memorylens-mcp

MemoryLens MCP

按需进行 .NET 内存分析，并提供具体、可供 AI 采取行动的代码修复建议——无需安装分析器。

---

托管部署

可通过 Fronteir AI 使用托管部署。

快速开始

npx（任意 MCP 客户端）

{
  "mcpServers": {
    "memorylens": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "memorylens-mcp"]
    }
  }
}

npm 包不包含任何服务端代码——它是一个启动器，会安装匹配版本的 MemoryLens.Mcp .NET 全局工具并执行它，因此 必须将 .NET 10 SDK 添加到 PATH。 后续启动会完全跳过安装，并可离线运行。

VS Code / Visual Studio（通过 dnx）

将以下内容添加到 MCP 设置（.vscode/mcp.json 或 VS 设置）：

{
  "servers": {
    "memorylens": {
      "type": "stdio",
      "command": "dnx",
      "args": ["MemoryLens.Mcp", "--yes"]
    }
  }
}

Claude Code 插件

claude install gh:MarcelRoozekrans/memorylens-mcp

.NET 全局工具

dotnet tool install -g MemoryLens.Mcp

Docker

docker build -t memorylens-mcp .
docker run -i --rm --pid=host --cap-add=SYS_PTRACE \
  -v /tmp:/tmp \
  -v "$PWD:/workspace" memorylens-mcp

在容器中进行分析需要 ptrace 和主机 PID 命名空间；而在 Docker Desktop 上，该命名空间属于 Linux 虚拟机，而非你的桌面系统。选择这种方式前，请参阅 docs/docker.md。

-v /tmp:/tmp 是让 list_processes 返回内容的关键——运行时的 诊断套接字位于临时目录中；它也能确保在 --rm 后快照仍然保留，因为快照会写入 容器内的 /tmp/memorylens-snapshots。-v "$PWD:/workspace" 仅用于 读取 .memorylens.json；不会向此目录写入任何内容。

先决条件

• .NET 10 SDK，10.0.4xx 功能带（在 global.json 中固定）

运行筛选后的部分测试（例如 dotnet test --filter <name>）时，将以代码 9 退出， 并打印 error: 1, failed: 0。这是测试项目的发现折叠保护机制 （--minimum-expected-tests）触发所致，因为筛选后剩余的测试数量低于预期—— 这并不表示测试失败，也不影响完整的 dotnet test 运行。

工作原理

MemoryLens 通过 EventPipe 在进程内收集堆数据。EventPipe 是 .NET 运行时内置的诊断通道。无需安装探查器、首次使用时无需下载，也不依赖 PATH 中的外部工具。

snapshot 根据 pid 附加到正在运行的 .NET 进程，触发一次垃圾回收，并将堆数据汇总为各类型的对象数量和大小。快照会以小型 JSON 文件的形式写入临时目录，并通过一个短 ID 引用。

在 Linux 和容器中，附加到其他进程的诊断终结点可能需要匹配 UID 或 SYS_PTRACE——请参阅 docs/docker.md。

可用的 MCP 工具

工具	描述
list_processes	列出可供分析的正在运行的 .NET 进程，这些进程通过其诊断 IPC 终结点发现
snapshot	捕获目标进程的单个内存快照
compare_snapshots	按可配置的延迟捕获两个快照并进行比较
analyze	对已捕获的快照运行规则引擎并返回分析结果
get_rules	列出所有可用分析规则及其元数据

内置规则

ID	严重性	类别	描述
ML001	critical	leak	检测到事件处理程序泄漏
ML002	critical	leak	静态集合持续增长且没有上限
ML003	high	leak	可释放对象未释放
ML004	high	fragmentation	大对象堆碎片化
ML005	medium	retention	对象保留时间超过预期
ML006	medium	allocation	热路径中分配过多
ML007	medium	retention	闭包保留了意料之外的引用
ML008	low	allocation	数组/列表扩容时未提供容量提示
ML009	low	pattern	终结器未采用 Dispose 模式
ML010	low	pattern	存在字符串驻留的机会

配置

在项目根目录中创建 .memorylens.json 文件，以自定义规则行为：

{
  "rules": {
    "ML001": { "enabled": true, "severity": "critical" },
    "ML002": { "enabled": true, "severity": "critical" },
    "ML003": { "enabled": true, "severity": "high" },
    "ML004": { "enabled": true, "severity": "high" },
    "ML005": { "enabled": true, "severity": "medium" },
    "ML006": { "enabled": true, "severity": "medium" },
    "ML007": { "enabled": true, "severity": "medium" },
    "ML008": { "enabled": true, "severity": "low" },
    "ML009": { "enabled": true, "severity": "low" },
    "ML010": { "enabled": true, "severity": "low" }
  }
}

使用示例

单个快照

捕获正在运行的进程的内存快照，以检查当前内存状态：

> /memorylens
> Take a snapshot of my running API (PID 12345)

Claude 会使用目标 PID 调用 snapshot，然后对返回的快照 ID 调用 analyze，并按严重性排序呈现分析结果。

前后对比

通过比较间隔一段时间捕获的两个快照，检测内存增长：

> /memorylens
> Check if my app has a memory leak — compare before and after processing 1000 requests

Claude 会调用 compare_snapshots，并在两次捕获之间设置 delaySeconds 值（默认为 10 秒），然后分析差异，以识别在两个快照之间增长的对象。

同系列项目

MemoryLens MCP 属于一个面向 AI 工作的小型 .NET 项目系列：

• AI.Sentinel：面向 IChatClient 的安全监控中间件：提示词注入、幻觉和 PII 检测，并提供审计跟踪。
• Minos.NET：带类型、由源代码生成的决策问题，并提供经过校准的答案。
• Rag.NET：基于 Microsoft.Extensions.AI 的模块化检索增强生成管道。
• Roslyn CodeLens MCP：通过 MCP 为 AI Agent 提供语义级 .NET 代码智能。

基于 ZeroAlloc 构建

MemoryLens MCP 使用这些 ZeroAlloc 库。它们是源代码生成器和分析器，运行时无需反射：

• ZeroAlloc.Analyzers

许可证

MIT