MacOS Resource Monitor MCP Server

macOS 资源监控 MCP 服务

一个 Model Context Protocol（MCP）服务，用于识别 macOS 上 CPU、内存和网络使用量较高的进程。

托管部署

可通过 Fronteir AI 使用托管部署。

概述

MacOS Resource Monitor 是一个轻量级 MCP 服务，提供用于监控系统资源的 MCP 端点。它会分析 CPU、内存和网络使用情况，识别 Mac 上资源使用量最高的进程，并以结构化 JSON 格式返回数据。

要求

• macOS 操作系统
• Python 3.10+
• MCP 服务库

安装

选项 1：全局安装（推荐）

使用 uv 全局安装 MCP 服务，以便在整个系统中访问：

git clone https://github.com/Pratyay/mac-monitor-mcp.git
cd mac-monitor-mcp
uv tool install .

现在，你可以在任何位置运行该服务：

mac-monitor

选项 2：开发安装

1. 克隆此仓库：

   git clone https://github.com/Pratyay/mac-monitor-mcp.git
   cd mac-monitor-mcp
   

2. 创建虚拟环境（推荐）：

   python -m venv venv
   source venv/bin/activate  
   

3. 安装所需的依赖项：

   pip install mcp
   

使用方法

全局安装

如果你使用 uv 进行了全局安装：

mac-monitor

开发安装

如果你从项目目录运行：

python src/mac_monitor/monitor.py

或使用 uv run（在项目目录中）：

uv run mac-monitor

你应该会看到以下消息：

Simple MacOS Resource Monitor MCP server starting...
Monitoring CPU, Memory, and Network resource usage...

服务将启动并开放 MCP 端点，LLM 或其他客户端可以访问此端点。

可用工具

该服务提供三个工具：

1. get_resource_intensive_processes()

返回每个类别（CPU、内存和网络）中资源使用量最高的前 5 个进程的信息。

2. get_processes_by_category(process_type, page=1, page_size=10, sort_by="auto", sort_order="desc")

返回指定类别中的所有进程，并提供高级筛选、分页和排序选项。

参数：

• process_type："cpu"、"memory" 或 "network"
• page：页码（从 1 开始，默认值：1）
• page_size：每页的进程数量（默认值：10，最大值：100）
• sort_by：排序字段——"auto"（默认指标）、"pid"、"command" 或类别专属字段：
  • CPU："cpu_percent"、"pid"、"command"
  • 内存："memory_percent"、"resident_memory_kb"、"pid"、"command"
  • 网络："network_connections"、"pid"、"command"
• sort_order："desc"（默认值）或 "asc"

用法示例：

# Get first page of CPU processes (default: sorted by CPU% descending)
get_processes_by_category("cpu")

# Get memory processes sorted by resident memory, highest first
get_processes_by_category("memory", sort_by="resident_memory_kb", sort_order="desc")

# Get network processes sorted by command name A-Z, page 2
get_processes_by_category("network", page=2, sort_by="command", sort_order="asc")

# Get 20 CPU processes per page, sorted by PID ascending
get_processes_by_category("cpu", page_size=20, sort_by="pid", sort_order="asc")

3. get_system_overview()

返回全面的系统概览及汇总统计数据，类似“活动监视器”。提供 CPU、内存、磁盘和网络统计信息，以及智能性能分析，帮助识别瓶颈和优化机会。

功能：

• CPU 指标：使用率百分比、平均负载、核心数
• 内存分析：总内存／已用内存／可用内存及其百分比
• 磁盘统计：所有文件系统的存储使用情况
• 网络概览：活动连接、接口统计信息
• 性能分析：智能瓶颈检测与建议
• 系统信息：macOS 版本、运行时间、进程数量

用法示例：

 get_system_overview()  # Get comprehensive system overview

使用场景：

• 系统性能监控与分析
• 识别性能瓶颈和速度下降问题
• 资源使用趋势分析与容量规划
• 排查系统性能问题
• 快速了解系统运行状况

示例输出

get_resource_intensive_processes() 输出

{
  "cpu_intensive_processes": [
    {
      "pid": "1234",
      "cpu_percent": 45.2,
      "command": "firefox"
    },
    {
      "pid": "5678",
      "cpu_percent": 32.1,
      "command": "Chrome"
    }
  ],
  "memory_intensive_processes": [
    {
      "pid": "1234",
      "memory_percent": 8.5,
      "resident_memory_kb": 1048576,
      "command": "firefox"
    },
    {
      "pid": "8901",
      "memory_percent": 6.2,
      "resident_memory_kb": 768432,
      "command": "Docker"
    }
  ],
  "network_intensive_processes": [
    {
      "command": "Dropbox",
      "network_connections": 12
    },
    {
      "command": "Spotify",
      "network_connections": 8
    }
  ]
}

get_processes_by_category() 输出

{
  "process_type": "cpu",
  "processes": [
    {
      "pid": "1234",
      "cpu_percent": 45.2,
      "command": "firefox"
    },
    {
      "pid": "5678",
      "cpu_percent": 32.1,
      "command": "Chrome"
    }
  ],
  "sorting": {
    "sort_by": "cpu_percent",
    "sort_order": "desc",
    "requested_sort_by": "auto"
  },
  "pagination": {
    "current_page": 1,
    "page_size": 10,
    "total_processes": 156,
    "total_pages": 16,
    "has_next_page": true,
    "has_previous_page": false
  }
}

工作原理

MacOS Resource Monitor 使用 macOS 内置的命令行工具：

• ps：识别 CPU 和内存使用量最高的进程
• lsof：监控网络连接并识别网络使用量较高的进程

调用工具时会收集数据，从而实时呈现系统资源使用情况。

与大模型集成

此 MCP 服务旨在与支持 Model Context Protocol 的大模型协同工作。大模型可以使用 get_resource_intensive_processes 工具访问系统资源信息并进行智能分析。

贡献

欢迎贡献！欢迎提交 Pull Request。

1. Fork 此仓库
2. 创建功能分支（git checkout -b feature/amazing-feature）
3. 提交更改（git commit -m 'Add some amazing feature'）
4. 推送到该分支（git push origin feature/amazing-feature）
5. 发起 Pull Request

管理命令

如果你使用 uv 全局安装了此服务：

• 列出已安装的工具： uv tool list
• 卸载： uv tool uninstall mac-monitor
• 升级： uv tool install --force .（在项目目录中运行）
• 从 Git 安装： uv tool install git+https://github.com/Pratyay/mac-monitor-mcp.git

近期更新

版本 0.2.0（最新）

• ✅ 添加了支持分页和排序的 get_processes_by_category() 工具
• ✅ 添加了全面的排序选项（CPU%、内存、PID、命令名称）
• ✅ 添加了规范的 Python 打包配置 pyproject.toml
• ✅ 支持通过 uv tool install 全局安装
• ✅ 改进了错误处理和输入验证
• ✅ 添加了包含导航信息的分页元数据

潜在改进

以下是一些可以增强此监控工具的方式：

• 添加磁盘 I/O 监控
• 改进网络使用情况监控，纳入带宽信息
• 添加可视化功能
• 扩展对其他操作系统的兼容性
• 添加按资源阈值筛选进程的功能
• 添加历史数据跟踪和趋势分析