Skip to main content
Glama

showcase

Perfetto MCP

Verwandeln Sie natürliche Sprache in leistungsstarke Perfetto-Trace-Analysen

Ein Model Context Protocol (MCP)-Server, der Prompts in natürlicher Sprache in gezielte Perfetto-Analysen umwandelt. Erklären Sie schnell Jank, diagnostizieren Sie ANRs, finden Sie CPU-Hot-Threads, decken Sie Lock-Contention auf und finden Sie Speicherlecks – alles ohne SQL zu schreiben.

✨ Funktionen

  • Natürliche Sprache → SQL: Stellen Sie Fragen in einfachem Englisch, erhalten Sie präzise Perfetto-Abfragen

  • ANR-Erkennung: Automatische Identifizierung und Analyse von "Application Not Responding"-Ereignissen

  • Performance-Analyse: CPU-Profiling, Frame-Jank-Erkennung, Speicherleck-Erkennung

  • Thread-Contention: Finden Sie Synchronisations-Engpässe und Lock-Contention

  • Binder-Profiling: Analysieren Sie IPC-Performance und langsame Systeminteraktionen

showcase

Related MCP server: etw-mcp

📋 Voraussetzungen

  • Python 3.13+ (macOS/Homebrew):

    brew install python@3.13
  • uv (empfohlen):

    brew install uv

🚀 Erste Schritte

Install MCP Server

Oder fügen Sie es zu ~/.cursor/mcp.json (global) oder .cursor/mcp.json (Projekt) hinzu:

{
  "mcpServers": {
    "perfetto-mcp": {
      "command": "uvx",
      "args": ["perfetto-mcp"]
    }
  }
}

Führen Sie diesen Befehl aus. Weitere Informationen finden Sie in der Claude Code MCP-Dokumentation.

# Add to user scope
claude mcp add perfetto-mcp --scope user -- uvx perfetto-mcp

Oder bearbeiten Sie ~/claude.json (macOS) oder %APPDATA%\Claude\claude.json (Windows):

{
  "mcpServers": {
    "perfetto-mcp": {
      "command": "uvx",
      "args": ["perfetto-mcp"]
    }
  }
}

oder fügen Sie es zu .vscode/mcp.json (Projekt) hinzu oder führen Sie den Befehl "MCP: Add Server" aus:

{
  "mcpServers": {
    "perfetto-mcp": {
      "command": "uvx",
      "args": ["perfetto-mcp"]
    }
  }
}

Aktivieren Sie es im Agent-Modus von GitHub Copilot Chat.

Bearbeiten Sie ~/.codex/config.toml:

[mcp_servers.perfetto-mcp]
command = "uvx"
args = ["perfetto-mcp"]

Optional: Verwendung einer lokalen trace_processor_shell-Binärdatei

Wenn Ihre Netzwerkumgebung Downloads blockiert, setzen Sie PERFETTO_MCP_TRACE_PROCESSOR_BIN_PATH auf einen absoluten Pfad zu einer lokalen trace_processor_shell-Binärdatei.

Wenn diese Umgebungsvariable gesetzt ist, verwendet perfetto-mcp diese Binärdatei direkt. Wenn sie nicht gesetzt ist, bleibt das Standardverhalten von perfetto (Python) unverändert.

Beispiel (mcp.json):

{
  "mcpServers": {
    "perfetto-mcp": {
      "command": "uvx",
      "args": ["perfetto-mcp"],
      "env": {
        "PERFETTO_MCP_TRACE_PROCESSOR_BIN_PATH": "D:/tools/perfetto/trace_processor_shell.exe"
      }
    }
  }
}

Beispiel (~/.codex/config.toml):

[mcp_servers.perfetto-mcp]
command = "uvx"
args = ["perfetto-mcp"]
[mcp_servers.perfetto-mcp.env]
PERFETTO_MCP_TRACE_PROCESSOR_BIN_PATH = "D:/tools/perfetto/trace_processor_shell.exe"

Lokale Installation (Entwicklungsserver)

cd perfetto-mcp-server
uv sync
uv run mcp dev src/perfetto_mcp/dev.py
{
  "mcpServers": {
    "perfetto-mcp-local": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/git/repo/perfetto-mcp",
        "run",
        "-m",
        "perfetto_mcp"
      ],
      "env": { "PYTHONPATH": "src" }
    }
  }
}
pip3 install perfetto-mcp
python3 -m perfetto_mcp

📖 Verwendung

Beispiel für einen Start-Prompt:

Im Perfetto-Trace sehe ich, dass der FragmentManager 438ms für die Ausführung benötigt. Kannst du herausfinden, warum es so lange dauert?

Erforderliche Parameter

Jedes Tool benötigt diese zwei Eingaben:

Parameter

Beschreibung

Beispiel

trace_path

Absoluter Pfad zu Ihrem Perfetto-Trace

/path/to/trace.perfetto-trace

process_name

Zielprozess/App-Name

com.example.app

In Ihren Prompts

Seien Sie explizit bezüglich des Traces und des Prozesses, stellen Sie Ihrem Prompt folgendes voran:

"Verwende Perfetto-Trace /absoluter/pfad/zu/trace.perfetto-trace für Prozess com.example.app"

Optionale Filter

Viele Tools unterstützen zusätzliche Filter (lassen Sie das jedoch Ihren LLM handhaben):

  • time_range: {start_ms: 10000, end_ms: 25000}

  • Tool-spezifische Schwellenwerte: min_block_ms, jank_threshold_ms, limit

🛠️ Verfügbare Tools

🔎 Erkundung & Entdeckung

Tool

Zweck

Beispiel-Prompt

find_slices

Slice-Namen untersuchen und Hot-Paths lokalisieren

"Finde Slice-Namen, die 'Choreographer' enthalten, und zeige die besten Beispiele"

execute_sql_query

Benutzerdefiniertes PerfettoSQL für fortgeschrittene Analysen ausführen

"Führe benutzerdefiniertes SQL aus, um Threads und Frames in den ersten 30s zu korrelieren"

🚨 ANR-Analyse

Hinweis: Hilfreich, wenn der aufgezeichnete Trace ein ANR enthält

Tool

Zweck

Beispiel-Prompt

detect_anrs

ANR-Ereignisse mit Schweregradklassifizierung finden

"Erkenne ANRs in den ersten 10s und fasse den Schweregrad zusammen"

anr_root_cause_analyzer

Tiefenanalyse von ANR-Ursachen mit gewichteter Wahrscheinlichkeit

"Analysiere die ANR-Hauptursache um 20.000 ms und bewerte wahrscheinliche Ursachen"

🎯 Performance-Profiling

Tool

Zweck

Beispiel-Prompt

cpu_utilization_profiler

CPU-Auslastung auf Thread-Ebene und Scheduling

"Erstelle ein Profil der CPU-Auslastung nach Thread und markiere die heißesten Threads"

main_thread_hotspot_slices

Längste Haupt-Thread-Operationen finden

"Liste Haupt-Thread-Hotspots >50 ms während 10s–25s auf"

📱 UI-Performance

Tool

Zweck

Beispiel-Prompt

detect_jank_frames

Frames identifizieren, die Deadlines verpassen

"Finde ruckelnde Frames über 16,67 ms und liste die 20 schlimmsten auf"

frame_performance_summary

Allgemeine Frame-Gesundheitsmetriken

"Fasse die Frame-Performance zusammen und berichte über die Jank-Rate und P99-CPU-Zeit"

🔒 Concurrency & IPC

Tool

Zweck

Beispiel-Prompt

thread_contention_analyzer

Synchronisations-Engpässe finden

"Finde Lock-Contention zwischen 15s–30s und zeige die schlimmsten Wartezeiten"

binder_transaction_profiler

Binder-IPC-Performance analysieren

"Erstelle ein Profil langsamer Binder-Transaktionen und gruppiere nach Server-Prozess"

💾 Speicheranalyse

Tool

Zweck

Beispiel-Prompt

memory_leak_detector

Muster anhaltenden Speicherwachstums finden

"Erkenne Speicherleck-Signale über die letzten 60s"

heap_dominator_tree_analyzer

Speicherfressende Klassen identifizieren

"Analysiere Heap-Dominator-Klassen und liste die größten Übeltäter auf"

Ausgabeformat

Alle Tools geben strukturiertes JSON zurück mit:

  • Summary: Zusammenfassung der Ergebnisse

  • Details: Tool-spezifische Ergebnisse

  • Metadata: Ausführungskontext und verwendete Fallbacks

📚 Ressourcen

📄 Lizenz

Apache 2.0 Lizenz. Siehe LICENSE für Details.


Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables natural language querying and analysis of OpenTelemetry traces, metrics, and logs stored in Elasticsearch/OpenSearch, allowing AI assistants to investigate performance issues, find root causes, and explore system behavior.
      14
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables AI assistants to analyze Windows WPR/ETW traces (.etl files) using natural language queries, with features like auto-summary, CPU sampling, DPC/ISR analysis, and symbol resolution.
      14
      MIT
    • A
      license
      Not graded
      quality
      C
      maintenance
      Enables users to ask about render performance in React and React Native apps via natural language, exposing tools for listing render hotspots and explaining component re-renders.
      MIT