Hardware-Probe：面向AI与高性能计算的深度硬件诊断与LLM优化工具

一款MCP协议服务器，提供超越简单规格表的深度系统洞察，专为AI推理、游戏和高性能计算场景设计，支持实时性能监控、热力学诊断和本地LLM运行优化。

在AI本地推理、游戏和高性能计算场景下，硬件性能的瓶颈往往隐藏在表面规格之下。用户常常面临这样的困惑：为什么我的高端显卡运行LLM时速度不理想？为什么系统会莫名其妙地变慢？传统的系统监控工具只能提供表层信息，难以深入诊断真正的问题根源。

yamaru-eu/hardware-probe 项目应运而生，它是一个基于Model Context Protocol（MCP）协议构建的专家级硬件探查与性能诊断引擎，旨在为开发者和高级用户提供超越简单规格表的深度系统洞察。

该项目能够全面分析系统的各个关键组件：

• CPU分析：详细检测处理器型号、核心数、频率、架构特性
• 内存诊断：RAM容量、频率、通道配置、延迟参数
• GPU深度检测：不仅识别显卡型号，更深入分析VRAM容量、显存带宽、CUDA核心数/流处理器数量
• 存储拓扑：硬盘类型、接口速度、SMART健康状态
• 操作系统环境：驱动版本、运行时库、系统配置

区别于静态的硬件信息采集，hardware-probe支持动态监控系统负载：

• 实时追踪CPU、GPU、内存的使用率变化
• 识别资源占用最高的进程
• 检测I/O瓶颈和存储性能衰减
• 分析内存压力（Memory Pressure）和驻留集大小（RSS）

这是该工具最具特色的功能之一。许多用户遇到的"性能神秘下降"问题，往往源于热节流（Thermal Throttling）：

• 实时监测CPU/GPU温度状态
• 检测频率降频（Frequency Clipping）现象
• 分析风扇转速与散热效率
• 识别因过热导致的性能损失

针对当前热门的本地大语言模型（LLM）推理场景，hardware-probe提供了专门的优化工具：

• LLM兼容性检测：预测特定模型在当前硬件上的运行表现
• 量化适配计算：帮助用户确定最佳的模型量化方案（如4-bit、8-bit）
• 运行时优化建议：针对Ollama、CUDA、Metal等不同推理框架的配置调优
• 推理配置分析：深度检查AI运行时环境变量和配置参数

hardware-probe采用Model Context Protocol（MCP）作为底层通信协议，这意味着它可以无缝集成到支持MCP的AI助手和开发工具中。目前官方支持：

• Gemini CLI：通过gemini extension install @yamaru-eu/hardware-probe一键安装
• Claude Desktop：配置MCP服务器设置即可使用
• 其他MCP兼容工具：通过标准MCP配置接入

该项目暴露了多个功能强大的工具接口，供AI助手调用：

工具名称	功能描述
analyze_local_system	执行完整的硬件清单扫描
analyze_performance	获取实时性能指标和顶级进程
analyze_ram_pressure	深度内存压力和RSS分析
check_storage_health	磁盘SMART健康检查和I/O瓶颈分析
thermal_profile	CPU/GPU热状态、风扇速度和频率节流检测
diagnose_antivirus_impact	检测EDR/杀毒软件冲突和开发路径排除覆盖
monitor_system_health	指定时长内的统计健康报告（最小/最大/平均值）
check_llm_compatibility	预测特定LLM模型的性能表现（Beta）
get_llm_recommendations	推荐最适合本地运行的模型（Beta）
analyze_inference_config	深度分析AI运行时和配置环境