Perfetto MCP

Perfetto MCP
将自然语言转化为强大的 Perfetto 追踪分析
一个模型上下文协议 (MCP) 服务器,可将自然语言提示词转换为针对性的 Perfetto 分析。无需编写 SQL,即可快速解释卡顿、诊断 ANR、定位 CPU 热点线程、发现锁竞争并查找内存泄漏。
✨ 功能特性
自然语言 → SQL:用简单的英语提问,获取精确的 Perfetto 查询
ANR 检测:自动识别并分析“应用无响应”(ANR) 事件
性能分析:CPU 分析、帧卡顿检测、内存泄漏检测
线程竞争:查找同步瓶颈和锁竞争
Binder 分析:分析 IPC 性能和缓慢的系统交互

Related MCP server: etw-mcp
📋 前置要求
Python 3.13+ (macOS/Homebrew):
brew install python@3.13uv (推荐):
brew install uv
🚀 快速开始
或者添加到 ~/.cursor/mcp.json (全局) 或 .cursor/mcp.json (项目):
{
"mcpServers": {
"perfetto-mcp": {
"command": "uvx",
"args": ["perfetto-mcp"]
}
}
}运行此命令。更多信息请参阅 Claude Code MCP 文档。
# Add to user scope
claude mcp add perfetto-mcp --scope user -- uvx perfetto-mcp或者编辑 ~/claude.json (macOS) 或 %APPDATA%\Claude\claude.json (Windows):
{
"mcpServers": {
"perfetto-mcp": {
"command": "uvx",
"args": ["perfetto-mcp"]
}
}
}或者添加到 .vscode/mcp.json (项目) 或运行 "MCP: Add Server" 命令:
{
"mcpServers": {
"perfetto-mcp": {
"command": "uvx",
"args": ["perfetto-mcp"]
}
}
}在 GitHub Copilot Chat 的 Agent 模式中启用。
编辑 ~/.codex/config.toml:
[mcp_servers.perfetto-mcp]
command = "uvx"
args = ["perfetto-mcp"]可选:使用本地 trace_processor_shell 二进制文件
如果您的网络环境阻止下载,请将 PERFETTO_MCP_TRACE_PROCESSOR_BIN_PATH 设置为本地 trace_processor_shell 二进制文件的绝对路径。
设置此环境变量后,perfetto-mcp 将直接使用该二进制文件。如果不设置,则保持默认的 perfetto Python 行为。
示例 (mcp.json):
{
"mcpServers": {
"perfetto-mcp": {
"command": "uvx",
"args": ["perfetto-mcp"],
"env": {
"PERFETTO_MCP_TRACE_PROCESSOR_BIN_PATH": "D:/tools/perfetto/trace_processor_shell.exe"
}
}
}
}示例 (~/.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"本地安装 (开发服务器)
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📖 如何使用
示例起始提示词:
在 perfetto 追踪中,我看到 FragmentManager 执行耗时 438ms。你能找出为什么它耗时这么长吗?
必需参数
每个工具都需要这两个输入:
参数 | 描述 | 示例 |
trace_path | Perfetto 追踪文件的绝对路径 |
|
process_name | 目标进程/应用名称 |
|
在提示词中
请明确指定追踪文件和进程,在提示词前加上:
"使用 perfetto 追踪 /absolute/path/to/trace.perfetto-trace 处理进程 com.example.app"
可选过滤器
许多工具支持额外的过滤(让您的 LLM 处理即可):
time_range:
{start_ms: 10000, end_ms: 25000}工具特定阈值:
min_block_ms,jank_threshold_ms,limit
🛠️ 可用工具
🔎 探索与发现
工具 | 用途 | 示例提示词 |
| 调查切片名称并定位热点路径 | "查找包含 'Choreographer' 的切片名称并显示顶部示例" |
| 运行自定义 PerfettoSQL 进行高级分析 | "运行自定义 SQL 以关联前 30 秒内的线程和帧" |
🚨 ANR 分析
注意:如果记录的追踪包含 ANR,此功能很有用
工具 | 用途 | 示例提示词 |
| 查找具有严重性分类的 ANR 事件 | "检测前 10 秒内的 ANR 并总结严重性" |
| 深入分析 ANR 原因并按可能性排序 | "分析 20,000 ms 左右的 ANR 根本原因并列出可能的原因" |
🎯 性能分析
工具 | 用途 | 示例提示词 |
| 线程级 CPU 使用率和调度 | "按线程分析 CPU 使用率并标记最热的线程" |
| 查找运行时间最长的主线程操作 | "列出 10s–25s 期间 >50 ms 的主线程热点" |
📱 UI 性能
工具 | 用途 | 示例提示词 |
| 识别错过截止时间的帧 | "查找超过 16.67 ms 的卡顿帧并列出最差的 20 个" |
| 整体帧健康指标 | "总结帧性能并报告卡顿率和 P99 CPU 时间" |
🔒 并发与 IPC
工具 | 用途 | 示例提示词 |
| 查找同步瓶颈 | "查找 15s–30s 之间的锁竞争并显示最差的等待" |
| 分析 Binder IPC 性能 | "分析缓慢的 Binder 事务并按服务器进程分组" |
💾 内存分析
工具 | 用途 | 示例提示词 |
| 查找持续的内存增长模式 | "检测过去 60 秒内的内存泄漏信号" |
| 识别占用内存的类 | "分析堆支配类并列出主要占用者" |
输出格式
所有工具均返回结构化的 JSON,包含:
Summary: 高级发现
Details: 工具特定结果
Metadata: 执行上下文及使用的任何回退方案
📚 资源
Trace Processor Python API - Perfetto 的 Python 接口
Perfetto SQL Syntax - 自定义查询的 SQL 参考
📄 许可证
Apache 2.0 许可证。详情请参阅 LICENSE。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Production runtime data for Android and KMP apps (startup, ANRs, slow screens) for coding agents
Watches your live app, explains every problem in plain language and writes the fix prompt.
AI agent observability for production traces, natural-language insights, and improvement loops.
Query your AI agent traces, root-cause verdicts and issues, and run investigations, from your agent.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceEnables 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.14MIT
- AlicenseNot gradedqualityBmaintenanceEnables 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.14MIT
- AlicenseBqualityDmaintenanceInspect, manage, debug, and run commands on connected Android devices and emulators through natural language.42MIT
- AlicenseNot gradedqualityCmaintenanceEnables 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