Skip to main content

Correzioni quotidiane degli errori Sentry

Programma una sessione giornaliera avanzata di Devin che recupera i nuovi errori Sentry durante la notte, avvia una sessione di correzione per ciascuno e ha le PR pronte per la mattina.
AuthorCognition
CategoryAutomazioni
FeaturesPianificazioni, MCP, Avanzato
1

Connetti l'MCP di Sentry

Prima di creare il tuo programma, Devin ha bisogno di accedere ai dati di Sentry.
  1. Vai su Settings > MCP Marketplace e cerca Sentry
  2. Fai clic su Enable e autenticati tramite OAuth — in questo modo concedi a Devin accesso in sola lettura alle tue issue, agli eventi e agli stack trace di Sentry
  3. Fai clic su Test listing tools per verificare che la connessione funzioni correttamente
Una volta connesso, Devin può interrogare i tuoi progetti Sentry, recuperare i dettagli delle issue e gli stack trace e leggere i breadcrumb, tutto all’interno di una sessione. Scopri di più sulla configurazione dei server MCP.
2

Crea la pianificazione

Vai su Settings > Schedules e fai clic su Create schedule.
  • Name: Daily Sentry remediation — payments-api
  • Frequency: Tutti i giorni alle 6:00 AM (così le pull request (PR) con le correzioni sono pronte prima del daily standup)
  • Agent: Advanced Devin — permette a Devin di avviare una sessione separata per ogni errore, così le correzioni vengono eseguite in parallelo
  • Slack channel: Seleziona un canale (ad es. #sentry-fixes) così il tuo team riceve una notifica quando l’esecuzione è completata e le PR sono pronte per la revisione
  • Prompt:
3

Popola Knowledge a partire dalla tua codebase e dalle correzioni precedenti

Devin scrive correzioni migliori quando comprende gli schemi di errore della tua app. Invece di scrivere manualmente le voci di Knowledge, esegui una sessione di Advanced Devin per analizzare la base di codice e le correzioni passate, quindi lascia che sia Devin a creare la Knowledge:Queste voci vengono richiamate automaticamente quando Devin rileva errori corrispondenti durante le esecuzioni pianificate — e il prompt pianificato sopra indica a Devin di aggiornare Knowledge sulla base del feedback sulle tue PR, così migliora nel tempo.
4

Risultato di un'esecuzione tipica

Ogni mattina, Devin elabora la coda degli errori accumulati durante la notte e apre PR mirate. Ecco un esempio di output di una sessione reale:
Processed 5 Sentry errors from payments-api (past 24h):

1. TypeError: Cannot read property 'last4' of null (1,892 events)
   Root cause: Stripe webhook delivers `payment_method: null` for
   bank transfer payments. CheckoutReceipt.tsx:34 destructures
   without a null check.
   PR #612: Add null safety to CheckoutReceipt, show "Bank Transfer"
   fallback for non-card payments.

2. TimeoutError: Query timeout after 30s on /api/invoices (743 events)
   Root cause: N+1 query in InvoiceService.getMonthly() — each
   line item triggers a separate product lookup.
   PR #613: Add eager loading for invoice line items with
   Sequelize `include`.

3. RangeError: Maximum call stack size exceeded (412 events)
   Root cause: Circular reference in refund.toJSON() when a
   refund references its parent transaction which references
   the refund.
   PR #614: Break circular ref with a custom serializer,
   add max-depth test.

4-5. Two lower-frequency validation errors — PRs #615, #616.
Ogni pull request (PR) include il link all’issue Sentry, una descrizione della causa principale, la correzione e un test che avrebbe individuato l’errore originale.
5

Ottimizza e itera

Dopo una settimana di esecuzioni, rivedi cosa funziona e adegua:Definisci l’ambito del conteggio degli errori. Inizia con i top 5 errori per esecuzione. Se Devin produce costantemente PR pronti al merge, aumenta a 8-10. Se le correzioni richiedono revisioni significative, riduci a 3.Filtra per progetto o tag. Restringi il prompt a specifici progetti Sentry (payments-api, web-frontend) o escludi i tag rumorosi. Puoi creare schedulazioni separate per progetto se i volumi di errori sono diversi.Impara dai risultati. Dopo un paio di settimane, esegui una sessione di Advanced Devin per analizzare quali correzioni sono effettivamente arrivate in produzione e trasformarle in Knowledge: