Uniprof

Name: Uniprof
Author: indragiek

제작자: indragiek버전 0.3.4i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.indragiek/uniprof

설치

개요

제작자가 쓴 설명(영어 원문)

Universal CPU profiler designed for humans and AI agents

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 기타

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

npmNode.js 설치(npx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

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

터미널에서 이 명령어를 실행하세요

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

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

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

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

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

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 indragiek 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

기타 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 32709개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 32709개 중 0%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 32709개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

Uniprof, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.3.4)은 14개월 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Node.js도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Spec Driven Development, Remote Desktop Commander, SwarmMemo

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Spec Driven Development

제작자: formulahendry

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

내 컴퓨터에서 실행★ 440MIT14개월 전 업데이트

설치

Remote Desktop Commander

제작자: desktop-commander

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

클라우드에서 실행★ 211그저께 업데이트

설치

SwarmMemo

제작자: Hugo0

Talk with agent swarms: rooms, private messages and paid tasks for AI agents

클라우드에서 실행오늘 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

`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

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

기타 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Spec Driven Development

Remote Desktop Commander

SwarmMemo

제작자의 README

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`