Honeycomb MCP Server

Der Honeycomb MCP Server verbindet KI-Assistenten wie Claude Code, Cursor, Claude Desktop, Codex oder VS Code mit der Observability-Plattform von Honeycomb. Wer seine Anwendungen mit Honeycomb überwacht, kann dem Assistenten Fragen stellen wie „Warum waren die Antwortzeiten gestern Abend erhöht?“, „Welche Spans verursachen die meisten Fehler?“ oder „Wie steht es um unser SLO?“, ohne zwischen Editor und Weboberfläche zu wechseln. Betrieben wird der Server von Honeycomb selbst. Laut Dokumentation lässt er Agenten Telemetriedaten abfragen, erkunden und iterativ auswerten, ähnlich wie es Menschen in der Oberfläche tun.

Was ist der Honeycomb MCP Server?

Honeycomb speichert Telemetriedaten als breite Ereignisse und Traces und macht sie über Abfragen mit Aggregationen, Filtern und Gruppierungen durchsuchbar. Der MCP-Server stellt diese Funktionen als Werkzeuge bereit. Die Adresse hängt laut Konfigurationsanleitung von der Region ab: https://mcp.honeycomb.io/mcp für die USA und https://mcp.eu1.honeycomb.io/mcp für die EU. Als Voraussetzung nennt die Anleitung, dass im Team Honeycomb Intelligence aktiviert ist und dass der Agent Remote-MCP-Server oder Plugins unterstützt.

Welche Werkzeuge stehen zur Verfügung?

Die Referenz beschreibt 34 Werkzeuge, davon 25 lesende und 9 schreibende. Zum Erkunden gehören der Arbeitsbereich mit Environments und Datasets, das Spaltenschema, die Suche nach Spalten und die Registry der Semantic Conventions für Attribute. Für die eigentliche Analyse gibt es run_query für Zeitreihen-Aggregationen, run_bubbleup, das untersucht, worin sich eine auffällige Teilmenge von der Baseline unterscheidet, sowie Werkzeuge für Traces, Span-Namen und Span-Details. Lesend abrufbar sind außerdem Boards, Trigger, SLOs, Benachrichtigungsempfänger, KI-Konversationen und die Refinery-Dokumentation. Schreibende Werkzeuge können Boards, Trigger, SLOs und Empfänger anlegen oder ändern, den Canvas-Agenten ansprechen und Feedback an das Honeycomb-Team senden. Neben den Werkzeugen liefert der Server Prompts, also vorgefertigte mehrstufige Abläufe, die man bewusst als Slash-Befehl startet.

Wofür ist er besonders nützlich?

Der Nutzen liegt in der Fehlersuche mit Produktionskontext. Ein Assistent kann nach einem Deployment Latenz- und Fehlerspitzen untersuchen, Ausreißer finden, mit BubbleUp die auffälligen Attribute herausarbeiten und einzelne Traces als Wasserfall nachvollziehen. Laut Dokumentation lassen sich auch bestehende Dashboards und Alarme in die Abfragesprache von Honeycomb übersetzen, was Migrationen erleichtert. Im Vergleich zu einem generischen Datenbankserver kennt dieser Server die Konzepte der Plattform, also Traces, Spans, Calculated Fields und SLOs, und liefert Antworten, die direkt zur Überwachungsumgebung passen.

Einrichtung

Empfohlen ist die Anmeldung per OAuth: Beim ersten Werkzeugaufruf öffnet sich der Browser zur Anmeldung und Freigabe. Für unbeaufsichtigte Agenten ist ein Management-API-Schlüssel mit den Scopes „Model Context Protocol“ und „Environments“ möglich, den nur Team Owner erstellen können. Für Claude Code beschreibt die Dokumentation ein Plugin samt Befehl /honeycomb-setup sowie die manuelle Einbindung per claude mcp add mit HTTP-Transport; für Cursor und VS Code gibt es Ein-Klick-Links, für Claude Desktop und ChatGPT Verzeichniseinträge. Über den Header X-MCP-Toolset lässt sich das Angebot auf query oder canvas beschränken; der Header erteilt keine zusätzlichen Rechte.

Sicherheit und Grenzen

Die meisten Werkzeuge sind rein lesend. Schreibende Werkzeuge benötigen laut Dokumentation den Scope mcp:write, den Sie beim OAuth-Consent oder bei der API-Key-Konfiguration ausdrücklich erteilen. Vergeben Sie ihn nur, wenn der Agent tatsächlich Boards, Trigger oder SLOs ändern soll. Das Activity-Log-Environment wird über MCP nur an Team Owner ausgegeben. Telemetriedaten, die der Assistent abruft, gelangen in den Kontext des KI-Clients und damit zum Modellanbieter; Span-Attribute können personenbezogene Daten enthalten. Angaben zu Ratenlimits oder Aufbewahrungsfristen enthält die Seite nicht.

Kosten

Laut Preisseite sind Honeycomb Intelligence und der MCP-Server in allen drei Plänen enthalten, also auch im dauerhaft kostenlosen Einstiegsplan. Darüber liegen ein kostenpflichtiger Pro-Plan mit mehr Triggern, SLOs, Single Sign-on und Support sowie ein individuell angebotener Enterprise-Tarif. Einzelne Werkzeuge wie die Service Map sind laut Referenz dem Enterprise-Plan vorbehalten. Welche Konditionen für Sie gelten, entnehmen Sie der offiziellen Preisseite von Honeycomb.

Für wen lohnt sich der Honeycomb MCP Server?

Er lohnt sich für Entwicklungs-, SRE- und DevOps-Teams, die Honeycomb bereits produktiv nutzen und Produktionsdaten in ihren Entwicklungsworkflow holen wollen. Wer keine Honeycomb-Daten besitzt, hat davon keinen Nutzen: Der Server ist kein eigenständiges Überwachungssystem, sondern ein Zugang zur Plattform.

Ein Honeycomb-Team mit aktivierter Honeycomb Intelligence und ein MCP-Client mit Unterstützung für Remote-Server, etwa Claude Code, Cursor, Claude Desktop oder VS Code.

Mit dem Honeycomb MCP Server fragt ein KI-Assistent Traces, Fehler und SLOs Ihres Honeycomb-Teams ab. Dieser Ratgeber führt von den Voraussetzungen bis zur ersten Abfrage.

Schritt 1: Voraussetzungen prüfen

Im Team muss Honeycomb Intelligence aktiviert sein; laut Dokumentation kann das ein Team Owner in den Einstellungen tun. Außerdem brauchen Sie einen Client mit Unterstützung für Remote-MCP-Server oder Plugins.

Region wählen

Die Adresse hängt vom Standort Ihres Teams ab: https://mcp.honeycomb.io/mcp für die USA und https://mcp.eu1.honeycomb.io/mcp für die EU. Mit der falschen Region findet der Server Ihre Daten nicht.

Schritt 2: In Claude Code einrichten

Führen Sie claude mcp add honeycomb --transport http https://mcp.honeycomb.io/mcp aus, in der EU mit der EU-Adresse. Alternativ beschreibt die Dokumentation ein Plugin mit dem Befehl /honeycomb-setup. Beim ersten Werkzeugaufruf öffnet sich der Browser für die OAuth-Anmeldung.

claude mcp add honeycomb --transport http https://mcp.honeycomb.io/mcp

Andere Clients

Für Cursor und VS Code bietet die Dokumentation Ein-Klick-Links, alternativ tragen Sie die regionale URL in die Datei mcp.json ein. Claude Desktop und ChatGPT binden Honeycomb über das Verzeichnis ein.

Schritt 3: API-Schlüssel für unbeaufsichtigte Agenten

Läuft ein Agent ohne Browser, erstellt ein Team Owner einen Management-API-Schlüssel mit den Scopes „Model Context Protocol“ und „Environments“. Er wird als Bearer-Token im Format KEY_ID:SECRET_KEY übergeben und gehört nicht in die Versionsverwaltung.

Werkzeuge und Schreibrechte begrenzen

Mit dem Header X-MCP-Toolset laden Sie nur query oder canvas. Schreibende Werkzeuge, die Boards, Trigger oder SLOs ändern, brauchen den Scope mcp:write. Erteilen Sie ihn nur, wenn der Agent wirklich Änderungen vornehmen soll.

Schritt 4: Erste Abfragen

Beginnen Sie mit „Welche Environments und Datasets gibt es?“ und danach etwa „Zeige die langsamsten Spans der letzten Stunde“. Prüfen Sie erzeugte Abfragen, bevor Sie Schlüsse daraus ziehen.

OAuth über den Browser (empfohlen) oder Management-API-Schlüssel für unbeaufsichtigte Agenten, den nur Team Owner erstellen können.

Lesezugriff auf Telemetrie, Boards, Trigger und SLOs des Teams; schreibende Werkzeuge nur mit dem ausdrücklich erteilten Scope mcp:write. Das Activity-Log ist nur für Team Owner zugänglich.

Der Server läuft gehostet bei Honeycomb in der gewählten Region. Abgerufene Telemetriedaten gelangen in den Kontext des KI-Clients und damit zum Modellanbieter.

Offenlegung von Span-Attributen mit personenbezogenen Daten gegenüber dem Modellanbieter, unnötig erteilter Schreib-Scope mcp:write und ein API-Schlüssel in der Versionsverwaltung.