金大哥 - looking-glass-mcp MCP 详情

article

README

🚀 视界镜模型上下文协议服务器（Looking-Glass-MCP）

视界镜模型上下文协议服务器（Looking-Glass-MCP）是首个此类服务器！它通过视界镜（Looking Glass，简称LG）的有利观测点提供网络探测功能，借助简洁、标准化的接口，让你能从全球多个地点开展网络诊断与测量工作。

🚀 快速开始

安装依赖项
配置你的MCP客户端以使用Looking-Glass-MCP
开启全球网络性能分析之旅！

视界镜的强大功能与MCP的标准化接口相结合，让任何需要全球网络情报的应用都能轻松进行网络分析并付诸实践。

✨ 主要特性

多观测点探测：可同时从多个视界镜观测点执行网络命令
自动选择观测点：自动为测量工作挑选最佳数量的观测点
全面的命令支持：支持ping、BGP路由查询和traceroute操作
全球覆盖：可访问全球范围内的视界镜服务器
异步操作：采用async/await构建，实现高效的并发操作
错误处理：具备强大的错误处理和超时管理机制

📦 安装指南

pip install -r requirements.txt

💻 使用示例

基础用法

此示例展示了如何使用Looking-Glass-MCP优化CDN性能，通过分析从全球多个地点到谷歌DNS服务（8.8.8.8）的网络性能来实现。

步骤1：列出可用的观测点

# 获取所有可用的视界镜观测点
result = await list_all_lgs()

步骤2：选择全球观测点

我们挑选了5个不同的全球地点进行全面分析：

美国（西雅图）：观测点ID 71 - 北美洲
瑞士：观测点ID 164 - 欧洲
新加坡：观测点ID 62 - 亚太地区
澳大利亚（悉尼）：观测点ID 125 - 大洋洲
巴西（大坎普）：观测点ID 108 - 南美洲

步骤3：执行网络探测

# 从5个全球地点运行ping测试
ping_results = await lg_probing_user_defined(
    vp_id_list=["71", "164", "62", "125", "108"],
    cmd="ping",
    target_ip="8.8.8.8"
)

# 运行traceroute分析
traceroute_results = await lg_probing_user_defined(
    vp_id_list=["71", "164", "62", "125", "108"],
    cmd="traceroute", 
    target_ip="8.8.8.8"
)

# 分析BGP路由信息
bgp_results = await lg_probing_user_defined(
    vp_id_list=["71", "164", "62", "125", "108"],
    cmd="bgp",
    target_ip="8.8.8.8"
)

步骤4：大语言模型生成的分析结果

📊 示例输出：以下分析是由大语言模型（LLM）使用Looking-Glass-MCP工具的结果自动生成的。这展示了人工智能如何将原始网络数据转化为可操作的商业见解。

🤖 大语言模型分析输出（点击展开）

🌍 全球网络性能总结

| 地点 | 国家 | 平均延迟 | 数据包丢失率 | 性能评级 | |------|------|----------|--------------|----------| | 美国西雅图 | 美国 | ~1 - 4ms | 0% | ⭐⭐⭐⭐⭐ 优秀 | | 瑞士 | 瑞士 | ~1ms | 0% | ⭐⭐⭐⭐⭐ 优秀 | | 新加坡 | 新加坡 | ~2.1ms | 0% | ⭐⭐⭐⭐⭐ 优秀 | | 澳大利亚悉尼 | 澳大利亚 | ~0.54ms | 0% | ⭐⭐⭐⭐⭐ 卓越 | | 巴西大坎普 | 巴西 | ~19.8ms | 0% | ⭐⭐⭐ 良好 |

🔍 关键发现

最佳性能：

澳大利亚（悉尼）：延迟极低（~0.54ms） - 与谷歌直接对等连接
瑞士和美国：亚毫秒到个位数毫秒的低延迟

路由分析：

澳大利亚：6跳，与谷歌基础设施直接对等连接
新加坡：4跳，谷歌边缘节点表现出色
瑞士：4跳，欧洲最佳路由
巴西：15跳以上，复杂的互联网服务提供商（ISP）路由导致延迟较高

BGP情报：

所有地点均显示AS15169（谷歌）为源
可见多条路径冗余
主要市场存在本地对等连接安排

🎯 CDN优化建议

立即行动：

优先考虑亚太地区：澳大利亚和新加坡表现出色
欧洲拓展：瑞士的性能表明连接良好
巴西改进：较高的延迟表明需要在当地设立节点

战略建议：

多CDN策略：在悉尼、新加坡和欧洲部署边缘服务器
对等连接优化：与巴西的主要ISP建立直接对等连接
性能监控：将这5个地点作为基线监控点

预期影响：

澳大利亚/新加坡：保持低于2ms的响应时间
欧洲：目标是低于5ms的响应时间
巴西：通过本地节点将延迟从20ms改善到低于10ms

💡 关键洞察：此示例展示了Looking-Glass-MCP如何使人工智能助手自动分析复杂的网络数据并提供可操作的商业建议，将原始技术指标转化为战略见解。

高级用法

此视界镜MCP工具适用于以下实际应用场景：

CDN性能优化：分析全球性能模式
网络故障排除：从多个角度识别路由问题
DDoS检测：跨观测点监控流量模式
竞争分析：与竞争对手的基础设施进行基准对比
服务级别协议（SLA）监控：在全球范围内验证服务级别协议
研究：关于互联网拓扑结构和性能的学术研究

📚 详细文档

可用工具

`lg_probing_user_defined`

使用特定的视界镜观测点列表向目标IP发送探测命令。参数：

vp_id_list：视界镜观测点标识符列表
cmd：命令类型（ping、show ip bgp、traceroute）
target_ip：探测的目标IP地址

`lg_probing_auto_select`

使用自动选择的观测点发送探测命令。参数：

vp_num：要使用的观测点数量
cmd：命令类型（ping、bgp、traceroute）
target_ip：探测的目标IP地址

`list_all_lgs`

检索所有可用的视界镜观测点信息。

要求

Python 3.13+
httpx >= 0.28.1
mcp[cli] >= 1.9.4

looking-glass-mcp