CI
  • Security — guarantees and compliance
  • Documentation — all reference docs
  • Stability guarantees — SemVer axis, output stability, minimum toolchain discipline
  • License

Install

As a Rust library
[dependencies]

rlg = "0.0.18"

Satellites install the same way, all at the same version:

[dependencies]

rlg-otlp = "0.0.18" # ship records to an OpenTelemetry Collector rlg-tower = "0.0.18" # per-request access logs for tower services rlg-redact = "0.0.18" # scrub secrets and PII before they are written

[dev-dependencies] rlg-test = "0.0.18" # assert on captured records in tests

Command-line tools
cargo install rlg-cli      # `rlg`: filter and convert log files

cargo install rlg-report # rlg-report: summaries by level, component and message cargo install rlg-mcp # rlg-mcp: log files as tools for AI agents

From a checkout, make install builds the three binaries and installs them with their manpages and bash, zsh and fish completions under /usr/local (PREFIX and DESTDIR are honoured; make uninstall reverses it). The binaries generate both themselves: rlg --manpage > rlg.1, rlg --completions zsh > _rlg.

rlg-mcp is also published as a container image, ghcr.io/sebastienrousseau/rlg-mcp, and listed in the MCP registry.


Requirements

  • Rust 1.89.0 or newer (edition 2024). CI builds every library and binary on 1.89.0; see the toolchain policy.
  • macOS or Linux for the native sinks (os_log, journald). Everywhere else, including Windows, rlg writes to a file or stdout.

Quick Start

use rlg::log::Log;

use rlg::log_format::LogFormat;

fn main() { // Keep the guard for the life of the program: dropping it flushes // pending records and stops the background thread. let _guard = rlg::init().unwrap();

Log::info("User authenticated") .component("auth-service") .with("user_id", 42) .format(LogFormat::JSON) .fire(); }

fire() checks the level, pushes the record into a ring buffer and returns; the flusher thread formats it as JSON and writes it to the platform sink. This block is compiled and run by cargo test.


The rlg ecosystem

Ten crates at lockstep version 0.0.18, released together.

ComponentPurposeUse case
rlgThe engine: 65,536-slot ring buffer, background flusher, 14 formats, native sinksStructured logging in any Rust program
rlg-cliThe rlg binary: filter by level, component or attribute, convert between formats`my-service \rlg --min-level error --format ecs`
rlg-reportThe rlg-report binary and library: counts by level and component, top messages, latency percentilesOn-call triage, daily error digests
rlg-mcpMCP server: four tools, one prompt, two resources over stdio, streamable HTTP or HTTP+SSEAI agents reading production logs
rlg-otlpOTLP/HTTP exporter to a local OpenTelemetry CollectorHoneycomb, Datadog, Grafana through a Collector
rlg-redactScrubs cards, JWTs, bearer tokens, emails, IPv4 addresses and AWS keys in one passGDPR and audit-trail safety
rlg-towertower::Layer emitting one access-log record per requestaxum, hyper and other tower services
rlg-testCapture records in a test and assert on themLibraries testing their own log output
rlg-wasmwasm-bindgen bindings and a WASI 0.2 component interfaceBrowsers, Deno, Workers, wasmtime hosts
rlg-ebpfProcess enrichment, portable; an eBPF enricher scaffold on LinuxHost context on every record

Capabilities at a glance

AreaCapabilityStatus
IngestionAtomic level filter, ring-buffer push, no lock on the caller's threadStable
FormatsJSON, NDJSON, ECS, GELF, Logstash, OTLP, MCP, logfmt, CLF, CEF, ELF, W3C, Apache, Log4j XMLStable
Sinksos_log (macOS), journald (Linux), file, stdoutStable
Sinksio_uring file sink (Linux, uring feature)Scaffold
ConfigurationTOML load, validation, polling hot-reload (tokio feature)Stable
Bridgeslog facade via rlg::init(); tracing layer (tracing-layer feature)Stable
ExportOTLP/HTTP to a local Collector (rlg-otlp)Stable
AgentsMCP server over stdio, streamable HTTP and HTTP+SSE (rlg-mcp)Stable
EnrichmenteBPF kernel context (rlg-ebpf, Linux)Scaffold

Ecosystem comparison

rlg trades tracing's span model for an event-only engine that keeps formatting and I/O off the application thread and ships native sinks, many formats and an agent interface in the box.

ProjectFormatting off the caller's threadBuilt-in formatsNative journald / os_log
rlgyes14yes
tracing + tracing-subscriberadd-ontext, JSONadd-on
slogadd-onadd-onadd-on
log + env_loggernotextno

See docs/COMPARISON.md for the evidence and complete matrix.


Benchmarks

The competitive_bench suite times rlg's fire() against tracing::info! and log::info! for single records, records with attributes, 10,000-record bursts and latency distribution. It runs in CI on every release tag, and its results are published as workflow artifacts.

ScenarioResultEnvironment
rlg fire(), one record598 nsGitHub-hosted ubuntu-latest, release profile
tracing::info! to a discarding writer591 nssame run
rlg fire() with 3 attributes947 ns (tracing: 1,117 ns)same run

On the calling thread rlg now costs about what tracing costs, without formatting there; what it buys is that the caller never waits on the sink's I/O.

See docs/BENCHMARKS.md for methodology and full results.


Features

Everything optional is off by default.

FeatureCrateAdds
tokiorlgConfig::load_async and polling hot-reload
tuirlgA live terminal dashboard, started with RLG_TUI=1
tracing-layerrlgRlgLayer, a tracing_subscriber::Layer
fast-queuerlgAn eight-shard ring buffer for many concurrent producers
uringrlgThe io_uring file sink on Linux
asyncrlg-otlpAsyncOtlpExporter on Tokio

Configuration

Config loads from TOML, validates, and creates the log paths it needs.

# rlg.toml

version = "1.0" profile = "production" log_file_path = "/var/log/rlg.log" log_level = "INFO" logging_destinations = [ { type = "File", value = "/var/log/rlg.log" }, { type = "Stdout" }, ] log_rotation = { Size = 10485760 } # 10 MiB

Load it with Config::load(Some("rlg.toml")), or with the tokio feature Config::load_async, and follow edits with Config::hot_reload_async. RUST_LOG sets the level too. The crate README lists every field.


Examples

ExampleShowsRun
example_log_formatAll 14 formats side by sidecargo run -p rlg --example example_log_format
example_configTOML config, async load, hot-reloadcargo run -p rlg --example example_config --features tokio
example_macrosThe logging macroscargo run -p rlg --example example_macros
serve_a_sessionA full MCP session against rlg-mcpcargo run -p rlg-mcp --example serve_a_session
honeycombExporting through a local Collectorcargo run -p rlg-otlp --example honeycomb

CI runs every example on each pull request (examples-smoke.yml), except example_config and example_utils, async demos whose behaviour the crate's own tests cover.


When not to use rlg

  • Low volume. Below about a hundred records a second, a background thread and a 65k-slot buffer buy nothing a synchronous logger does not already give you.
  • Spans are your model. rlg records events. If hierarchical spans are what you analyse, use tracing directly; rlg's layer only bridges its events.
  • Windows Event Log. There is no native Windows sink; rlg writes to a file or stdout there.
  • Every record must survive a crash. Records wait in memory until the flusher writes them; a process killed before the FlushGuard drops loses what is still buffered.
  • You need a stable API. rlg is at 0.0.x: any r

Nur der Anfang wird gezeigt; den Rest findest du im Repo

PopNx fragen