使用说明

mcp仪表板

MCP服务器的终端仪表板。现在使用AI聊天。

管理、监控和调试您的模型上下文协议无需离开终端，即可从单个窗格中访问服务器。 与人工智能讨论你的服务器，让它代表你调用工具。

特性 • 演出 • 安装 • 快速开始 • 标签页 • AI聊天 • 配置 • 键绑定

为什么选择mcp仪表板？

大多数MCP工具都是基于浏览器的，Python很重，或者需要Docker。 mcp仪表板 是一个Rust二进制文件，可以在几秒钟内安装并在任何地方运行——你的笔记本电脑、SSH服务器、CI运行器。

零依赖 --没有Node，没有Python，没有Docker
自动发现 来自Claude Desktop、Claude Code和Cursor的服务器
持久连接 --每次健康检查都不再进行产卵/杀死过程
代币成本估算 --查看每个服务器占用多少上下文窗口（此工具独有）
工具执行 --直接从终端调用任何MCP工具
AI聊天 --与Claude、GPT、Gemini或Claude Code讨论您的服务器，并使用完整的代理工具执行

特性

特性	描述
仪表盘	实时服务器运行状况、工具计数、响应时间火花线、令牌估计
检查员	浏览工具，输入JSON参数，执行并内联查看结果
AI聊天	与人工智能就您的MCP服务器进行对话——5个提供商、流媒体、代理工具执行
协议日志	每个MCP方法调用都带有方向、定时和错误突出显示
服务器日志	从服务器进程实时捕获stderr以进行调试
自动发现	从以下位置查找服务器 `~/.claude/.mcp.json`, `~/.cursor/mcp.json`，克劳德桌面配置
HTTP传输	通过Streamable HTTP连接到远程MCP服务器，而不仅仅是本地stdio
多提供商AI	拟人克劳德、OpenAI/GPT、谷歌Gemini、克劳德代码CLI、游标CLI
代理工具	AI在聊天过程中直接调用MCP工具，结果内联+记录到协议选项卡
搜索/筛选	按名称筛选服务器 `/` --处理大型服务器集合
令牌估计	每台服务器的颜色编码上下文窗口成本（绿色/黄色/橙色/红色）
波形图	显示性能趋势的迷你响应时间图
帮助覆盖	媒体 `?` 获取完整的密钥绑定参考

演出

MCP冷启动的隐性成本

当MCP客户端需要调用工具时，有两种方法：

冷启动： 生成服务器进程，执行MCP握手，拨打电话，关闭。这就是一次性脚本、CI管道和任何在调用之间无法保持服务器活动的工作流的情况。
持久连接： 连接一次，保持进程活动，在每次后续调用中重用连接。这是mcp仪表板的功能，也是IDE扩展（Claude Code、Cursor）在活动会话期间的功能。

差异很重要，因为 实际的工具调用速度很快，但启动速度很慢。 我们对真实的生产服务器进行了基准测试，以了解到底有多少。

基准：时间去哪儿了？

已通过包含的测试 mcp-latency 针对真实MCP服务器的基准测试工具。每一轮冷启动都会产生一个新的进程，初始化MCP，调用 list_tools，并关闭。每次热调用循环都会重用现有的持久连接。

Rust MCP服务器(`db-tunnel`，9个工具）

Cold start breakdown (20 rounds):
  Spawn + MCP Init:    128.6ms  (99% of total)
  list_tools call:       0.4ms  ( 1% of total)
  ─────────────────────────────
  Total per cold start:  129.9ms

Warm call (persistent connection, 50 rounds):
  list_tools call:       0.1ms

Node.js MCP服务器(`mobile-api`，10个工具）

Cold start breakdown (20 rounds):
  Spawn + MCP Init:    115.4ms  (94% of total)
  list_tools call:       2.8ms  ( 6% of total)
  ─────────────────────────────
  Total per cold start:  123.2ms

Warm call (persistent connection, 50 rounds):
  list_tools call:       0.5ms

模式很清楚： 94-99%的冷启动交互是进程生成和MCP初始化，而不是工具本身。

现实世界的影响：多次通话

每次额外的通话都会带来优势，因为您只需支付一次启动成本：

场景	冷启动（每次生成）	持久（连接一次）	节省的时间
1次工具调用	130ms	130ms	0ms（相同）
10次工具调用	1300ms	131毫秒	1.2秒
50次工具调用	6500毫秒	135毫秒	6.4秒
100次工具调用	130000毫秒	140毫秒	12.9秒

注：对持久连接的第一次调用仍需支付全部启动成本（约130ms）。节省来自调用2到N，它们完全跳过spawn和init。

对于 代理AI会话 在模型链接10-20个工具调用的情况下，这将把几秒钟的开销变成了毫秒。

吞吐量突发

在持久连接上，调用可以与服务器处理它们的速度一样快：

服务器	10个快速呼叫	吞吐量
生锈(`db-tunnel`)	0.8毫秒总计	12629次呼叫/秒
Node.js(`mobile-api`)	6.0毫秒总计	1673次呼叫/秒

什么时候最重要？

脚本和CI 每次调用都会生成一个服务器——持久连接每次调用可节省约130毫秒
AI代理循环 对于许多连续的工具调用，10+调用从几秒钟到几毫秒不等
健康监测 --每10秒检查服务器状态花费0.1ms，而不是130ms
仪表板的检查器选项卡 --无重启开销的快速工具迭代

像Claude Code这样的IDE扩展在活动会话期间已经保持了持久连接，因此对于IDE中的单个交互式调用，延迟差异不那么明显。仪表板对IDE用户的优势更多地在于 多服务器可见性、健康监控和AI聊天选项卡 比原始每次通话速度更快。

自己运行基准测试

基准测试工具包括：

cargo run --release --bin mcp-latency -- /path/to/your/mcp-server [args...]

# Examples:
cargo run --release --bin mcp-latency -- node dist/index.js
cargo run --release --bin mcp-latency -- /path/to/rust-mcp-server --flag

它运行20个冷启动轮和50个热呼叫轮，然后显示百分位数和吞吐量的完整细分。

安装

货物（推荐）

cargo install mcp-dashboard

家酿

brew tap nickslamecode/mcp-dashboard
brew install mcp-dashboard

预构建二进制文件

下载自 GitHub发布.

来自源头

git clone https://github.com/NicksLameCode/mcp-dashboard.git
cd mcp-dashboard
cargo install --path .

快速开始

# Just run it -- servers are auto-discovered from Claude/Cursor configs
mcp-dashboard

就是这样。如果您在Claude Desktop、Claude Code或Cursor中配置了MCP服务器，它们将自动显示。

要手动添加服务器，请编辑 ~/.config/mcp-dashboard/servers.json （首次运行时创建）：

[
  {
    "name": "my-server",
    "command": "node",
    "args": ["dist/index.js"],
    "cwd": "/path/to/server"
  }
]

标签页

1--仪表板

主要观点。服务器列表，包括状态指示器、工具/资源/提示计数、令牌成本估算和源徽章。详图面板显示：

服务器名称、正常运行时间和响应时间
响应时间火花线（最近60次检查）
代币成本明细（工具/资源/提示）
可浏览的工具、资源和提示列表（循环使用 Tab)

2--检查员

交互式工具执行。从左侧面板中选择一个工具，查看其输入模式，键入JSON参数，然后按 Enter 执行。结果与错误突出显示一致。

3--协议

每个MCP协议操作的时间顺序日志-- initialize, tools/list, tools/call等等。显示方向(→ 发送， ← 已接收）、服务器名称、方法、结果摘要和往返时间。

4--日志

从子进程捕获的每服务器stderr输出。选择一个服务器以查看其调试输出。可用于诊断启动失败、格式错误的响应或服务器端错误。

5--聊天（新增）

仪表板内置了一个完整的人工智能对话界面。与AI讨论您的MCP服务器，让它代表您调用工具。

5个AI提供商：

提供者	它如何连接	工具执行
人物克劳德	使用流式处理API `x-api-key`	原住民 `tool_use` 砌块
OpenAI/GPT	流式处理API（也可与Ollama、LM Studio、Azure一起使用）	函数调用
谷歌双子座	使用流式处理API `key` param	即将推出
克劳德代码	子流程通过 `claude --print`	通过提示上下文
光标	通过CLI执行子进程	通过提示上下文

多服务器上下文： 选择AI知道的服务器。按 Tab 循环， Space 切换。AI可以看到所选服务器的完整工具模式、资源URI、提示定义和连接状态。

代理工具执行： AI可以在对话过程中直接调用MCP工具。当它发生时：

工具调用+参数显示在聊天中
该工具对真实的MCP服务器执行（超时30秒）
结果以内联方式显示，并记录到“协议”选项卡中
AI继续与工具结果进行对话

流动： 使用块光标实时传输响应流。按 Esc 取消中流。

快速启动：

# Set your API key
export ANTHROPIC_API_KEY="sk-ant-..."

# Launch the dashboard, press 5 for Chat
mcp-dashboard

或在中配置所有提供程序 ~/.config/mcp-dashboard/ai.json （首次运行时自动创建）。

配置

Stdio服务器（默认）

[
  {
    "name": "my-server",
    "command": "/path/to/binary",
    "args": ["--flag", "value"],
    "cwd": "/working/directory",
    "env": { "API_KEY": "sk-..." },
    "config_path": "/path/to/.mcp.json"
  }
]

HTTP服务器

[
  {
    "name": "remote-server",
    "transport": "http",
    "url": "http://localhost:8080/mcp"
  }
]

配置参考

字段	必填	描述
`name`	是	显示名称
`command`	仅限Stdio	要运行的二进制或命令
`args`	无	命令行参数
`cwd`	否	工作目录
`env`	否	环境变量
`transport`	没有	`stdio` （默认）或 `http`
`url`	仅限HTTP	服务器端点URL
`config_path`	否	配置文件的路径（使用打开 `e`)

AI聊天提供商

聊天选项卡从以下内容读取 ~/.config/mcp-dashboard/ai.json （首次运行时自动创建默认值）：

{
  "default_provider": "anthropic",
  "anthropic": {
    "api_key": "",
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 4096
  },
  "openai": {
    "api_key": "",
    "base_url": "https://api.openai.com/v1",
    "model": "gpt-4o",
    "max_tokens": 4096
  },
  "gemini": {
    "api_key": "",
    "model": "gemini-2.0-flash",
    "max_tokens": 4096
  },
  "claude_code": {
    "command": "claude",
    "args": ["--print", "--output-format", "json"]
  },
  "cursor": {
    "command": "cursor",
    "args": ["--chat"]
  }
}

环境变量回退 --如果 api_key 如果配置中为空，则检查这些环境变量：

提供者	环境变量
人类学	`ANTHROPIC_API_KEY`
OpenAI	`OPENAI_API_KEY`
双子座	`GEMINI_API_KEY`

这 openai.base_url 字段支持任何与OpenAI兼容的端点——将其指向Ollama(http://localhost:11434/v1)、LM Studio、Azure OpenAI或任何其他兼容的API。

自动发现

服务器会从以下位置自动发现：

源	配置路径
克劳德代码	`~/.claude/.mcp.json`, `~/.claude/mcp.json`
光标	`~/.cursor/mcp.json`
克劳德桌面	`~/.config/claude/claude_desktop_config.json`

发现的服务器与手动服务器一起显示在仪表板中，并带有源代码徽章。重复项（相同的命令+参数）会自动进行重复数据消除。

键绑定

全球

关键	行动
`1` `2` `3` `4` `5`	切换选项卡
`j` / `k`	导航列表
`J` / `K`	滚动细节面板
`r`	全部刷新/重新连接
`c`	切换连接
`e`	在中编辑配置 `$EDITOR`
`/`	搜索/筛选服务器
`?`	帮助覆盖
`q`	退出

检查员（表2）

关键	行动
`i`	编辑JSON参数
`Enter`	执行工具
`Esc`	退出输入模式

聊天（选项卡5）

关键	行动
`i`	进入输入模式
`Enter`	发送消息
`Esc`	退出输入/取消流媒体
`p`	循环AI提供商
`n`	新对话
`Tab`	循环服务器上下文
`Space`	在上下文中切换服务器
`J` / `K`	滚动消息

搜索模式

关键	行动
类型	按名称筛选
`Enter`	保留过滤器
`Esc`	清除过滤器

运作原理

     ┌──────────────┐
     │  Claude API   │
     │  OpenAI API   │◄──── streaming SSE ────┐
     │  Gemini API   │                        │
     └──────────────┘                         │
     ┌──────────────┐                         │
     │ claude --print│◄── subprocess ──┐      │
     │ cursor --chat │                 │      │
     └──────────────┘                  │      │
                        ┌──────────────┴──────┴──┐
                        │      mcp-dashboard      │
                        │  (persistent connections │
                        │   + AI chat + agentic)   │
                        └─────┬───────┬───────┬────┘
                              │       │       │
                     stdio    │  stdio│  HTTP │
                              │       │       │
                        ┌─────▼─┐ ┌───▼───┐ ┌─▼──────────┐
                        │Server │ │Server │ │Remote Server│
                        │  (A)  │ │  (B)  │ │    (C)      │
                        └───────┘ └───────┘ └─────────────┘

连接 --生成stdio服务器或打开HTTP连接
初始化 --MCP握手超时15秒
发现 --并行查询工具、资源和提示
监视器 --每10秒对现有连接进行一次健康检查
捕捉 --实时从子进程流式传输stderr
检测 --每500毫秒轮询一次服务器死亡，标记为错误
聊天 --流式传输AI响应，注入MCP上下文，代表AI执行工具

内置于 rmcp （MCP协议）和骑（终端UI）。

贡献

欢迎捐款。请先打开一个问题，讨论您想更改的内容。

git clone https://github.com/NicksLameCode/mcp-dashboard.git
cd mcp-dashboard
cargo run

许可证

根据以下任一方式获得许可 Apache许可证2.0 或 MIT许可证由您选择。