mcpField
W
worker-benchmarks

worker-benchmarks

github.com/ruvnetテスト・品質80.0k1.1k 回インストール今日更新
リポジトリ

worker-benchmarks について

worker-benchmarks は、agentic-flow の worker システムの性能を測定するスキルです。トリガー検出、レジストリ、エージェント選択、キャッシュ、並行処理、メモリーキー生成のベンチマークを、コマンドラインとプログラムから実行できます。

主な機能

  1. 01トリガー検出のベンチマーク
  2. 02worker レジストリ操作の測定
  3. 03エージェント選択の測定
  4. 04モデルキャッシュ性能のテスト
  5. 05並行 worker の測定
  6. 06メモリーキー生成の測定

活用シーン

  1. 01ベンチマーク種別ごとに worker 性能を比較
  2. 02処理が設定済みのしきい値を満たすか確認
  3. 03コードまたはコマンドラインからベンチマークを実行

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/ruvnet/ruflo --skill worker-benchmarks

インストール後、Claude Code で/worker-benchmarksを入力して読み込まれたか確認します。

詳細

Worker ベンチマークスキル

agentic-flow ワーカーシステムの包括的なパフォーマンスベンチマークを実行します。

クイックスタート

# Run full benchmark suite
npx agentic-flow workers benchmark

# Run specific benchmark
npx agentic-flow workers benchmark --type trigger-detection
npx agentic-flow workers benchmark --type registry
npx agentic-flow workers benchmark --type agent-selection
npx agentic-flow workers benchmark --type concurrent

ベンチマークの種類

1. トリガー検出（trigger-detection）

12 個のワーカートリガー全体にわたるキーワード検出速度をテストします。

  • 目標：p95 < 5ms
  • 反復回数：1000
  • メトリクス：レイテンシー、スループット、ヒストグラム
2. ワーカーレジストリ（registry）

ワーカーエントリーに対する CRUD 操作をテストします。

  • 目標：p95 < 10ms
  • 反復回数：作成、取得、更新を各 500 回
  • メトリクス：操作ごとのレイテンシー内訳
3. エージェント選択（agent-selection）

パフォーマンスに基づくエージェント選択をテストします。

  • 目標：p95 < 1ms
  • 反復回数：1000
  • メトリクス：選択の信頼度、エージェントスコア
4. モデルキャッシュ（cache）

モデルのキャッシュパフォーマンスをテストします。

  • 目標：p95 < 0.5ms
  • メトリクス：ヒット率、キャッシュサイズ、退避統計
5. 同時ワーカー（concurrent）

ワーカーの並列作成と更新をテストします。

  • 目標：10 個のワーカーで < 1000ms
  • メトリクス：ワーカーごとのレイテンシー、メモリ使用量
6. メモリーキー生成（memory-keys）

メモリーパターンキーの生成をテストします。

  • 目標：p95 < 0.1ms
  • 反復回数：5000
  • メトリクス：一意のパターン、スループット

出力形式

═══════════════════════════════════════════════════════════
📈 BENCHMARK RESULTS
═══════════════════════════════════════════════════════════

✅ Trigger Detection
   Operation: detect
   Count: 1,000
   Avg: 0.045ms | p95: 0.120ms (target: 5ms)
   Throughput: 22,222 ops$s
   Memory Δ: 0.12MB

✅ Worker Registry
   Operation: crud
   Count: 1,500
   Avg: 1.234ms | p95: 3.456ms (target: 10ms)
   Throughput: 810 ops$s
   Memory Δ: 2.34MB

───────────────────────────────────────────────────────────
📊 SUMMARY
───────────────────────────────────────────────────────────
Total Tests: 6
Passed: 6 | Failed: 0
Avg Latency: 0.567ms
Total Duration: 2345ms
Peak Memory: 8.90MB
═══════════════════════════════════════════════════════════

設定との統合

ベンチマークのしきい値は .claude$settings.json で設定します。

{
  "performance": {
    "benchmarkThresholds": {
      "triggerDetection": { "p95Ms": 5 },
      "workerRegistry": { "p95Ms": 10 },
      "agentSelection": { "p95Ms": 1 },
      "memoryKeyGeneration": { "p95Ms": 0.1 },
      "concurrentWorkers": { "totalMs": 1000 }
    }
  }
}

プログラムからの使用

import { workerBenchmarks, runBenchmarks } from 'agentic-flow$workers$worker-benchmarks';

// Run full suite
const suite = await runBenchmarks();
console.log(suite.summary);

// Run individual benchmarks
const triggerResult = await workerBenchmarks.benchmarkTriggerDetection(1000);
const registryResult = await workerBenchmarks.benchmarkRegistryOperations(500);

パフォーマンス最適化のヒント

  1. モデルキャッシュ：CLAUDE_FLOW_MODEL_CACHE_MB=512 で有効にします
  2. 並列ワーカー：CLAUDE_FLOW_WORKER_PARALLEL=true で有効にします
  3. 警告の抑制：CLAUDE_FLOW_SUPPRESS_WARNINGS=true で有効にします
  4. SQLite WAL モード：同時実行パフォーマンス向上のため、自動的に有効になります

コメント

Markdown 対応