Sentry × Claude Code で実現する AI デバッグワークフロー — エラー監視から自動修正まで
Sentry × Claude Code で実現する AI デバッグワークフロー — エラー監視から自動修正まで
「バグが起きたら Sentry が検知し、AI が分析して修正案を出す」— そんなワークフローが現実になっています。
@riku720720（Rikuo）さんのポストは、この流れを端的にまとめています。
「アプリ開発する上でsentryは必須。sentry APIをskillsにすればユーザーのバグとか不具合とか全部分析できる。claudecodeの新機能/batchで一気に改善してもらう」
この記事では、Sentry の全体像から Claude Code との連携、そして実践的なワークフローまでを解説します。
Sentry とは
Sentry は、開発者ファーストのエラートラッキング＆パフォーマンス監視プラットフォームです。100以上のプラットフォーム・フレームワーク、30以上のプログラミング言語に対応しています。
単なるエラーログではない
Sentry が他のログ監視ツールと異なるのは、エラーの文脈（コンテキスト）を自動収集する点です。スタックトレースだけでなく、ユーザーのセッション情報、パフォーマンスデータ、リリースバージョンなど、デバッグに必要な情報を一元化します。
Sentry の主要機能
1. Error Monitoring（エラー監視）
Sentry の中核機能です。
- リアルタイム検知：エラー発生を即座にキャッチ
- インテリジェントグルーピング：同じ原因のエラーを自動的に1つの Issue にまとめる
- アラート通知：Slack、メール、PagerDuty 等と連携
# Django での導入例
import sentry_sdk
sentry_sdk.init(
dsn="https://xxx@xxx.ingest.sentry.io/xxx",
traces_sample_rate=1.0,
profiles_sample_rate=1.0,
)2. Performance Monitoring（パフォーマンス監視）
- 分散トレーシング：リクエストの流れをフロントエンドからバックエンドまで追跡
- トランザクション分析：遅いエンドポイントやクエリを特定
- Web Vitals：LCP、FID、CLS などフロントエンドのパフォーマンス指標
3. Session Replay（セッションリプレイ）
ユーザーのセッションをビデオのように再生できる機能です。
- エラー発生前後のユーザー操作を視覚的に確認
- AI によるリプレイサマリーが自動生成される
- Web（ブラウザ）、iOS、Android、React Native に対応
- パフォーマンスへの影響は最小限に設計
4. Cron Monitoring（定期ジョブ監視）
スケジュールされたジョブ（cron、バッチ処理等）の稼働状況を監視します。
- ジョブの実行漏れを検知
- タイムアウトの検出
- 実行時間の異常を通知
5. Uptime Monitoring（稼働監視）
URL に対して1分ごとのヘルスチェックを実行します。
- ステータスコード 200 以外でアラート
- 10秒以上のレスポンスタイムアウトを検出
- ダウンタイムの即時通知
6. Profiling（プロファイリング）
プロダクション環境でのコードレベルのパフォーマンス分析です。
- 関数単位の実行時間を可視化
- ボトルネックとなるコード行を特定
- 本番環境で動作するため、開発環境では再現しない問題も捕捉
なぜ自前実装ではなく Sentry を使うのか
Sentry が提供する機能の多くは、一見すると共通ライブラリとして自前実装できそうに見えます。try-catch でエラーを捕捉し、ログに書き出し、Slack に通知する — これだけなら数百行のコードで書けるでしょう。
しかし、実用レベルのエラー監視に求められるものは、単純なエラーキャプチャの遥か先にあります。
自前実装で「できること」と Sentry との差
| 機能 | 自前実装 | Sentry |
|---|---|---|
| エラーキャプチャ | try-catch + ログ出力 | SDK が未処理例外・Promise rejection を自動捕捉 |
| スタックトレース | 言語標準の出力 | ソースマップ対応でミニファイ済みコードも元のソースで表示 |
| エラー集約 | ログの文字列マッチング | インテリジェントグルーピング（後述） |
| コンテキスト | 自前で付与する必要あり | ブレッドクラムで操作履歴を自動収集 |
| 通知 | Slack/メール連携を自作 | 100以上のインテグレーション済み |
| パフォーマンス | 別途 APM ツールが必要 | 分散トレーシング・プロファイリング内蔵 |
| セッション再生 | 実装困難 | Session Replay でビデオライクな再生 |
| AI 分析 | 実装困難 | Seer による根本原因分析・自動修正 |
差が出るポイント1: インテリジェントグルーピング
自前実装で最も困難なのが、同じ原因のエラーを1つにまとめる処理です。
# 同じバグだが、スタックトレースが微妙に異なる例
TypeError: Cannot read property 'id' of undefined
at UserProfile.render (app.js:1234) ← ユーザーA
at UserProfile.render (app.js:1234) ← ユーザーB（異なるブラウザ）
at UserProfile.render (app.js:1238) ← ユーザーC（異なるバージョン）Sentry はフィンガープリント（fingerprint）というメカニズムで、これらを同一 Issue として自動集約します。
- スタックトレース、例外の型、メッセージを組み合わせてフィンガープリントを生成
- アプリケーションコードに関連するフレームのみを考慮し、フレームワーク内部のフレームの差異は無視
- カスタムフィンガープリントルールで集約ロジックを調整可能
自前でこのロジックを実装・メンテナンスするコストは、想像以上に大きくなります。集約精度が低いと、同じバグが100個の別 Issue として分散し、逆に精度が粗すぎると異なるバグが1つに混ざります。
差が出るポイント2: ブレッドクラム（操作履歴の自動収集）
Sentry SDK は、エラー発生前のユーザー操作を自動的に記録します。
14:23:01 [UI] ユーザーが「購入」ボタンをクリック
14:23:01 [HTTP] POST /api/checkout → 200 OK
14:23:02 [HTTP] GET /api/payment/status → 500 Error
14:23:02 [Console] Error: Payment gateway timeout
14:23:02 ❌ TypeError: Cannot read property 'transactionId' of undefined従来のログでは「エラーが起きた」という事実しか分かりませんが、ブレッドクラムにより「何をした結果エラーが起きたか」が分かります。SDK がブラウザの console、DOM イベント、fetch/XHR、ナビゲーション履歴を自動的にフックするため、アプリケーションコードの修正なしにこの情報が得られます。
差が出るポイント3: リリーストラッキング
Sentry はエラーとリリースバージョンを自動的に紐づけます。
v2.3.0 ── エラー率 0.1%（安定）
v2.3.1 ── エラー率 2.3% ⚠️ ← このリリースで何か壊れた
v2.3.2 ── エラー率 0.08%（修正済み）「このバグはどのリリースで入ったか」「このデプロイでエラー率は改善したか」が一目で分かります。CI/CD パイプラインと連携し、ソースマップのアップロードやリリース情報の自動登録が可能です。
差が出るポイント4: 運用負荷
自前実装の最大の隠れコストは継続的な運用です。
| 項目 | 自前実装 | Sentry（クラウド版） |
|---|---|---|
| インフラ | ログ収集・保存・検索基盤を自前で構築・運用 | マネージドサービス |
| スケーラビリティ | トラフィック増加に応じて自前でスケール | 自動スケール |
| SDK メンテナンス | フレームワーク更新への追従を自前で | 公式 SDK が対応 |
| 新プラットフォーム対応 | 言語・フレームワークごとに実装 | 100以上のプラットフォーム対応済み |
| セキュリティ | PII マスキング等を自前実装 | データスクラビング機能内蔵 |
参考：Sentry をセルフホストする場合、PostgreSQL、Redis、Kafka、ClickHouse、Snuba、Relay、Symbolicator など12以上のコンポーネントが必要で、推奨メモリは 32GB です。これが「エラー監視を真面目にやる」ために必要なアーキテクチャの規模感です。
CloudWatch との違い — インフラ監視 vs アプリケーション監視
AWS を使っている場合、CloudWatch でのエラー監視と比較されることがあります。両者の違いは明確です。
| 観点 | CloudWatch | Sentry |
|---|---|---|
| 視点 | インフラ（CPU、メモリ、ネットワーク） | アプリケーション（例外、パフォーマンス、ユーザー体験） |
| エラー情報 | 「過去1時間に ERROR を含むログが47行」 | 「この TypeError は v2.3.1 で発生し、342ユーザーに影響、チェックアウト画面で発生、原因コードはここ」 |
| セットアップ | IAM ロール + ログ転送設定 | SDK を数行追加 |
| AI 分析 | なし | Seer による根本原因分析・自動修正 |
多くの AWS チームでは、CloudWatch（インフラ）+ Sentry（アプリケーション）の併用が推奨されています。両者は競合ではなく補完関係にあります。
結論：「作れる」と「作るべき」は違う
エラーキャプチャの仕組み自体は自前で作れます。しかし、Sentry が提供する価値の本質は以下にあります。
- 集約ロジック（インテリジェントグルーピング）の品質と継続的改善
- コンテキスト自動収集（ブレッドクラム、セッション情報）の網羅性
- 100以上のプラットフォーム SDK のメンテナンス
- AI デバッグエージェント（Seer） による根本原因分析・自動修正
- MCP サーバーによる AI コーディングエージェントとの直接連携
特に 4 と 5 は2026年時点で自前実装が極めて困難な領域です。Sentry は「エラーを捕捉するライブラリ」ではなく、エラー検知から修正までのパイプライン全体を提供するプラットフォームとして捉えるべきです。
Seer — Sentry の AI デバッグエージェント
2026年、Sentry は Seer という AI デバッグエージェントを一般提供（GA）しました。
Seer ができること
| 機能 | 説明 |
|---|---|
| 根本原因分析 | Issue の詳細、トレーシングデータ、ログ、プロファイルから原因を特定 |
| 自動修正（Autofix） | 原因を特定し、修正案を自動で作成。マージは人間の承認が必要 |
| コードレビュー | PR を分析し、本番障害を引き起こしそうな欠陥を検出 |
| ローカル開発連携 | MCP サーバー経由でローカルのコーディングエージェントと連携 |
Autofix の動作フロー
エラー発生
│
▼
Sentry が Issue を作成
│
▼
Seer が自動で根本原因を分析
│
▼
修正案（コード差分）をドラフト
│
▼
開発者が承認 → マージAutofix を有効化（Automated Fixes ON）すると、Seer が修正可能と判断した Issue に対して自動的にこのフローが実行されます。マージには必ず人間の承認が必要なため、安全性は確保されています。
2026年1月の拡張
Sentry は2026年1月に Seer の機能を大幅に拡張しました。
- ローカル開発への対応：MCP サーバー経由でローカル環境のコーディングエージェントと接続
- コードレビュー機能：PR のスタイルではなく、本番で実際に障害を起こすレベルの欠陥に焦点
- 定額制の導入：利用回数無制限のフラット料金モデル
Sentry × Claude Code 連携
ここからが本題です。Sentry と Claude Code を連携させることで、エラー検知 → 分析 → 修正のループを AI で加速できます。
MCP サーバーによる接続
Sentry は公式の MCP（Model Context Protocol）サーバーを提供しています。
# Claude Code に Sentry MCP サーバーを追加
claude mcp add --transport http sentry https://mcp.sentry.dev/mcp設定後、Claude Code 内で /mcp コマンドで Sentry アカウントに認証します。インストール不要で、Sentry がホスティング・管理するリモート MCP サーバーに接続する仕組みです。
何ができるようになるか
MCP 接続後、Claude Code から自然言語で Sentry にアクセスできます。
「過去24時間で最も多いエラーは何？」
「この Issue の根本原因を分析して」
「未解決の Issue で影響ユーザーが多い順に並べて」具体的には以下の操作が可能です。
- エラー検索：ファイル・プロジェクト横断でのエラー検索
- Issue 詳細調査：スタックトレース、影響範囲、発生頻度の確認
- Seer 分析のトリガー：AI による根本原因分析を起動
- 修正推奨の取得：AI が生成した修正案の確認
- パターン検出：複数の Issue に共通するパターンの自動検出
Skills としての活用
ツイート主が提案しているのは、Sentry API を Claude Code の Skills（動的プロンプト）として設定するアプローチです。
Skills を活用すれば、特定のコマンドやトリガーで Sentry の情報を自動的に取得・分析するワークフローを構築できます。Sentry 公式の Skills テンプレートも提供されています。
sentry-code-review：コードレビュー時の Sentry 連携sentry-setup-ai-monitoring：AI エージェントのモニタリング設定sentry-setup-logging：ログ設定sentry-setup-metrics：メトリクス設定sentry-setup-tracing：トレーシング設定
/batch による一括改善
ツイートで言及されている Claude Code の /batch は、バッチ API を利用した大量タスクの一括処理機能です。
仕組み
- Anthropic の Message Batches API を経由してタスクを非同期実行
- **コストが通常の50%**で処理可能
- ほとんどのバッチは1時間以内に完了
Sentry × /batch の組み合わせ
Sentry の未解決 Issue リストを取得（MCP 経由）
│
▼
各 Issue の分析・修正タスクをバッチとして投入（/batch）
│
▼
Claude Code が並行して分析・修正案を生成
│
▼
開発者がレビュー → 適用この組み合わせにより、蓄積されたバグや不具合を一気に分析・修正するワークフローが実現します。個々のエラーを手動で調査する必要がなく、コストも半減します。
料金プラン
| プラン | 月額 | エラー数 | 主な特徴 |
|---|---|---|---|
| Developer | 無料 | 5,000/月 | 1ユーザー、基本機能 |
| Team | $26 | 50,000/月 | 無制限ユーザー、サードパーティ連携、Seer（要サブスクリプション） |
| Business | $80 | 100,000/月 | 専任アカウントマネージャー、優先サポート |
| Enterprise | 要問合せ | カスタム | SLA、カスタム契約 |
全有料プランでプロジェクト数・チームメンバー数は無制限です。使用量が増えるほど単価が下がるボリュームディスカウントモデルを採用しています。年間契約で10%割引。
AI エージェント監視
Sentry は AI エージェントを使うアプリケーション向けの専用監視機能も提供しています。
SDK を導入すると、以下のメトリクスを自動収集します。
- エージェント呼び出し回数
- ツール実行の成功/失敗
- エージェント間のハンドオフ
- トークン使用量
AI エージェントを本番運用する際の可観測性として有用です。
実践ワークフロー：Sentry + Claude Code + /batch
最終的な理想のワークフローをまとめます。
1. アプリに Sentry SDK を導入
│
2. 本番環境でエラー・パフォーマンス問題を自動検知
│
3. Seer が自動で根本原因を分析・修正案をドラフト
│
4. Claude Code から MCP 経由で Sentry に接続
│
5. 未解決 Issue を一覧取得し、優先度を分析
│
6. /batch で複数 Issue の修正を一括実行
│
7. 開発者がレビュー → マージ
│
8. リリース後、Sentry で再発がないことを確認エラー監視 → AI 分析 → AI 修正 → 人間のレビュー → リリース。このループが回ることで、バグ対応の速度とコスト効率が劇的に改善します。
まとめ
Sentry は単なるエラーログツールではなく、2026年現在では AI デバッグエージェント（Seer）を内蔵した統合監視プラットフォームに進化しています。
| 要素 | 役割 |
|---|---|
| Sentry | エラー検知・文脈収集・パフォーマンス監視 |
| Seer | AI による根本原因分析・自動修正・コードレビュー |
| MCP サーバー | Claude Code からの Sentry 直接アクセス |
| Skills | Sentry API をワークフローに組み込む |
| /batch | 複数の修正タスクを一括・低コストで実行 |
アプリ開発において「エラーが起きてから対応する」のではなく、「エラーを検知した瞬間に AI が分析を始め、修正案まで出す」体制を構築できる。Sentry × Claude Code は、その現実的な第一歩です。
参考リンク:
- Sentry 公式サイト
- Sentry ドキュメント
- Seer — AI デバッグエージェント
- Sentry MCP Server ドキュメント
- Sentry MCP Server GitHub
- Sentry for AI ドキュメント
- Sentry が Seer にローカル開発・コードレビューを追加
- Sentry × Claude 導入事例
- Sentry 料金プラン
- Django SDK ドキュメント
- Claude Code バッチ処理ガイド
- Sentry vs CloudWatch 比較 — SigNoz
- Sentry Issue Grouping ドキュメント
- Sentry Breadcrumbs ドキュメント
- Sentry セルフホスト アーキテクチャ