Token导航 LogoToken导航TokenDH.com
MCP Wasm Profiling logo
运维云端stdio官方级别未说明来源级核验

MCP Wasm Profiling

MCP Server

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。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
边缘计算Python性能分析

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

Leekyoohyun

提供方

Leekyoohyun

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python3 scripts/measure_tools.py

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/

目录标签

目录标签

边缘计算Python性能分析WASM本地部署执行时间测量

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

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。

来源信息

继续浏览同类 MCP