mcpField
M
MCP Analytics Middleware

MCP Analytics Middleware

本地服务
github.com/Phillip-Kemper数据与分析482 周前更新
代码仓库

关于 MCP Analytics Middleware

MCP Analytics Middleware 是用于监控 MCP 服务的 TypeScript 中间件，可记录工具与资源活动、性能和错误，并通过 Web 仪表板展示，使用 SQLite 持久化数据。

主要功能

  1. 01跟踪工具调用和资源请求
  2. 02衡量性能与错误率
  3. 03通过 Web 仪表板查看实时分析
  4. 04使用 SQLite 持久化数据

适用场景

  1. 01找出最常用的工具
  2. 02发现服务错误
  3. 03检查耗时较长的操作
  4. 04监控服务实时活动

MCP 相关

它集成到 TypeScript MCP SDK 服务中，收集工具调用和资源请求的分析数据。Web 查看器用于展示存储的指标。

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": {
    "analytics-middleware": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-analytics-middleware"
      ]
    }
  }
}
启动命令npx -y mcp-analytics-middleware

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
npmmcp-analytics-middleware

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

MCP Analytics Middleware

npm version npm downloads

一种简单的方法，可跟踪并可视化 MCP 服务的使用情况。了解哪些工具最受欢迎，及早发现错误，并了解服务的性能。

功能

  • 🔍 跟踪所有工具调用和资源请求
  • 📊 查看性能指标和错误率
  • 🌐 用于实时分析的 Web 仪表板
  • 💾 使用 SQLite 数据库持久化存储

快速开始

  1. 安装软件包：
yarn add mcp-analytics-middleware
  1. 将其添加到 MCP 服务中：
import { McpAnalytics } from 'mcp-analytics-middleware';

let server = new McpServer({ 
name: 'Sample MCP Server with Analytics',
version: '1.0.0'
});

const analytics = new McpAnalytics('analytics.db');

server = analytics.enhance(server); // override tool and resource function implementation to record usage in sqlite

实时分析

想查看使用此中间件的 Tyescript SDK MCP 服务的仪表板吗？你可以直接提供实时仪表板，方法如下：

npx -p mcp-analytics-middleware web-viewer --db-path analytics.db

Web 仪表板将在 http://localhost:8080 打开，并显示实时分析数据！

你将看到：

  • 工具调用和资源请求总数
  • 错误率和性能指标
  • 最常用的工具和最慢的操作

示例实现

可以在以下位置找到分析中间件的示例实现。

  1. Dummy Caluclator 服务示例 src/server.ts
  2. 带分析功能的 Ethereum RPC MCP 服务 server/index.ts_
  3. 增加了分析中间件的 Google Maps MCP 服务分支版本 src/google-maps/index.ts

使用 Inspector 运行

如果你正在使用 MCP Inspector，只需添加分析标志：

yarn inspector --analytics --db-path analytics.db

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。