Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@MCP Performance Analyzeranalyze this performance data: http://localhost:8000/meminfo.csv"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
🚀 MCP性能分析服务器
移动应用性能监控数据智能分析工具，专注于严重问题检测
📋 快速开始
1. 获取项目
git clone git@github.com:DaSheng1994/mcp_analyze_quality.git
cd mcp_analyze_quality
2. 安装依赖
# 创建虚拟环境
python3 -m venv .venv
source .venv/bin/activate # Linux/macOS
# 安装依赖
pip install -r requirements.txt
3. 配置Cursor MCP
编辑 ~/.cursor/mcp.json：
{
"mcpServers": {
"performance-analyzer": {
"command": "/path/to/your/project/.venv/bin/python",
"args": ["/path/to/your/project/main.py"],
"cwd": "/path/to/your/project"
}
}
}
4. 重启Cursor并使用
完全退出并重新启动Cursor，然后在对话中输入：
分析这个性能数据：http://localhost:8000/meminfo.csv
🌐 远程部署
服务器端部署
# 在服务器上部署
git clone git@github.com:DaSheng1994/mcp_analyze_quality.git
cd mcp_analyze_quality
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
# 启动服务（后台运行）
nohup python main.py > mcp.log 2>&1 &
nohup python3 -m http.server 8000 > http.log 2>&1 &
客户端配置
团队成员在各自的Cursor中配置：
{
"mcpServers": {
"performance-analyzer": {
"command": "ssh",
"args": ["your-server", "cd /path/to/mcp_analyze_quality && .venv/bin/python main.py"],
"env": {}
}
}
}
使用远程服务
分析这个性能数据：http://your-server-ip:8000/meminfo.csv
📊 功能特性
严重问题检测: 专注于识别需要立即处理的严重性能问题
简洁输出: 只返回严重警告信息，避免信息过载
智能分析: 基于预定义规则进行精准判断
易于集成: 轻量级MCP服务器，快速部署
🚨 严重警告规则
当前支持的严重警告检测：
物理内存警告: VmRSS超过1.3GB时触发
Views数量警告: Views增长超过700个时触发
📝 自定义规则
可以通过修改 .cursor/rules/quality-rules.mdc 文件来自定义分析规则。
🚀 现在就开始使用MCP性能分析工具吧！