CPU Performance Engineering

CPU Performance Engineering — MCP-сервер сообщества (автор — usamahz). База знаний по производительности CPU: литература, бенчмарки и цитаты источников. Лицензия MIT.

Опубликовано 13.11.2026 · Обновлено 13.11.2026 · Проверено 13.11.2026

Кратко о сервере

Разработчик
usamahz
Лицензия
MIT
Транспорт
stdio
Авторизация
none
ОС
Не указана
Языки
python

Уровень риска: medium

Инструменты только читают; сервер скачивает источники из подборки и проверяет обновления на GitHub.

Настройка клиентов

codex
{
    "code": "[mcp_servers.cpu-perf]\ncommand = \"uvx\"\nargs = [\"cpu-perf\"]\nstartup_timeout_sec = 120   # room for the first start's downloads\n# Codex starts servers with a minimal environment; behind a proxy, pass it on:\n# env_vars = [\"HTTPS_PROXY\", \"HTTP_PROXY\", \"NO_PROXY\"]",
    "file": "~/.codex/config.toml",
    "lang": "toml",
    "notes": "Дословно из README",
    "verified": "docs"
}

Что умеет

cpu-perf — MCP-сервер, который превращает подборку CPU Performance Engineering в базу знаний, по которой ИИ-клиент ищет и рассуждает. Не нужно вставлять страницу целиком: вы задаёте вопрос или вставляете вывод perf stat или компилятора. Модель клиента пишет ответ по данным сервера, со ссылками на источники.

Сервер знает две вещи:

  1. Репозиторий — все записи подборки с обоснованием, список наблюдения, редакционный журнал (отклонённые кандидаты и проверенные цифры) и четырнадцать бенчмарков с кодом и сырыми результатами. Всё это входит в пакет и загружается за доли секунды.
  2. Сами источники. При первом запуске сервер читает все источники из README и основной документ за каждой ссылкой (PDF статьи с arXiv, руководство производителя, README репозитория, описание pull request). Он извлекает текст с номерами страниц и строит локальный полнотекстовый и семантический индекс. Ответы опираются на статьи и документацию, а не на память модели.

Инструмент ask сам разбирает вставленный вывод, без модели:

  • perf stat — счётчики и производные метрики: инструкции за такт, частота, промахи кэша, TLB и предсказания переходов, каждая с формулой.
  • Top-down первого и второго уровня. Узкое место отмечается только по порогам, которые опубликовал Intel, и только для P-ядер Intel.
  • Замечания gcc -fopt-info и clang -Rpass — почему цикл не векторизован.
  • Ассемблер и код — objdump -d, disassemble из gdb, perf annotate.

Ещё инструменты: lookup, search и fetch, get_section, get_entry, reading_path (порядок чтения по теме), get_benchmark, editorial_record, check_evidence (проверка заявления о производительности по семи полям), read_source, read_file, library_status. Все инструменты только читают.

Кому подойдёт

  • Разработчикам, которые оптимизируют производительность на C, C++ или Rust: разбор perf stat, векторизации и промахов кэша.
  • Тем, кто изучает архитектуру процессоров: порядок чтения по теме, который заканчивается воспроизводимым бенчмарком.
  • Авторам статей и обзоров: проверка цифр производительности.

Похожие серверы — в категории разработка.

Установка

Клиент запускает сервер сам через uv командой uvx cpu-perf. Подойдёт и pip install cpu-perf. Первый запуск скачивает зависимости, поэтому сначала выполните в терминале uvx cpu-perf --version, и дальше сервер будет стартовать примерно за секунду.

Библиотека источников собирается в фоне за время от нескольких минут до четверти часа. Это один файл SQLite размером до нескольких сотен мегабайт в ~/.local/share/cpu-perf (Linux), ~/Library/Application Support/cpu-perf (macOS) или %LOCALAPPDATA%\cpu-perf (Windows). Собрать её с прогрессом можно командой cpu-perf index. Claude.ai, мобильные приложения и веб-версия ChatGPT локальный сервер пока не поддерживают.

Подключение к клиентам

Команда и конфиги приведены дословно из README. Общий порядок — в инструкции как подключить MCP.

claude mcp add --scope user cpu-perf -- uvx cpu-perf

В Codex можно и командой codex mcp add cpu-perf -- uvx cpu-perf. В VS Code конфиг лежит в .vscode/mcp.json: ключ там называется servers и добавляется "type": "stdio". В Claude Desktop укажите полный путь к uvx, который выводит which uvx.

Проверка

Спросите, например: «Что считает событие cycle_activity.stalls_l3_miss?» — сработает ask. Состояние библиотеки покажет library_status или команда cpu-perf status --detail.

Примеры задач

Вот вывод perf stat моей программы. Где уходит время?
gcc пишет «not vectorized: complicated access pattern». Что поменять в цикле?

Риски

Все инструменты только читают, но сервер ходит в сеть: скачивает источники из подборки, раз в день проверяет новую версию списка на GitHub и один раз загружает модель эмбеддингов. Ограничения по README: читаются только URL из репозитория, только http и https на стандартных портах, только публичные адреса без локальных и облачных метаданных. Загрузки ограничены по размеру и времени, а скачанные файлы читаются как данные и не исполняются. По умолчанию robots.txt не учитывается — включите CPU_PERF_RESPECT_ROBOTS=1, если это важно. Если запускаете общий HTTP-экземпляр, учтите, что аутентификации нет. Текст источников помечается как недоверенные данные.

Частые вопросы

Работает ли без интернета?

Да, по данным репозитория. Без модели эмбеддингов поиск переходит на ключевые слова (CPU_PERF_EMBED_MODEL=none).

Можно ли отключить автообновление списка?

Да: CPU_PERF_AUTO_UPDATE=0.

Основы протокола — на странице что такое MCP-сервер.

Похожие MCP-серверы

Everything

Эталонный тестовый сервер, который демонстрирует все возможности протокола MCP.

Риск: medium Лицензия: NOASSERTION ★ 92 089

Time

Эталонный сервер для получения текущего времени и перевода между часовыми поясами.

Риск: medium Лицензия: NOASSERTION ★ 92 089

Reactive Resume

Открытый конструктор резюме с удалёнными MCP-инструментами для резюме и откликов.

Риск: medium Лицензия: MIT ★ 45 567

AIHOT

Новости ИИ на китайском: темы, события и сводки.

Риск: medium Лицензия: MIT ★ 9 672

Источники