使用说明（Markdown 格式）

项目简介

• MCP Perf Suite 是一个模块化的 MCP 服务器集合，围绕“资源管理、工具注册/执行、提示模板渲染”等核心能力组织。通过 FastMCP 框架，该仓库实现了若干独立的 MCP 服务端，例如 Juxtaposition：

  • JMeter MCP Server：从 Playwright 捕获流量生成 JMX、执行/监控 JMeter 测试、产出聚合报告。
  • BlazeMeter MCP Server：对 BlazeMeter API 进行工作区、项目、测试的管理与结果获取。
  • Datadog MCP Server：从 Datadog 拉取 APM 指标与日志进行关联分析。
  • Performance Analysis MCP Server（PerfAnalysis）：对测试结果和分析数据进行综合分析。
  • Performance Report MCP Server：将分析结果渲染为格式化报告（PDF/Word/Markdown）。
  • Confluence MCP Server、Microsoft Graph MCP Server：将报告产出与文档协作整合到 Confluence/SharePoint/Teams 等工作流中。

主要功能点

• MCP 核心能力

  • 资源管理与数据访问：以统一接口管理各类测试资源、产出物与分析结果。
  • 工具注册与执行：通过 MCP Tool 注册暴露的操作，LLM 客户端可以远程调用执行。
  • Prompt 模板渲染：支持将解析/分析结果渲染为可用于提示/对话的模板。
  • JSON-RPC 通信：服务器与客户端通过 JSON-RPC 进行请求/响应与通知。
  • 会话与能力声明：服务器端维护会话状态、能力清单，便于多轮对话与任务编排。
  • 多传输协议支持：包括标准输入输出、WebSocket、SSE 等传输通道。

• 服务器之间的流水线集成

  • 工具和服务之间通过 MCP 机制进行组合调用，形成从“流量捕获/网络分析”到“测试执行/监控/分析/报告”的端到端流水线。

安装与运行（简要）

• 本仓库包含若干子模块，每个 MCP 服务器都以一个独立的 Python 脚本实现，并通过 if name == "main": mcp.run("stdio") 启动，暴露 FastMCP 服务。
• 常见启动方式（示例，按实际部署选择某一个服务启动即可）：
  • 进入某个服务器目录，例如 datadog-mcp/，执行 Python3 脚本（如 datadog.py）启动服务端。
  • 客户端可以通过配置好连接信息，使用 MCP 客户端连接到对应的服务器，发起资源读取、工具调用等请求。

配置与对接（关键点）

• MCP 服务器的启动需要客户端连接信息。配置信息应以 JSON 形式描述，包含：
  • server_name：服务器名称（与启动脚本对应的服务别名，如 "datadog"、"jmeter"、"msgraph" 等）。
  • command：启动命令的主程序（如 "python3"）。
  • args：启动参数数组，指明要执行的服务器脚本路径及运行模式等。该处仅用于描述，不提供具体代码示例。
• 由于 MCP 客户端需要通过该配置信息建立连接，请在实际部署时为每个 MCP 服务提供准确的启动指令与工作路径。

基本使用方法（简单入门）

• 启动任意一个 MCP 服务器脚本，确保依赖已安装（如 FastMCP、httpx、Playwright、Pillow 等可能的外部库）。
• 使用 MCP 客户端向该服务器发送 JSON-RPC 请求，例如读取资源、执行工具、获取 Prompt、触发分析、产生报告等。
• 在性能分析流水线中，各服务器通过工具暴露的接口实现协作，如 JMeter 的 JMX 生成、Datadog 指标采集、报告生成与 Confluence 发布等。

注意事项

• 本仓库包含大量模块和子系统，实际部署时应根据具体环境逐步启用/配置子服务器。
• 部署前请确保所需环境变量、API Key、凭据等配置正确，以避免运行时错误。
• 由于各子系统依赖较多，请逐一测试各 MCP 服务的启动与基础 RPC 调用以验证整体工作流。

可用性总结

• 该仓库实现了多个基于 FastMCP 的服务器端，具备 MCP 协议支持、工具注册、资源管理、Prompts 渲染等核心能力，且包含较完整的示例实现与运行入口，符合作为 MCP 服务器实现的标准。