Token导航 LogoToken导航

MCP Server · 运维云端

MCP Wasm Profiling

EdgeAgent WASM Profiling 是一款用于测量和分解WASM环境执行时间的性能分析工具,适用于边缘计算节点的性能优化。

stdio官方级别未说明来源级核验工具 0
边缘计算Python性能分析

快速开始

作者 / 组织
Leekyoohyun
提供方
Leekyoohyun
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

MCP Wasm Profiling 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python3 scripts/measure_tools.py

客户端配置示例

{
  "mcpServers": {
    "mcp-wasm-profiling": {
      "command": "python3",
      "args": [
        "scripts/measure_tools.py"
      ]
    }
  }
}

按公开安装命令拼出来的示例,字段名和参数以仓库 README 为准;带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

EdgeAgent WASM分析

用于细分和测量MCP Tool在WASM环境中运行时间的配置文件工具。

目的

CCGrid-2026论文的MCP Tool性能测量:

  • 冷启动与热启动 分离测量
  • 分解运行时间:T_io、T_serialize、T_compute
  • 按节点比较:设备rpi、边缘nuc、边缘orin、云

测量项目

T_exec = T_cold + T_io + T_serialize + T_compute

Where:
- T_cold: WASM 모듈 로드 + 초기화 (warm이면 ≈ 0)
- T_io: 파일/네트워크 I/O 시간
- T_serialize: JSON-RPC 파싱 + 응답 직렬화
- T_compute: 순수 연산 시간

目录结构

EdgeAgent-wasm-profiling/
├── README.md                    # 이 파일
├── docs/
│   └── methodology.md           # 측정 방법론 상세
├── scripts/
│   ├── measure_tools.py         # 메인 측정 스크립트
│   ├── analyze_results.py       # 결과 분석
│   └── setup_test_data.sh       # 테스트 데이터 준비
├── test_data/                   # 테스트용 파일들
│   ├── files/                   # 텍스트/JSON 파일
│   └── images/                  # 이미지 파일
├── results/                     # 측정 결과 (노드별)
│   ├── device-rpi/
│   ├── edge-nuc/
│   ├── edge-orin/
│   └── cloud/
└── wasm_modules/                # WASM 바이너리 (빌드 후 복사)

前提条件

所有节点都需要

  • Python 3.8+
  • 是时候了(curl https://wasmtime.dev/install.sh -sSf | bash)

构建WASM模块(在开发机器上)

cd ~/EdgeAgent/wasm_mcp
cargo build --target wasm32-wasip2 --release

用法

1.存储库克隆(在每个节点上)

git clone  ~/EdgeAgent-wasm-profiling
cd ~/EdgeAgent-wasm-profiling

2.准备测试数据

./scripts/setup_test_data.sh

3.复制WASM模块

# 빌드된 WASM 모듈을 wasm_modules/ 디렉토리에 복사
cp ~/EdgeAgent/wasm_mcp/target/wasm32-wasip2/release/*.wasm ./wasm_modules/

4.运行测量

# 모든 tool 측정
python3 scripts/measure_tools.py

# 특정 tool만 측정
python3 scripts/measure_tools.py --tool read_file

# Cold start만 측정
python3 scripts/measure_tools.py --mode cold

# Warm start만 측정
python3 scripts/measure_tools.py --mode warm

5.结果分析

python3 scripts/analyze_results.py

测量方式

Cold Start测量

每次运行创建一个新的wasmtime进程:

wasmtime run --dir=/tmp tool.wasm < request.json

Warm Start测量(连续运行)

在同一进程中处理多个请求(HTTP模式):

# HTTP 서버 모드로 실행
wasmtime run --dir=/tmp tool-http.wasm &
curl -X POST http://localhost:8080 -d @request.json

时间分解

  1. 外部测量:总运行时间(wall clock)
  2. 内部测量:在Tool中分离I/O、serialize和compute

- 响应 _timing 包括字段

输出格式

测量结果JSON

{
  "tool_name": "read_file",
  "node": "edge-nuc",
  "mode": "cold",
  "input_size": 52428800,
  "output_size": 52521119,
  "runs": 5,
  "timing": {
    "total_ms": 14289.5,
    "cold_start_ms": 50.2,
    "io_ms": 14100.0,
    "serialize_ms": 89.3,
    "compute_ms": 50.0
  },
  "measurements": [14312, 14256, 14289, 14301, 14290]
}

参考

  • 荧光闪烁논문:“WebAssembly作为无服务器运行时的性能特征”
  • MCP(模型上下文协议):https://modelcontextprotocol.io/

相关文件

  • WASM MCP服务器: ~/EdgeAgent/wasm_mcp/
  • 现有测量结果: ~/final_result_for_scheduling/node-exectime-inputsize/

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

WASMPython本地部署性能分析边缘计算执行时间测量

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
MCP Wasm Profiling

MCP World · 本页

0stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

MCP Wasm Profiling 怎么安装?

公开资料给出的安装命令是 python3 scripts/measure_tools.py,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

MCP Wasm Profiling 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

MCP Wasm Profiling 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Wasm Profiling 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Wasm Profiling 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP