JProfiler，排名第一的 Java 性能分析工具
为您的 AI 代理适用于 Claude Code适用于 Codex适用于 Cursor适用于 OpenCode为您的 AI 代理

您的 AI 智能体能读懂您的代码。借助 JProfiler，它还能看到代码的运行过程。

在 PowerShell 中运行此命令：

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

在终端中运行此命令：

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

需要先安装 Node.js。请选择您的智能体，并按照以下说明操作。

在 Claude Code 中运行此命令：

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

在 Claude Desktop 中，依次前往 Settings → Developer → Edit Config 打开您的配置文件，然后添加以下内容：

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

在 IDE 中打开 Cline 扩展，点击 MCP Servers 图标。点击 Configure MCP Servers 打开设置文件，然后添加以下内容：

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

运行此命令：

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

在 Cursor 中，依次前往 Settings → Tools & MCPs → Add Custom MCP，然后添加以下配置：

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

将以下内容添加到 ~/.gemini/config/mcp_config.json：

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

在您的 JetBrains IDE 中进行配置：

前往 Tools → Junie → MCP Settings，然后添加一个包含以下内容的新服务器：

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

将以下内容添加到 ~/.junie/mcp/mcp.json：

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

将以下内容添加到 ~/.config/opencode/opencode.json：

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

如果您已经安装了 JProfiler，即可直接通过其用户界面配置集成。

打开 JProfiler，前往会话 → AI 智能体集成，选择您的智能体，JProfiler 将自动完成配置。

智能体编码白皮书

智能体开发工作流中的性能分析：运行时能力、实测结果与最佳实践。

工具与资源参考

JProfiler MCP 服务器的全部工具与资源，与智能体所见完全一致。另提供原始 Markdown 版本。

AI 数据处理

智能体使用 JProfiler 时会向 AI 服务提供商传输哪些数据，以及企业数据管控机制如何发挥作用。

您的智能体可以用 JProfiler 做什么

没有运行时数据，智能体只能凭源代码猜测性能问题。有了 JProfiler，它就能实测时间和内存究竟消耗在哪里，并验证修复是否奏效。

找到真正的热点

源代码审查往往会指向错误的方法。采样得到的 CPU 数据、调用树和反向跟踪会向您的智能体展示时间究竟消耗在了哪里。

无需图形界面即可分析堆转储

智能体无法打开 Eclipse MAT 或性能分析工具的图形界面。JProfiler 的堆分析为 HPROF 转储提供可查询的视图：最大对象、保留大小、通往 GC 根的路径以及实例数量。

发现源代码审查遗漏的 JDBC 和 JPA 模式

在代码中看似无害的查询，一旦每个刷新周期执行 580 次，就可能成为问题。数据库探针提供的调用次数和聚合执行统计，使逐条查询、N+1 模式和冗余检查清晰可见。

捕获偶发的慢调用

有些调用平均而言很快，但偶尔一次运行会特别慢。离群检测能找出最大值与平均值偏差悬殊的方法，而异常执行记录会将最慢的调用单独保留并支持逐个展开，让您的智能体可以分析单次缓慢的执行，而不是只看到合并后的平均值。

用曲线拟合证明算法复杂度

这个方法相对于载荷大小是否为 O(n²)？您的智能体会获得实测的（输入规模、耗时）数据点并进行曲线拟合，而不是仅凭源代码对 Big-O 争论不休。

让智能体编写自己的探针

当内置探针无法覆盖问题时，智能体可以定义脚本探针：一种轻量级插桩，在每次方法调用时进行计算并推送到运行中的 JVM，无需更改应用程序的代码、构建或部署。

……以及更多功能

度量 LLM 和 AI 调用成本

面向智能体应用的上下文感知指标：LLM 调用延迟、token 用量和 AI 探针事件可帮助您的智能体最大限度地降低成本并优化模型性能。

证明修复确实有效

通过修改前后的剖析运行和快照对比，智能体会进行测量、实施修复并验证结果。

诊断死锁和锁争用

借助监视器统计信息、争用时间线、带堆栈跟踪的锁定历史、锁顺序反转图以及来自运行中 JVM 的监视器转储进行死锁分析。

剖析 Docker 和 Kubernetes 中的 JVM

可直接选择容器化的 JVM，无需手动配置 agent。来自容器内部的堆转储和 CPU 数据开箱即用。

分析来自生产环境的 JFR 记录

来自运行中系统的低开销 JFR 快照可以借助 JProfiler 的全部功能进行分析，非常适合事后排查。

按需获取堆、线程和监视器转储

对运行中的 JVM 执行即时时间点操作，包括查看虚拟线程层次结构。MBean 快照和录制控制同样可以作为实时操作执行。

查找分配热点

带堆栈跟踪的分配记录可显示内存压力来自何处，堆转储中则包含每个对象的分配位置。

分析 GC 暂停

每次垃圾回收都带有触发原因、暂停时间、各阶段以及回收前后的堆使用情况，外加完整的 GC 配置。

使用触发器捕获瞬态状态

堆内存激增和其他瞬态状态会被自动记录：一旦条件满足，触发器就会采集线程转储、堆转储和 MBean 快照。

博客中的智能体开发

JProfiler 让 AI 智能体得以有效利用堆转储

2026-11-04

让 JProfiler MCP 服务器对较弱模型更加稳健

2026-07-28

我如何借助 JProfiler MCP 让 jclasslib 的性能翻倍

2026-04-24

JProfiler 16.1：AI 智能体现在可以对您的 Java 应用程序进行性能分析

2026-04-09

AI 剖析：LangChain4j 与 Spring AI

2026-03-04

JProfiler 16：智能体 Java 应用性能分析

2026-02-27

在博客中可直接查看经过筛选的全部 AI 智能体相关博文列表。

为什么 PDF 导出这么慢？

JProfilerquery(performance.hotspots)

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

找到真正的热点

Solr 容器总是内存不足

JProfilercreate_heap_dump() → query(heap.biggestObjects)

QueryResponseCache   retained 151 MB
                     62% of the heap

无需图形界面即可分析堆转储

Feed 刷新很迟缓，是数据库的问题吗？

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

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

发现源代码审查遗漏的 JDBC 和 JPA 模式

为什么 /api/search 偶尔很慢？

JProfilerquery(performance.outliers)

SearchService.query   avg 3.1 ms
                      max 243 ms

捕获偶发的慢调用

这个解析器方法真的是二次复杂度吗？

JProfilerquery(complexity.methods)

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

用曲线拟合证明算法复杂度

每种订单类型的订单处理需要多长时间？

JProfilerprepare_profiling(scriptProbes = […])

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

让智能体编写自己的探针

哪些 LLM 调用消耗的 token 最多？

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

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

度量 LLM 和 AI 调用成本

我的修复真的有效吗？

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

guidHash   580 → 400 calls
           −47% total time

证明修复确实有效

测试每隔几次运行就卡住，是否存在锁问题？

JProfilerquery(monitor.graph)

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

诊断死锁和锁争用

剖析 webshop 容器中的 JVM

JProfilerlist_jvms("webshop")

2 JVMs found in container "webshop"
ready to attach

剖析 Docker 和 Kubernetes 中的 JVM

分析昨晚故障期间录制的这份 JFR 记录

JProfilerload_snapshot("order-service.jfr")

JFR snapshot loaded
14 datasets available

分析来自生产环境的 JFR 记录

应用程序在高负载下挂起了，线程都在做什么？

JProfilerattached_action("threadDump")

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

按需获取堆、线程和监视器转储

这些频繁的内存变动究竟来自哪里？

JProfilerquery(allocation.hotspots)

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

查找分配热点

为什么应用程序每隔几分钟就会卡顿一下？

JProfilerquery(gc.collections)

G1 young pause   212 ms
cause: humongous allocation

分析 GC 暂停

当内存占用超过 85% 时捕获堆转储

JProfilerprepare_profiling(triggers = […])

trigger armed:
heap threshold 85% → heap dump

使用触发器捕获瞬态状态

JProfiler，排名第一的 Java 性能分析工具为您的 AI 代理适用于 Claude Code适用于 Codex适用于 Cursor适用于 OpenCode为您的 AI 代理

智能体编码白皮书

工具与资源参考

AI 数据处理

您的智能体可以用 JProfiler 做什么

找到真正的热点

无需图形界面即可分析堆转储

发现源代码审查遗漏的 JDBC 和 JPA 模式

捕获偶发的慢调用

用曲线拟合证明算法复杂度

让智能体编写自己的探针

……以及更多功能

博客中的智能体开发

JProfiler，排名第一的 Java 性能分析工具
为您的 AI 代理适用于 Claude Code适用于 Codex适用于 Cursor适用于 OpenCode为您的 AI 代理