Skip to main content
Glama
wanggan768q

vtune-mcp-server

by wanggan768q
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

VTune MCP Server for Claude Code

将 Intel VTune Profiler CLI 封装为 MCP 工具，让 Claude Code 直接分析 VTune 采集结果、定位函数级性能热点、生成可交互的 HTML 对比报告。

前置条件

  • Python 3.10+

  • Intel VTune Profiler（默认路径 C:\Program Files (x86)\Intel\oneAPI\vtune\2026.1）

Related MCP server: perf-mcp

初始化虚拟环境

首次使用时执行一次：

cd E:\Git\vtune-mcp-server
python -m venv venv
venv\Scripts\python.exe -m pip install -r requirements.txt

验证安装：

venv\Scripts\python.exe -c "from mcp.server.fastmcp import FastMCP; print('OK')"

注册到 Claude Code

推荐使用项目自带的 venv/ 虚拟环境，依赖隔离，避免与系统 Python 冲突。

方式 1：本地路径注册（推荐）

claude mcp add --scope user vtune-profiler -- "E:\Git\vtune-mcp-server\venv\Scripts\python.exe" "E:\Git\vtune-mcp-server\server.py"

方式 2：手动编辑配置文件

编辑 ~/.claude.json（即 C:\Users\<你的用户名>\.claude.json），找到 mcpServers 节点，添加：

"vtune-profiler": {
  "type": "stdio",
  "command": "E:/Git/vtune-mcp-server/venv/Scripts/python.exe",
  "args": ["E:/Git/vtune-mcp-server/server.py"],
  "env": {}
}

方式 3：项目级配置（.mcp.json）

在项目根目录创建 .mcp.json：

{
  "mcpServers": {
    "vtune-profiler": {
      "command": "E:/Git/vtune-mcp-server/venv/Scripts/python.exe",
      "args": ["E:/Git/vtune-mcp-server/server.py"],
      "env": {}
    }
  }
}

注册后需要重启 Claude Code才能生效。

自定义 VTune 路径（VTUNE_PATH）

默认路径为 C:\Program Files (x86)\Intel\oneAPI\vtune\2026.1\bin64\vtune.exe。如果你的 VTune 安装在其他位置，通过 MCP 配置的 env 字段设置 VTUNE_PATH 环境变量即可覆盖：

claude mcp add --scope user vtune-profiler -e VTUNE_PATH="D:/Intel/vtune/bin64/vtune.exe" -- "E:\Git\vtune-mcp-server\venv\Scripts\python.exe" "E:\Git\vtune-mcp-server\server.py"

或手动配置：

"vtune-profiler": {
  "type": "stdio",
  "command": "python",
  "args": ["E:/Git/vtune-mcp-server/server.py"],
  "env": {
    "VTUNE_PATH": "D:/Intel/vtune/bin64/vtune.exe"
  }
}

VTUNE_PATH 必须指向 vtune.exe 的完整路径，不是目录。

提供的工具

工具

用途

vtune_report

通用报告生成（支持 hotspots/summary/top-down/callstacks/hw-events，CSV/text 格式）

vtune_list_results

列出项目文件夹下所有 VTune 结果目录

vtune_compare

对比两次采集结果的性能差异

vtune_summary

快捷获取单次结果的摘要

vtune_hotspots

获取 Top N 热点函数（CSV 格式，AI 分析友好）

vtune_function_tree

核心工具：对比两个 VTune 结果中指定函数的 top-down 调用树，生成交互式 HTML 报告

核心用法 — 函数级性能热点对比

这是本项目的核心场景：给定两次 VTune 采集结果，分析某个函数在两版之间的性能变化及其调用树差异。

示例 1：对比两个版本中的 OnPhysScenePreStep

在 Claude Code 中直接说：

C:\Users\Ambition\Desktop\VTun\GSTM_DS_vtune r354hs r361hs OnPhysScenePreStep函数的性能热点是什么

Claude 会自动调用 vtune_function_tree，生成 HTML 报告到：

C:\Users\Ambition\Desktop\VTun\GSTM_DS_vtune\r354hs\r354hs_vs_r361hs_tree.html

打开后你可以看到：

  • Total%：函数在整体 CPU 时间中的占比

  • Self%：函数自身的 CPU 消耗（不含子调用）

  • Diff(Total/Self)：r361hs 相对于 r354hs 的变化量

  • 可折叠调用树：点击 ▼/▶ 展开或收起子函数

  • 暗色主题自适应：跟随系统 dark mode

  • 红绿高亮：红色 = 消耗增加，绿色 = 消耗降低

示例 2：直接列出所有 VTune 结果

列出 C:\Users\Ambition\Desktop\VTun\GSTM_DS_vtune 下的所有 VTune 结果

示例 3：分析单次采集的热点函数

分析 C:\Users\Ambition\Desktop\VTun\GSTM_DS_vtune\r354hs 的热点函数，给出优化建议

示例 4：对比两次采集的性能差异

对比 r354hs 和 r361hs 的性能差异

路径简写

如果 MCP 配置了 VTUNE_PROJECT_DIR 环境变量（如 C:\Users\Ambition\Desktop\VTun\GSTM_DS_vtune），你可以只写 r354hs 而不用写完整路径。

例如设置环境变量后：

"env": {
  "VTUNE_PROJECT_DIR": "C:/Users/Ambition/Desktop/VTun/GSTM_DS_vtune"
}

然后直接说：

r354hs r361hs OnPhysScenePreStep 的性能热点是什么

验证安装

重启 Claude Code 后，输入：

/mcp

应该能看到 vtune-profiler 服务器及其 6 个工具。

项目结构

vtune-mcp-server/
├── server.py              # MCP Server 主文件（单文件，无抽象层）
├── pyproject.toml         # 项目配置
├── templates/
│   └── function_tree.html # 交互式调用树对比报告的 HTML 模板
└── tests/
    ├── test_server.py     # 测试套件
    └── fixtures/          # （空，测试使用 mock 数据）

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityStale
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers