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

📋 Voraussetzungen

• Python 3.13+ (macOS/Homebrew):

  brew install python@3.13

• uv (empfohlen):

  brew install uv

🚀 Erste Schritte

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:

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

🚨 ANR-Analyse

Hinweis: Hilfreich, wenn der aufgezeichnete Trace ein ANR enthält

🎯 Performance-Profiling

📱 UI-Performance

🔒 Concurrency & IPC

💾 Speicheranalyse

Ausgabeformat

Alle Tools geben strukturiertes JSON zurück mit:

• Summary: Zusammenfassung der Ergebnisse

• Details: Tool-spezifische Ergebnisse

• Metadata: Ausführungskontext und verwendete Fallbacks

📚 Ressourcen

• Trace Processor Python API - Perfettos Python-Schnittstelle

• Perfetto SQL Syntax - SQL-Referenz für benutzerdefinierte Abfragen

📄 Lizenz

Apache 2.0 Lizenz. Siehe LICENSE für Details.