간체 중국어 | 영어

Pprof 분석기 MCP 서버

Name: mcp-pprof-anaylzer
Author: ZephyrDeng

대장간 배지 빌드 상태 Go 버전

이는 Go로 구현된 MCP(Model Context Protocol) 서버로, Go pprof 성능 프로필을 분석하는 도구를 제공합니다.

특징

analyze_pprof
- 지정된 Go pprof 파일을 분석하고 직렬화된 분석 결과(예: Top N 목록 또는 플레임 그래프 JSON)를 반환합니다.
- 지원되는 프로필 유형:
  - cpu : 코드 실행 중 CPU 시간 소비를 분석하여 핫스팟을 찾습니다.
  - heap : 현재 메모리 사용량(힙 할당)을 분석하여 메모리 소모가 많은 객체와 함수를 찾습니다.
  - goroutine : 현재 모든 goroutine의 스택 추적을 표시하여 교착 상태, 누수 또는 과도한 goroutine 사용을 진단하는 데 사용됩니다.
  - allocs : 프로그램 실행 중 메모리 할당(해제된 메모리 포함)을 분석하여 빈번하게 할당되는 코드를 찾습니다. ( 아직 구현되지 않음 )
  - mutex : 뮤텍스에 대한 경합을 분석하여 블로킹을 유발하는 잠금을 찾습니다. ( 아직 구현되지 않음 )
  - block : 고루틴 차단을 유발하는 작업(예: 채널 대기, 시스템 호출)을 분석합니다. ( 아직 구현되지 않음 )
- 지원되는 출력 형식: text , markdown , json (상위 N 목록), flamegraph-json (계층적 플레임 그래프 데이터, 기본값).
  - text , markdown : 사람이 읽을 수 있는 텍스트 또는 마크다운 형식.
  - json : 구조화된 JSON 형식으로 상위 N개의 결과를 출력합니다( cpu , heap , goroutine 에 대해 구현됨).
  - flamegraph-json : d3-flame-graph( cpu , heap , 기본 형식)와 호환되는 JSON 형식의 계층적 플레임 그래프 데이터를 출력합니다. 출력은 간결합니다.
- 상위 N개 결과의 구성 가능한 개수( top_n , 기본값은 5, text , markdown , json 형식에 적용).
generate_flamegraph
- go tool pprof 사용하여 지정된 pprof 파일에 대한 플레임 그래프(SVG 형식)를 생성하고, 지정된 경로에 저장하고, 경로와 SVG 콘텐츠를 반환합니다.
- 지원되는 프로필 유형: cpu , heap , allocs , goroutine , mutex , block .
- 사용자가 출력 SVG 파일 경로를 지정해야 합니다.
- 중요: 이 기능을 사용하려면 Graphviz가 설치되어 있어야 합니다.
open_interactive_pprof
- 지정된 pprof 파일에 대해 백그라운드에서 go tool pprof 대화형 웹 UI를 실행하려고 시도합니다. http_address 제공되지 않으면 기본적으로 :8081 포트를 사용합니다.
- 성공적으로 실행되면 백그라운드 pprof 프로세스의 프로세스 ID(PID)를 반환합니다.
- macOS 전용: 이 도구는 macOS에서만 작동합니다.
- 종속성: go 명령이 시스템 PATH에 있어야 합니다.
- 제한 사항: 백그라운드 pprof 프로세스의 오류는 서버에 의해 캡처되지 않습니다. 원격 URL에서 다운로드한 임시 파일은 프로세스가 종료될 때까지( disconnect_pprof_session 통해 수동으로 또는 MCP 서버가 종료될 때) 자동으로 정리되지 않습니다.
disconnect_pprof_session
- PID를 사용하여 open_interactive_pprof 에서 이전에 시작된 백그라운드 pprof 프로세스를 종료하려고 시도합니다.
- 먼저 인터럽트 신호를 보내고, 인터럽트가 실패하면 Kill 신호를 보냅니다.

Related MCP server: godoc-mcp

설치(라이브러리/도구로서)

go install 사용하여 이 패키지를 직접 설치할 수 있습니다.

지엑스피1

이렇게 하면 pprof-analyzer-mcp 실행 파일이 $GOPATH/bin 또는 $HOME/go/bin 디렉터리에 설치됩니다. 명령을 직접 실행하려면 이 디렉터리가 시스템 PATH에 포함되어 있는지 확인하세요.

소스에서 빌드

Go 환경이 설치되어 있는지 확인하세요(Go 1.18 이상 권장).

프로젝트 루트 디렉토리( pprof-analyzer-mcp )에서 다음을 실행합니다.

go build

이렇게 하면 현재 디렉토리에 pprof-analyzer-mcp (또는 Windows에서는 pprof-analyzer-mcp.exe )라는 실행 파일이 생성됩니다.

`go install` 사용(권장)

go install 사용하여 실행 파일을 $GOPATH/bin 또는 $HOME/go/bin 디렉터리에 설치할 수도 있습니다. 이렇게 하면 명령줄에서 pprof-analyzer-mcp 직접 실행할 수 있습니다(디렉토리가 시스템의 PATH 환경 변수에 추가된 경우).

# Installs the executable using the module path defined in go.mod go install . # Or directly using the GitHub path (recommended after publishing) # go install github.com/ZephyrDeng/pprof-analyzer-mcp@latest

Docker로 실행

Docker를 사용하면 Graphviz에 필요한 종속성이 포함되어 서버를 실행하는 편리한 방법입니다.

Docker 이미지 빌드: 프로젝트 루트 디렉토리( Dockerfile 이 있는 곳)에서 다음을 실행합니다.
docker build -t pprof-analyzer-mcp .
Docker 컨테이너를 실행합니다.
docker run -i --rm pprof-analyzer-mcp
- -i 플래그는 STDIN을 열어두는데, 이는 이 MCP 서버에서 사용하는 stdio 전송에 필요합니다.
- --rm 플래그는 컨테이너가 종료될 때 자동으로 컨테이너를 제거합니다.
Docker용 MCP 클라이언트 구성: MCP 클라이언트(예: Roo Cline)를 Docker 내부에서 실행되는 서버에 연결하려면 .roo/mcp.json 을 업데이트합니다.
{ "mcpServers": { "pprof-analyzer-docker": { "command": "docker run -i --rm pprof-analyzer-mcp" } } }
클라이언트가 이 명령을 실행하기 전에 pprof-analyzer-mcp 이미지가 로컬에 빌드되었는지 확인하세요.

릴리스(GitHub Actions를 통해 자동화됨)

이 프로젝트는 GoReleaser 와 GitHub Actions를 사용하여 릴리스 프로세스를 자동화합니다. v* 패턴(예: v0.1.0 , v1.2.3 )과 일치하는 Git 태그가 저장소에 푸시되면 릴리스가 자동으로 실행됩니다.

릴리스 단계:

변경 사항 만들기: 새로운 기능을 개발하거나 버그를 수정합니다.
변경 사항 커밋: 기존 커밋 형식(예: feat: ... , fix: ... )을 사용하여 변경 사항을 커밋하세요. 이는 자동 변경 로그 생성에 중요합니다.
git add . git commit -m "feat: Add awesome new feature" # or git commit -m "fix: Resolve issue #42"
변경 사항 푸시: GitHub의 메인 브랜치에 커밋을 푸시합니다.
git push origin main
태그 만들기 및 푸시: 릴리스할 준비가 되면 새로운 Git 태그를 만들어 GitHub에 푸시합니다.
# Example: Create tag v0.1.0 git tag v0.1.0 # Push the tag to GitHub git push origin v0.1.0
자동 릴리스: 태그를 푸시하면 .github/workflows/release.yml 에 정의된 GoReleaser GitHub Action이 트리거됩니다. 이 작업은 다음을 수행합니다.
- Linux, macOS, Windows(amd64 및 arm64)용 바이너리를 빌드합니다.
- 마지막 태그 이후의 기존 커밋을 기반으로 변경 로그를 생성합니다.
- 변경 로그를 사용하여 새로운 GitHub 릴리스를 만들고 빌드된 바이너리와 체크섬을 자산으로 첨부합니다.

GitHub 저장소의 "작업" 탭에서 릴리스 워크플로 진행 상황을 볼 수 있습니다.

MCP 클라이언트 구성

이 서버는 stdio 전송 프로토콜을 사용합니다. MCP 클라이언트(예: VS Code용 Roo Cline 확장 프로그램)에서 이를 구성해야 합니다.

일반적으로 여기에는 프로젝트 루트의 .roo/mcp.json 파일에 다음 구성을 추가하는 것이 포함됩니다.

{ "mcpServers": { "pprof-analyzer": { "command": "pprof-analyzer-mcp" } } }

참고: 빌드 방법( go build 또는 go install )과 실행 파일의 실제 위치에 따라 command 값을 조정하세요. MCP 클라이언트가 이 명령을 찾아 실행할 수 있는지 확인하세요.

구성 후 MCP 클라이언트를 다시 로드하거나 재시작하면 PprofAnalyzer 서버에 자동으로 연결됩니다.

종속성

Graphviz : generate_flamegraph 도구를 사용하려면 Graphviz에서 SVG 플레임 그래프를 생성해야 합니다( go tool pprof 명령은 SVG 생성 시 dot 명령을 호출합니다). Graphviz가 시스템에 설치되어 있고 dot 명령이 시스템의 PATH 환경 변수에 있는지 확인하세요.
Graphviz 설치:
- macOS(Homebrew 사용):
  brew install graphviz
- 데비안/우분투:
  sudo apt-get update && sudo apt-get install graphviz
- 센트OS/페도라:
  sudo yum install graphviz # or sudo dnf install graphviz
- Windows(Chocolatey 사용):
  choco install graphviz
- 기타 시스템: Graphviz 공식 다운로드 페이지 를 참조하세요.

사용 예(MCP 클라이언트를 통해)

서버가 연결되면 프로필 파일에 file:// , http:// 또는 https:// URI를 사용하여 analyze_pprof 및 generate_flamegraph 도구를 호출할 수 있습니다.

예: CPU 프로필 분석(텍스트 형식, 상위 5개)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/cpu.pprof", "profile_type": "cpu" } }

예: 힙 프로필 분석(마크다운 형식, 상위 10개)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/heap.pprof", "profile_type": "heap", "top_n": 10, "output_format": "markdown" } }

예: 고루틴 프로필 분석(텍스트 형식, 상위 5개)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/goroutine.pprof", "profile_type": "goroutine" } }

예: CPU 프로필에 대한 Flame Graph 생성

{ "tool_name": "generate_flamegraph", "arguments": { "profile_uri": "file:///path/to/your/cpu.pprof", "profile_type": "cpu", "output_svg_path": "/path/to/save/cpu_flamegraph.svg" } }

예: 힙 프로필(inuse_space)에 대한 Flame Graph 생성

{ "tool_name": "generate_flamegraph", "arguments": { "profile_uri": "file:///path/to/your/heap.pprof", "profile_type": "heap", "output_svg_path": "/path/to/save/heap_flamegraph.svg" } }

예: CPU 프로필 분석(JSON 형식, 상위 3개)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/cpu.pprof", "profile_type": "cpu", "top_n": 3, "output_format": "json" } }

예: CPU 프로필 분석(기본 Flame Graph JSON 형식)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/cpu.pprof", "profile_type": "cpu" // output_format defaults to "flamegraph-json" } }

예: 힙 프로필 분석(명시적 Flame Graph JSON 형식)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "file:///path/to/your/heap.pprof", "profile_type": "heap", "output_format": "flamegraph-json" } }

예: 원격 CPU 프로필 분석(HTTP URL에서)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "https://example.com/profiles/cpu.pprof", "profile_type": "cpu" } }

예: 온라인 CPU 프로필 분석(GitHub 원시 URL에서)

{ "tool_name": "analyze_pprof", "arguments": { "profile_uri": "https://raw.githubusercontent.com/google/pprof/refs/heads/main/profile/testdata/gobench.cpu", "profile_type": "cpu", "top_n": 5 } }

예: 온라인 힙 프로필에 대한 플레임 그래프 생성(GitHub 원시 URL에서)

{ "tool_name": "generate_flamegraph", "arguments": { "profile_uri": "https://raw.githubusercontent.com/google/pprof/refs/heads/main/profile/testdata/gobench.heap", "profile_type": "heap", "output_svg_path": "./online_heap_flamegraph.svg" } }

예: 온라인 CPU 프로필을 위한 대화형 Pprof UI 열기(macOS 전용)

{ "tool_name": "open_interactive_pprof", "arguments": { "profile_uri": "https://raw.githubusercontent.com/google/pprof/refs/heads/main/profile/testdata/gobench.cpu" // Optional: "http_address": ":8082" // Example of overriding the default port } }

예: Pprof 세션 연결 해제

{ "tool_name": "disconnect_pprof_session", "arguments": { "pid": 12345 // Replace 12345 with the actual PID returned by open_interactive_pprof } }

향후 개선 사항(TODO)

allocs , mutex , block 프로필에 대한 전체 분석 논리를 구현합니다.
allocs , mutex , block 프로필 유형에 대한 json 출력 형식을 구현합니다.
output_format 에 따라 MCP 결과에 적절한 MIME 유형을 설정합니다.
더욱 강력한 오류 처리 및 로깅 수준 제어를 추가합니다.
~~원격 pprof 파일 URI(예: http:// , https:// ) 지원을 고려하세요.~~(완료)

mcp-pprof-anaylzer

Pprof 분석기 MCP 서버

특징

설치(라이브러리/도구로서)

소스에서 빌드

`go install` 사용(권장)

Docker로 실행

릴리스(GitHub Actions를 통해 자동화됨)

MCP 클라이언트 구성

종속성

사용 예(MCP 클라이언트를 통해)

향후 개선 사항(TODO)

Resources

Appeared in Searches

New MCP Servers

Latest Blog Posts

MCP directory API

Pprof 분석기 MCP 서버

특징

설치(라이브러리/도구로서)

소스에서 빌드

go install 사용(권장)

Docker로 실행

릴리스(GitHub Actions를 통해 자동화됨)

MCP 클라이언트 구성

종속성

사용 예(MCP 클라이언트를 통해)

향후 개선 사항(TODO)

Resources

Appeared in Searches

New MCP Servers

Latest Blog Posts

MCP directory API

`go install` 사용(권장)