neelima156/mcp-tracer
GitHub: neelima156/mcp-tracer
实时可视化 MCP 工具调用链的三种执行策略（顺序、并行、依赖感知），帮助理解代理型 AI 中执行策略设计的教育演示工具。
Stars: 0 | Forks: 0
# MCP 工具调用追踪器
**MCP（Model Context Protocol）工具调用链的实时可视化工具。**
作者 [Neelima V](https://github.com/neelima156) · MCP 架构白板视频系列的配套工具
→ **[PA Latency Lab](https://pa-latency-lab.vercel.app)** — 医疗 AI 延迟相关演示
## 展示内容
代理型 AI 工具调用的三种执行策略，实时可视化展示：
| 模式 | 描述 | 使用场景 |
|---|---|---|
| 顺序执行 | 一次一个工具 | 当每个工具依赖于前一个工具时 |
| 并行执行 | 所有工具同时触发 | 当工具完全独立时 |
| 依赖感知 | 拓扑波式执行 | **最佳实践** — 一旦依赖解决立即触发工具 |
依赖感知模式是高效 MCP 管道的核心洞察——它与高吞吐量 Java 系统中无锁并发数据结构的模式相同。
## 场景
1. **预先授权检查** — 具有患者历史、处方集、覆盖范围和药物相互作用工具的医疗 AI 代理
2. **架构审查代理** — 具有跟踪数据、指标和 ADR 生成的代码库分析
3. **事件响应代理** — 具有日志关联和根因分析的生产环境分诊
每个场景都有真实的依赖关系图——某些工具必须等待其他工具，某些可以并行触发。
## 本地设置
```
git clone https://github.com/neelima156/mcp-tracer
cd mcp-tracer
npm install
cp .env.local.example .env.local
# 添加您的 ANTHROPIC_API_KEY
npm run dev
```
## 部署到 Vercel
```
git push origin main
# 在 vercel.com 上导入 → 添加 ANTHROPIC_API_KEY 环境变量 → 部署
```
## 结构
```
mcp-tracer/
├── app/
│ ├── api/trace/route.ts # Server-side LLM analysis (key stays private)
│ ├── globals.css
│ ├── layout.tsx
│ └── page.tsx
├── components/
│ ├── MCPTracer.tsx # Full interactive tracer UI
│ └── MCPTracer.module.css
└── lib/
├── executor.ts # Sequential / parallel / dependency execution logic
├── scenarios.ts # Three scenarios with tool dependency graphs
└── types.ts
```
## 白板视频关联
此工具旨在在 MCP 架构白板视频中进行现场演示。三种执行模式直接对应视频的三个部分：
1. **绘制问题** → 展示顺序模式，指向瀑布图
2. **解释 MCP 工具使用** → 展示并行模式，解释纯并行为何在有依赖时失败
3. **真正的解决方案** → 展示依赖感知模式，解释拓扑波式执行
对比面板会在运行所有三种模式时自动构建——在演示结束时提供实时并排比较。
标签：Agentic AI, AI代理优化, DLL 劫持, LLM, MCP, MITM代理, Model Context Protocol, Unmanaged PE, 事前授权, 代理AI, 依赖感知, 医疗保健AI, 大语言模型, 实时可视化, 工作流可视化, 工具调用链, 并发执行, 并行执行, 执行策略, 拓扑排序, 架构审查, 自动化攻击, 顺序执行