Flameox MCP
Локальный MCP-сервер профилирования: агент запускает профайлеры и бенчмарки и получает ограниченные данные о горячих точках
- 240 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Съемка запускает ваш процесс и профайлеры на машине, где работает агент
- Сохраненные данные могут содержать пути, переменные окружения и вывод программы
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add mcp/flameoxОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Съемка запускает ваш процесс и профайлеры на машине, где работает агент
- Сохраненные данные могут содержать пути, переменные окружения и вывод программы
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Flameox координирует профайлеры, бенчмарки, обработчики трасс и прямые локальные цели. Он превращает явный артефакт или команду в ограниченные данные: фиксирует наблюдаемые входы, происхождение запуска, типизированные доказательства, охват и ограничения. Гипотезы и эксперименты выбирает агент, Flameox ничего не додумывает. Область применения: код приложений и нативный код, ядра GPU и стеки инференса. Никакого рабочего пространства или файла настройки не нужно. На анализ передают точные пути к артефактам, а для съемки аргументы argv и абсолютный рабочий каталог. Flameox не ищет в родительских каталогах, не правит файлы проекта и не работает как служба. Съемка принимает argv, а не строку оболочки. Результаты приходят порциями со ссылкой `next_page`, продолжение читает уже собранные артефакты и не запускает цель заново. Сохраненные данные получают устойчивый `evidence_id`, их показывает `inspect_evidence`.
Для кого. Инженерам по производительности, которые ищут узкие места в Python, нативном коде и ядрах GPU вместе с агентом и хотят проверяемых данных.
Подходит, если
- Бенчмарк стал медленнее после правки, и агент собирает профиль до и после и сравнивает
- Ядро GPU тормозит, и нужны данные по горячим участкам из профайлера, а не догадки
- Результаты профилирования сохраняют с `evidence_id`, чтобы вернуться к ним через неделю
- Огромную трассу читают порциями по `next_page`, не перезапуская тяжелую программу
Не подходит, если
- Нужен долгий мониторинг боевой системы: Flameox снимает одну цель по явной команде
- Нужна служба или облако с панелями: сервер локальный и не поднимает хостинг
- Достаточно одного замера время выполнения: проще штатный профайлер языка
Пример запроса к агенту
Запусти бенчмарк python benchmark.py под профайлером, найди три самых горячих функции и покажи доказательства с источникамиMCP
- Транспорт
- stdio
- Авторизация
- не нужна
Ограничения
Сервер без привязки к рабочему пространству: путь к артефакту и абсолютный каталог для съемки задают при каждом вызове. Съемка выполняет вашу команду, поэтому цель запускается на машине с правами агента. Работа привязана к живому запросу: отмена применяется сразу, а фоновых заданий после перезапуска не остается. Сохранение результатов опционально. Версия в реестре MCP 0.2.9, лицензия MIT. Подключение настраивается командой `npx flameox@latest setup`, обновление командой `update`, которая сохраняет настройки каждого клиента.
Как отключить. Удалите регистрацию Flameox в клиенте (`claude mcp remove flameox`) или правку конфигурации, сделанную командой `setup`, и пакет, если ставили его командой `pip`.
Частые вопросы
Как подключить Flameox?
Выполните `npx flameox@latest setup`: команда найдет поддерживаемые клиенты и спросит, какие настроить. Для автоматизации укажите клиентов явно, например `--client codex --yes`, а `--dry-run` покажет действия без записи.
Как запустить сервер вручную?
Командой `uvx flameox mcp serve` по stdio. Каталог инструментов покажет `flameox mcp inspect`, а `--tool TOOL_NAME` выведет точные схемы.
Какие инструменты есть у жизненного цикла данных?
`prepare_providers`, `preserve_evidence`, `rescue_evidence`, `query_evidence` и `inspect_evidence`, а также пары `analyze_` и `capture_and_` для каждой операции.
Запускает ли Flameox мою программу повторно при продолжении?
Нет, продолжение читает уже собранные артефакты. Исходная цель выполняется один раз, пока вы не попросите эксперимент с несколькими случаями.
Как обновить установленный Flameox?
Командой `npx flameox@latest update`: `update --check` только сообщает о доступных обновлениях, а `--version 0.2.8` выбирает версию, в том числе для отката.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыЛокальный граф знаний о коде с историей версий: MCP-сервер отвечает агенту, кто вызывает функцию и что сломается от правки
MCP-сервер, который один раз строит граф кода проекта и отдает агенту готовые ответы вместо повторного перечитывания файлов
agentburn читает локальные журналы Claude Code, Codex и других агентов и показывает, в каком окне и на что уходят токены и деньги.
MCP-сервер и CLI для исследования кода: поиск и разбор по вашему проекту и по всему GitHub с экономией токенов
Okto Pulse ведет идеи, спецификации, задачи и баги на доске с проверками, а агенты работают с ней через 285 инструментов MCP
DevLens строит граф репозитория один раз, и агент по MCP получает ранжированные файлы, вызовы и радиус изменений
Коротко о README
Текст описывает Flameox как координатор профайлеров и бенчмарков, который выдает ограниченные данные вместо выводов. Затем идут быстрый старт через `setup`, прямые команды CLI, запуск сервера, раздел про MCP с постраничным выводом и ссылки на документы по интерфейсам, безопасности и хранению данных.