Yamaru Hardware Probe

Name: Yamaru Hardware Probe
Author: yamaru-eu

本地服务

github.com/yamaru-euAI 与智能体724 周前更新

代码仓库

关于 Yamaru Hardware Probe

Yamaru Hardware Probe 是用于系统盘点和性能诊断的 MCP 服务，面向 AI、游戏及高性能工作流。它提供硬件、散热、存储、内存和本地 LLM 运行环境分析工具。

主要功能

01盘点 CPU、RAM、GPU、存储和 OS
02监控负载及高资源占用进程
03检测热降频和频率限制
04分析内存压力与 SMART 存储健康
05评估 LLM 兼容性和推理配置

适用场景

01诊断系统意外变慢
02检查硬件是否适合本地 LLM
03排查内存或存储瓶颈

MCP 相关

向 MCP 客户端提供系统盘点、性能、散热、内存、存储、防病毒和 LLM 分析工具。两个 LLM 推荐与兼容性工具标记为测试版，并使用远程 API。

#hardware #diagnostic #monitoring #llm #performance #thermal #ram #gpu #vram #systeminformation #claude #mcp-server

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "hardware-probe": {
      "command": "npx",
      "args": [
        "-y",
        "@yamaru-eu/hardware-probe"
      ],
      "env": {
        "REMOTE_API_URL": "<REMOTE_API_URL>"
      }
    }
  }
}

启动命令npx -y @yamaru-eu/hardware-probe

需要配置的环境变量

REMOTE_API_URLURL of the remote recommendation API

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npm@yamaru-eu/hardware-probe1.1.2stdio

工具

收录的工具列表 · 更新于 3 周前

此工具无需参数。

详细介绍

Yamaru 硬件探测器（MCP）

面向 AI、游戏和高性能工作流的专业系统硬件探测与性能诊断引擎。这是一个模型上下文协议（MCP）服务，能够提供超越简单规格信息的深入系统洞察。

主要功能

🔍 深度硬件清单：全面分析 CPU、RAM、GPU（VRAM/带宽）、存储设备和操作系统拓扑。
⚡ 实时性能监控：实时跟踪系统负载并识别占用大量资源的进程。
🧊 温度与电源诊断：检测热降频和频率限制，帮助解决意外的运行缓慢问题。
🤖 AI/LLM 优化：提供专用工具，用于预测 LLM 性能、计算量化适配情况，以及优化运行时环境（Ollama、CUDA、Metal）。
🛡️ 隐私优先：在任何远程传输之前自动匿名化唯一硬件标识符。

安装

Gemini CLI 用户

gemini extension install @yamaru-eu/hardware-probe

手动配置 MCP

将以下内容添加到 MCP 设置文件中（例如，npx-config.json 或 claude_desktop_config.json）：

{
  "mcpServers": {
    "yamaru-probe": {
      "command": "npx",
      "args": ["-y", "@yamaru-eu/hardware-probe"]
    }
  }
}

可用工具

analyze_local_system：完整的硬件清单。
analyze_performance：实时性能指标和占用资源最多的进程。
analyze_ram_pressure：详细的内存压力和 RSS 分析，用于深入排查 RAM 问题。
check_storage_health：磁盘 SMART 健康状况、固件和 I/O 瓶颈分析。
thermal_profile：实时 CPU/GPU 温度状态、风扇转速和频率降速检测。
diagnose_antivirus_impact：检测 EDR/防病毒软件冲突，以及开发路径的排除范围覆盖情况。
monitor_system_health：统计健康报告（CPU 负载、RAM 使用量、温度），提供可配置时间窗口（最长 10 分钟）内的最小值/最大值/平均值。
check_llm_compatibility （BETA）：通过远程 API 预测特定 LLM 模型的性能。
get_llm_recommendations （BETA）：通过远程 API 推荐最佳本地模型。
analyze_inference_config：深入分析 AI 运行时和环境变量。

技能集成

与 Gemini CLI 配合使用时，此扩展会提供以下专家技能：

hardware-performance-expert：用于系统健康检查和故障排除的全局协议。
local-inference-optimizer：用于微调本地 LLM 运行的专用逻辑。

开发

npm install        # Install dependencies
npm run build      # Compile TypeScript → dist/
npm run test       # Run test suite
npm run inspector  # Test tools in the MCP Inspector