人間向けAI エージェント向け

JProfiler – No.1のJavaプロファイラー
AIエージェントのためにClaude Code向けCodex向けCursor向けOpenCode向けAIエージェントのために

あなたのAIエージェントはコードを読むことができます。JProfilerなら、その実行の様子まで見ることができます。

PowerShellで次のコマンドを実行します：

irm https://www.ej-technologies.com/jprofiler/mcp/install.ps1 | iex

ターミナルで次のコマンドを実行します：

curl -fsSL https://www.ej-technologies.com/jprofiler/mcp/install.sh | sh

Node.jsのインストールが必要です。使用するエージェントを選択し、以下の手順に従ってください。

Claude Codeで次のコマンドを実行します：

claude mcp add jprofiler -- npx -y @ej-technologies/jprofiler-mcp@latest

Claude DesktopでSettings → Developer → Edit Configを開いて設定ファイルを表示し、次の内容を追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

IDEでCline拡張機能を開き、MCP Serversアイコンをクリックします。次にConfigure MCP Serversをクリックして設定ファイルを開き、以下の内容を追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

次のコマンドを実行します：

codex mcp add JProfiler -- npx -y @ej-technologies/jprofiler-mcp@latest

CursorでSettings → Tools & MCPs → Add Custom MCPに移動し、次の設定を追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

次の内容を ~/.gemini/config/mcp_config.json に追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

JetBrains IDEで設定します：

Tools → Junie → MCP Settingsに移動し、次の内容で新しいサーバーを追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

次の内容を ~/.junie/mcp/mcp.json に追加します：

{
  "mcpServers": {
    "JProfiler": {
      "command": "npx",
      "args": ["-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

次の内容を ~/.config/opencode/opencode.json に追加します：

{
  "mcp": {
    "JProfiler": {
      "type": "local",
      "command": ["npx", "-y", "@ej-technologies/jprofiler-mcp@latest"]
    }
  }
}

JProfilerをすでにインストールしている場合は、UIから直接統合を設定できます。

JProfilerを開き、セッション → AIエージェント統合に移動して使用するエージェントを選択すると、JProfilerが自動的に設定を行います。

エージェント型コーディングホワイトペーパー

エージェント型開発ワークフローにおけるプロファイリング：ランタイム機能、実測結果、ベストプラクティス。

ツールとリソースのリファレンス

JProfiler MCPサーバーのすべてのツールとリソースを、エージェントから見えるそのままの形で掲載。生のMarkdown形式でも利用できます。

AIデータの取り扱い

エージェントがJProfilerを使用する際にAIプロバイダーへ流れるデータの内容と、エンタープライズデータの封じ込めが適用される仕組み。

エージェントがJProfilerでできること

ランタイムデータがなければ、エージェントはソースコードからパフォーマンスの問題を推測することしかできません。JProfilerがあれば、時間とメモリが実際にどこで費やされているかを測定し、修正が機能したことを検証できます。

本当のホットスポットを突き止める

ソースコードのレビューでは、誤ったメソッドに行き着くことがよくあります。サンプリングによるCPUデータ、コールツリー、バックトレースが、時間が実際にどこで費やされているかをエージェントに示します。

GUIなしでヒープダンプを解析

エージェントはEclipse MATやプロファイラのUIを開けません。JProfilerのヒープ解析は、HPROFダンプを対象とした照会可能なビューを提供します。最大オブジェクト、保持サイズ、GCルートへのパス、インスタンス数を確認できます。

ソースレビューでは見つからないJDBCとJPAのパターンを検出

コード上では無害に見えるクエリも、リフレッシュサイクルごとに580回実行されれば問題になり得ます。データベースプローブによる呼び出し回数と集計済みの実行データから、エントリごとの個別クエリ、N+1パターン、冗長なチェックが見えてきます。

時々遅くなる呼び出しを捉える

平均では高速でも、100回に1回だけ遅くなる呼び出しがあります。外れ値検出は、最大値が平均から大きく乖離したメソッドを特定し、例外的実行のレコーディングにより、最も遅い呼び出しを個別に展開できる状態で保持します。そのためエージェントは、合成された平均ではなく、単一の遅い実行を解析できます。

曲線あてはめでアルゴリズムの計算量を証明

このメソッドはペイロードサイズに対してO(n²)なのか?エージェントは、ソースコードからビッグオーを巡って議論する代わりに、実測の(入力サイズ、時間)データ点と曲線あてはめを受け取り、測定に基づいて判定できます。

エージェントに独自のプローブを記述させる

組み込みプローブで問題をカバーできない場合、エージェントはスクリプトプローブを定義します。これはメソッド呼び出しごとに計算され、実行中のJVMにプッシュされる軽量なインストゥルメンテーションであり、アプリケーションのコード、ビルド、デプロイを一切変更する必要がありません。

…その他にも多くの機能

LLM と AI 呼び出しのコストを測定

エージェント型アプリケーション向けのコンテキスト対応メトリクス：LLM 呼び出しのレイテンシ、トークン使用量、AI プローブイベントが、エージェントによるコストの最小化とモデルパフォーマンスの最適化を支援します。

修正の効果を証明

修正前と修正後のプロファイリング実行およびスナップショット比較により、エージェントが測定、修正の適用、結果の検証までを行います。

デッドロックとロック競合の診断

モニタ統計、競合のタイムライン、スタックトレース付きのロック履歴、ロック順序の反転を示すグラフに加え、稼働中の JVM からのモニタダンプによりデッドロックを分析できます。

Docker や Kubernetes 上の JVM をプロファイリング

コンテナ化された JVM は、エージェントを手動でセットアップすることなく直接選択できます。コンテナ内からのヒープダンプや CPU データも、追加設定なしで利用できます。

本番環境の JFR 記録を分析

稼働中のシステムから取得した低オーバーヘッドの JFR スナップショットを、JProfiler の全機能を活かして分析します。事後調査に最適です。

オンデマンドでヒープダンプ、スレッドダンプ、モニタダンプを取得

仮想スレッドの階層構造を含め、稼働中の JVM に対してポイントインタイムの操作を実行できます。MBean スナップショットや記録の制御もライブアクションとして利用できます。

アロケーションのホットスポットを特定

スタックトレース付きのアロケーション記録でメモリ負荷の発生源を特定でき、ヒープダンプにはオブジェクトごとのアロケーションサイトが含まれています。

GC 一時停止の分析

個々のガベージコレクションについて、原因、停止時間、各フェーズ、コレクション前後のヒープ使用量を確認でき、GC の完全な設定も取得できます。

トリガーによる一時的な状態の取得

ヒープの急増などの一時的な状態を自動的に記録します。条件がトリガーされると、スレッドダンプ、ヒープダンプ、MBean スナップショットが取得されます。

ブログで読むエージェント開発

JProfiler がヒープダンプを AI エージェントにとって有用なものにする

2026-11-04

JProfiler MCPサーバーを弱いモデルに対して堅牢にする

2026-07-28

JProfiler MCPでjclasslibのパフォーマンスを2倍にした方法

2026-04-24

JProfiler 16.1: AIエージェントがJavaアプリケーションをプロファイリングできるようになりました

2026-04-09

AIのプロファイリング：LangChain4jとSpring AI

2026-03-04

JProfiler 16: エージェント型Javaアプリケーションのプロファイリング

2026-02-27

ブログでは、AI エージェントに関するすべての記事を絞り込んだ一覧を直接ご覧いただけます。

PDFエクスポートが遅いのはなぜですか?

JProfilerquery(performance.hotspots)

FontMapper.mapGlyph   41.2% (self 38.9%)
└─ HashMap.put        32.7%

本当のホットスポットを突き止める

Solrのコンテナが何度もメモリ不足に陥ります

JProfilercreate_heap_dump() → query(heap.biggestObjects)

QueryResponseCache   retained 151 MB
                     62% of the heap

GUIなしでヒープダンプを解析

フィードの更新が遅いのですが、データベースが原因でしょうか?

JProfilerquery(performance.hotspots, subsystem = "jdbc")

findExisting(guidHash)   580 calls
for 200 unique entries · 141 ms total

ソースレビューでは見つからないJDBCとJPAのパターンを検出

/api/searchが時々遅くなるのはなぜですか?

JProfilerquery(performance.outliers)

SearchService.query   avg 3.1 ms
                      max 243 ms

時々遅くなる呼び出しを捉える

このパーサーのメソッドは、本当に2次の計算量なのでしょうか?

JProfilerquery(complexity.methods)

ClassFile.read   t ≈ 4.2 µs · n²
                 R² = 0.98

曲線あてはめでアルゴリズムの計算量を証明

注文タイプごとに、注文処理にはどのくらい時間がかかりますか?

JProfilerprepare_profiling(scriptProbes = […])

script:"Order processing"   recorded
3 payload hot spots available

エージェントに独自のプローブを記述させる

どの LLM 呼び出しが最も多くのトークンを消費していますか？

JProfilerquery(performance.hotspots, subsystem = "ai", metric = "tokens")

summarize (gpt-4o)   12.4k tokens
                     38 calls

LLM と AI 呼び出しのコストを測定

この修正は本当に効果がありましたか？

JProfilerload_snapshot("after.jps", "before.jps")

guidHash   580 → 400 calls
           −47% total time

修正の効果を証明

テストが数回に一度ハングアップします。ロックに問題があるのでしょうか？

JProfilerquery(monitor.graph)

orderService.lock → inventory.lock
↔ reverse order taken in restock()

デッドロックとロック競合の診断

ウェブショップコンテナ内の JVM をプロファイリングしてください

JProfilerlist_jvms("webshop")

2 JVMs found in container "webshop"
ready to attach

Docker や Kubernetes 上の JVM をプロファイリング

昨夜の障害で取得したこの JFR 記録を分析してください

JProfilerload_snapshot("order-service.jfr")

JFR snapshot loaded
14 datasets available

本番環境の JFR 記録を分析

負荷をかけるとアプリがハングします。スレッドは何をしているのでしょうか？

JProfilerattached_action("threadDump")

347 threads · 41 virtual
38 parked at OrderQueue.take()

オンデマンドでヒープダンプ、スレッドダンプ、モニタダンプを取得

激しいメモリの出入りはどこで発生しているのでしょうか？

JProfilerquery(allocation.hotspots)

byte[]   1.2 GB · 68%
└─ JsonParser.read

アロケーションのホットスポットを特定

アプリが数分おきにカクつくのはなぜですか？

JProfilerquery(gc.collections)

G1 young pause   212 ms
cause: humongous allocation

GC 一時停止の分析

メモリが 85% を超えたらヒープダンプを取得してください

JProfilerprepare_profiling(triggers = […])

trigger armed:
heap threshold 85% → heap dump

トリガーによる一時的な状態の取得

JProfiler – No.1のJavaプロファイラーAIエージェントのためにClaude Code向けCodex向けCursor向けOpenCode向けAIエージェントのために

エージェント型コーディング ホワイトペーパー

ツールとリソースのリファレンス

AIデータの取り扱い

エージェントがJProfilerでできること

本当のホットスポットを突き止める

GUIなしでヒープダンプを解析

ソースレビューでは見つからないJDBCとJPAのパターンを検出

時々遅くなる呼び出しを捉える

曲線あてはめでアルゴリズムの計算量を証明

エージェントに独自のプローブを記述させる

…その他にも多くの機能

ブログで読むエージェント開発

JProfiler – No.1のJavaプロファイラー
AIエージェントのためにClaude Code向けCodex向けCursor向けOpenCode向けAIエージェントのために

エージェント型コーディングホワイトペーパー