Uniprof

Name: Uniprof
Author: indragiek

von indragiekVersion 0.3.4i★ –iLäuft auf deinem Computer

Name in der Registryio.github.indragiek/uniprof

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Universal CPU profiler designed for humans and AI agents

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Sonstiges

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

npmNode.js installiert (für den Befehl npx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "uniprof": {
      "command": "npx",
      "args": [
        "-y",
        "uniprof",
        "mcp",
        "run"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add uniprof -- npx -y uniprof mcp run

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "uniprof": {
      "command": "npx",
      "args": [
        "-y",
        "uniprof",
        "mcp",
        "run"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "uniprof": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "uniprof",
        "mcp",
        "run"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto indragiek bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32696 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 0 % der anderen 32696 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32696 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Uniprof sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.3.4) kam vor 14 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, LexPact UK Contracts

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert vorgestern

Installieren

LexPact UK Contracts

von Idadabhai

Generate UK-law contracts: NDA, service, freelance, recruiter terms of business, IR35.

Läuft auf deinem ComputerAktualisiert heute

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

`uniprof`

uniprof simplifies CPU profiling for humans and AI agents. Profile any application without code changes or added dependencies.

# Profile and analyze any app in one step

npx uniprof python script.py

Supported Platforms
System Requirements
Installation
MCP Server
Quick Start
Host vs. Container Modes
Compiling with Debug Information
Documentation
Credits
License

Supported Platforms

uniprof implements a common interface over multiple profilers that specialize in different platforms and runtimes. It automatically detects which profiler to use based on the command being executed, runs the profiler, transforms the varying output formats into a single format, and runs statistical analysis on the data to identify hotspots.

Platform	Profiler	Container	Host	Min Version
Python	py-spy	✅	✅	Python 3.7+
Node.js	0x	✅	✅	Node 14+
Ruby	rbspy	✅	✅	Ruby 2.5+
PHP	Excimer	✅	✅	PHP 7.2+
JVM	async-profiler	✅	✅	Java 8+
.NET	dotnet-trace	✅	✅	.NET 5+
BEAM	perf	✅	✅*	OTP 24+
Native (macOS)	Instruments	❌	✅	Xcode 14.3+
Native (Linux)	perf	✅	✅	Linux 2.6.31+

\* Linux only for host mode

System Requirements

tl;dr: macOS or Linux with Docker installed

uniprof is designed to run on macOS and Linux but has primarily been developed & tested on macOS. If you find any bugs when running on Linux, please report them. Running on a Windows host is currenly not supported, but you can run on Linux installed on Windows via WSL2. Note that when using uniprof via WSL2, profiling native Windows executables is not supported, but you can still use the profilers for the higher level language runtimes like Python and Node.js.

Profiling tools are often non-trivial to set up correctly and can require elevated privileges. To simplify set up and provide better isolation for the profiled code, uniprof defaults to using Docker containers for each runtime that are pre-configured to run specific profiling tools. uniprof mounts your workspace in the container and executes the program with the profiler attached. uniprof also supports profiling outside the container if the host system has the profiling tools installed by running with the --mode host flag. The only case where containerized execution is not supported is when profiling a native Mach-O binary on macOS, since Apple Instruments cannot run inside a container.

Installation

npm install -g uniprof

MCP Server

# Install uniprof MCP server automatically

uniprof mcp install claudecode uniprof mcp install cursor uniprof mcp install vscode

Supported clients for auto-installation: amp, claudecode, codex, cursor, gemini, vscode, zed

If auto-installation is not supported for your client, add an MCP server using the stdio transport with the command npx -y uniprof mcp run.

For detailed MCP documentation see docs/mcp.md.

Quick Start

Profile and analyze in one step:

# Profile most languages and get immediate analysis

uniprof python app.py uniprof node server.js uniprof ruby script.rb uniprof java -jar myapp.jar uniprof dotnet MyApp.dll uniprof ./my-native-app

Profile and visualize flamegraph in browser

uniprof --visualize python app.py

Save profiles to analyze and visualize later:

# 1. Check environment (optional)

uniprof bootstrap

2. Record a profile

uniprof record -o profile.json -- python app.py uniprof record -o profile.json -- node server.js uniprof record -o profile.json -- ruby script.rb uniprof record -o profile.json -- php script.php uniprof record -o profile.json -- java -jar myapp.jar uniprof record -o profile.json -- ./gradlew run uniprof record -o profile.json -- ./mvnw spring-boot:run uniprof record -o profile.json -- dotnet MyApp.dll uniprof record -o profile.json -- elixir script.exs uniprof record -o profile.json -- mix run uniprof record -o profile.json -- ./my-native-app uniprof record -o profile.json -- /Applications/MyApp.app

3. Analyze profile data to find hotspots

uniprof analyze profile.json

4. Visualize flamegraph in the browser

uniprof visualize profile.json

For detailed command line options documentation see docs/cli.md.

Host vs. Container Modes

Use the --mode option to control how profiling runs:

`auto` (default): Prefer container mode when Docker is available; otherwise use host.
Language runtimes (Python/Node.js/Ruby/PHP/BEAM/JVM/.NET) default to container for zero-setup.
Native on macOS with Mach-O binaries uses host (Instruments). ELF binaries on macOS are supported in container mode.
Native on Linux defaults to container; host can be used if you prefer your local perf setup.
`host`: Force host-installed profilers.
`container`: Force Docker containers (not supported for macOS Instruments/Mach-O binaries).

# Auto mode (default)

uniprof record -o profile.json -- python script.py

Force host profilers

uniprof record --mode host -o profile.json -- python script.py

Force container mode

uniprof record --mode container -o profile.json -- ./my-linux-app

Compiling with Debug Information

Native profiling requires debug information for meaningful results. Debug symbols enable the profiler to map memory addresses to function names, providing readable output instead of just hexadecimal addresses. Additionally, frame pointers improve call stack accuracy, especially for optimized code.

Compiler	DWARF Debug Info	Frame Pointers	Notes
gcc	`gcc -g -o myapp main.c`	`gcc -fno-omit-frame-pointer -o myapp main.c`	Use `-g3` for maximum debug info, `-ggdb` for GDB-specific extensions
clang	`clang -g -o myapp main.cpp`	`clang -fno-omit-frame-pointer -o myapp main.cpp`	Use `-gfull` on macOS for complete debug info
swift	`swiftc -g main.swift`	`swiftc -Xcc -fno-omit-frame-pointer main.swift`	Debug builds include symbols by default with `swift build`

| cargo | cargo build (debug mode) cargo build --release + [profile.release] debug = true | RUSTFLAGS="-C force-frame-pointers=yes" cargo build | Debug builds include DWARF by default; for release builds, add debug = true to Cargo.toml | | go | go build -gcflags=all="-N -l" | Built-in, always enabled | Go includes debug info by default; -gcflags disables optimizations for better debugging | | zig | zig build-exe -O Debug main.zig | zig build-exe -fno-omit-frame-pointer main.zig | Use -O ReleaseSafe with debug info for optimized builds with symbols | | ghc | ghc -g -rtsopts main.hs | ghc -fno-omit-frame-pointer main.hs | Use -prof for profiling builds; -rtsopts enables runtime profiling options |

Documentation

[CLI Reference](docs/cli.md)
[Advanced Usage](docs/advanced.md)
[Platform Guides](docs/platforms/)
[MCP Server](docs/mcp.md)

Credits

py-spy (MIT) is used for Python profiling. Included in the uniprof-python image.
0x (MIT) is used for Node.js profiling. Included in the uniprof-nodejs image.
rbspy (MIT) is used for Ruby profiling. Included in the uniprof-ruby image.
Excimer (Apache 2.0) is used for PHP profiling. Included in the uniprof-php image.
async-profiler (Apache 2.0) is used for JVM profiling. Included in the uniprof-jvm image.
dotnet-trace (MIT) is used for .NET profiling. Included in the uniprof-dotnet image.
perf (GPL) is used for native profiling on Linux. Included in the uniprof-native and uniprof-beam images.
speedscope (MIT) is bundled with uniprof and used for flamegraph visualization

License

All uniprof source code in this repository is licensed under the MIT License. See LICENSE.

uniprof downloads and runs Docker images that bundle third-party software. The Dockerfiles used to build these images can be found in containers/. These images and their contents are not covered by the MIT license and are governed by their own licenses. uniprof does not grant rights to those components and does not relicense them.

Uniprof

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

LexPact UK Contracts

README vom Entwickler

uniprof

Table of Contents

Supported Platforms

System Requirements

Installation

MCP Server

Quick Start

Profile and visualize flamegraph in browser

2. Record a profile

3. Analyze profile data to find hotspots

4. Visualize flamegraph in the browser

Host vs. Container Modes

Force host profilers

Force container mode

Compiling with Debug Information

Documentation

Credits

License

`uniprof`