🔌
MCP工具

ingero

基于 C · 让 AI 助手直接操作你的系统与工具
⭐ 82 Stars 🍴 11 Forks 💻 C 📄 Apache-2.0 🏷 AI 7.1分
7.1AI 综合评分
mcpcausal-tracingcudacuda-graphsebpfgpuc
✦ AI Skill Hub 推荐

ingero 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.1 分,整体质量较高。我们推荐使用将其纳入你的 AI 工具库,帮助提升工作效率。

📚 深度解析
ingero 是一款基于 MCP(Model Context Protocol)标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源,旨在建立 AI 模型与外部工具之间的标准化通信接口,目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装 ingero,你的 AI 助手将获得额外的工具调用能力,可以用自然语言直接操控该工具的功能,无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置,永久增强"——配置完成后,每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上,MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信,工具的功能以"工具列表"的形式暴露给 AI 模型,AI 可以按需调用。ingero 提供了结构化的工具调用接口,使 AI 模型能够精确地理解和使用每个功能点,显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比,MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON,即可让 AI 获得全新能力。AI Skill Hub 将 ingero 评为 AI 评分 7.1 分,属于同类工具中的优质选择。
📋 工具概览

ingero 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

GitHub Stars
⭐ 82
开发语言
C
支持平台
Windows / macOS / Linux
维护状态
轻量级项目,按需更新
开源协议
Apache-2.0
AI 综合评分
7.1 分
工具类型
MCP工具
Forks
11
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理,如需查看完整原始文档请访问底部「原始来源」。

ingero 是一款遵循 MCP(Model Context Protocol)标准协议的 AI 工具扩展。通过 MCP 协议,它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务,实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用,都可以通过自然语言在 AI 对话中直接触发,极大提升生产效率。

📌 核心特色
  • 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
  • 提供结构化工具调用接口,显著降低 AI 集成复杂度
  • 支持 Claude Desktop 和 Claude Code 无缝接入,开箱即用
  • 可与其他 MCP 工具组合叠加,构建完整 AI 工作站
  • 轻量无侵入设计,不影响现有系统架构
🎯 主要使用场景
  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站
以下安装命令基于项目开发语言和类型自动生成,实际以官方 README 为准。
安装命令
# 方式一:通过 Claude Code CLI 一键安装
claude skill install https://github.com/ingero-io/ingero

# 方式二:手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "ingero": {
      "command": "npx",
      "args": ["-y", "ingero"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
  1. 确认已安装 Node.js(v18 或以上版本)
  2. 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
  3. 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
  4. 保存配置文件并重启 Claude 客户端
  5. 重启后,在对话中即可使用本工具
以下用法示例由 AI Skill Hub 整理,涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用
# 示例:
用户: 请帮我用 ingero 执行以下任务...
Claude: [自动调用 ingero MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入:"列出所有可用的 MCP 工具"
以下配置示例基于典型使用场景生成,具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "ingero": {
      "command": "npx",
      "args": ["-y", "ingero"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效
📑 README 深度解析 真实文档 完整度 51/100 查看 GitHub 原文 →
以下内容由系统直接从 GitHub README 解析整理,保留代码块、表格与列表结构。

Ingero - GPU Causal Observability

Go Report Card License GitHub Release CI MCP

Featured in: awesome-ebpf · awesome-observability · awesome-opentelemetry · awesome-sre-tools · awesome-sre-agents · awesome-cloud-native · awesome-profiling · Awesome-GPU · awesome-gpu-engineering · awesome-helm · awesome-platform-engineering · awesome-k8s-tools · awesome-mcp-servers · awesome-devops-mcp-servers · MCP Registry · Glama · mcpservers.org

Version: 0.18.0

The only GPU observability tool your AI assistant can talk to.

"What caused the GPU stall?" → "forward() at train.py:142 - cudaMalloc spiking 48ms during CPU contention. 9,829 calls, 847 scheduler preemptions."

Ingero is a production-grade eBPF agent that traces the full chain - from Linux kernel events through CUDA API calls to your Python source lines - with <2% overhead, zero code changes, and one binary.

<img src="docs/assets/readme-demo-incident.gif" width="800" alt="ingero demo incident — CPU contention causes GPU latency spike, full causal chain diagnosis with root cause and fix recommendation">

Live eBPF tracing (requires privileges + kernel mounts)

docker run --rm --privileged --pid=host \ -v /sys/kernel/debug:/sys/kernel/debug \ -v /sys/kernel/btf:/sys/kernel/btf:ro \ -v /var/lib/ingero:/var/lib/ingero \ ghcr.io/ingero-io/ingero trace --record


Minimum capabilities (alternative to `--privileged`): `--cap-add=BPF --cap-add=PERFMON --cap-add=SYS_ADMIN`.

> **Note:** eBPF tracing (`trace`, `demo --gpu`) requires `--privileged --pid=host` plus the kernel volume mounts shown above. Without these, only unprivileged commands work (`demo --no-gpu`, `check`, `version`, `explain`, `query`). The `--pid=host` flag shares the host's `/proc`  -  do **not** also bind-mount `-v /proc:/proc:ro` as this causes OCI runtime errors on Docker Desktop and WSL2.

**Data persistence:** The container stores the SQLite database at `/var/lib/ingero/ingero.db` by default. Mount `-v /var/lib/ingero:/var/lib/ingero` to persist data after the container stops. Without this mount, **all trace data is lost** when the container exits.

**Multiple databases:** Use `--db` or the `INGERO_DB` env var to work with different databases:
bash

Quick setup: install all build dependencies (Go, clang, llvm) on Ubuntu 22.04/24.04

curl -fsSL https://raw.githubusercontent.com/ingero-io/ingero/main/scripts/install-deps.sh | bash

Requires clang-14, Linux kernel with BTF

git clone https://github.com/ingero-io/ingero.git cd ingero make # generates eBPF bindings, builds, tests, and lints - single command sudo make install # optional - copies binary to /usr/local/bin/ingero # or just use ./bin/ingero directly, or: alias ingero=$PWD/bin/ingero ```

Requirements

  • Linux kernel 5.15+ with BTF (CONFIG_DEBUG_INFO_BTF=y)
  • NVIDIA driver 550+ with CUDA 11.x, 12.x, or 13.x
  • Root / CAP_BPF + CAP_PERFMON (eBPF requires elevated privileges)
  • Tested on: GH200, H100, A100, A10, RTX 4090, RTX 3090 (x86_64 and aarch64)

Install (Linux amd64; arm64 / Docker / source variants are below)

ingero-version:install-curl product=ingero channel=stable

VERSION=0.18.0 curl -fsSL "https://github.com/ingero-io/ingero/releases/download/v${VERSION}/ingero_${VERSION}_linux_amd64.tar.gz" | tar xz sudo mv ingero /usr/local/bin/

Install

ingero-version:install-archive-amd64 product=ingero channel=stable

VERSION=0.18.0 curl -fsSL "https://github.com/ingero-io/ingero/releases/download/v${VERSION}/ingero_${VERSION}_linux_amd64.tar.gz" | tar xz sudo mv ingero /usr/local/bin/

ingero-version:install-archive-arm64 product=ingero channel=stable

VERSION=0.18.0 curl -fsSL "https://github.com/ingero-io/ingero/releases/download/v${VERSION}/ingero_${VERSION}_linux_arm64.tar.gz" | tar xz sudo mv ingero /usr/local/bin/ ```

Docker Image

Multi-arch images (amd64 + arm64) are published to GHCR on every release:

```bash

ingero-version:docker-pull-example product=ingero channel=stable

docker pull ghcr.io/ingero-io/ingero:v0.18.0

ingero-version:docker-build-arg product=ingero channel=stable

docker build -f deploy/docker/Dockerfile \ --build-arg VERSION=0.18.0 \ --build-arg COMMIT=$(git rev-parse --short HEAD) \ --build-arg BUILD_DATE=$(date -u +%Y-%m-%dT%H:%M:%SZ) \ -t ingero:local . ```

GHCR images have version info baked in automatically via GoReleaser. See deploy/docker/Dockerfile for details.

Build from Source

```bash

Reference

TopicLink
Full command reference (all 10 commands, every flag, output samples)[docs/commands.md](docs/commands.md)
Architecture (single-node + cluster modes, ASCII diagram, pipeline stages)[docs/architecture.md](docs/architecture.md)
Multi-node cluster deployment (K8s / bare-metal / Docker)[docs/quickstart_fleet.md](docs/quickstart_fleet.md)
Stack tracing deep-dive (Python walker selection, JSON output, ptrace troubleshooting)[docs/stack_tracing.md](docs/stack_tracing.md)
OTLP / Prometheus integration (transport, metric names, compatibility)[docs/otlp.md](docs/otlp.md)
Full 25-problem detection catalog[docs/detections.md](docs/detections.md)
AI investigation walkthrough (real session on A100 + GH200)[docs/ml_eng_sample_investigation_session.md](docs/ml_eng_sample_investigation_session.md)
Fleet ingero fleet-push subcommand[docs/push_fleet.md](docs/push_fleet.md)
Multi-node remediation protocol (PoC, experimental)[docs/remediation-protocol_fleet.md](docs/remediation-protocol_fleet.md)
Test matrix[docs/test_matrix.md](docs/test_matrix.md)

Integrations

IntegrationWhat it doesReference
**MCP server** (AI agents)ingero mcp exposes 10 tools + a /investigate prompt to any MCP-compatible client (Claude Code, Cursor, Ollama). Stdio or HTTPS / TLS 1.3.[docs/commands.md#ingero-mcp](docs/commands.md#ingero-mcp)
**OTLP / Prometheus**--otlp HOST:PORT (HTTP JSON) or --prometheus :PORT (pull). Standard semantic conventions; compatible with OTel Collector, Grafana Alloy / Cloud, Datadog, New Relic.[docs/otlp.md](docs/otlp.md)
**Browser dashboard**ingero dashboard serves an HTTPS dashboard backed by the SQLite trace DB. Live ops / chains / snapshots.[docs/commands.md#ingero-dashboard](docs/commands.md#ingero-dashboard)
**Multi-node cluster**Real-time cluster-wide straggler detection via the Ingero Fleet collector. Agents push OTLP via ingero fleet-push. K8s / bare-metal / Docker.[docs/quickstart_fleet.md](docs/quickstart_fleet.md)
**Perfetto / Chrome tracing**ingero export --format perfetto produces a timeline you open in [ui.perfetto.dev](https://ui.perfetto.dev) or chrome://tracing. One track per node / rank.[docs/commands.md#ingero-export](docs/commands.md#ingero-export)

Compare databases from different runs

docker run --rm \ -v /var/lib/ingero:/var/lib/ingero \ ghcr.io/ingero-io/ingero query --db /var/lib/ingero/training-run-41.db --since 1h

docker run --rm \ -v /var/lib/ingero:/var/lib/ingero \ ghcr.io/ingero-io/ingero query --db /var/lib/ingero/training-run-42.db --since 1h


The image is ~10 MB (Alpine 3.20 + statically linked Go binary). When building the dev Dockerfile locally, pass version info via build args:
bash

⚡ 核心功能
👥 适合人群
Claude Desktop / Claude Code 用户AI 工具开发者需要扩展 AI 能力的专业人士自动化工程师
🎯 使用场景
  • 在 Claude Desktop 对话中直接调用本地工具,实现 AI 与系统的深度联动
  • 通过自然语言驱动复杂的多步骤自动化任务,代替繁琐手动操作
  • 将多个 MCP 工具组合使用,构建个人专属 AI 工作站
⚖️ 优点与不足
✅ 优点
  • +Apache-2.0 协议,可免费商用
  • +标准化 MCP 协议,生态互联性强
  • +与 Claude 官方生态无缝对接
  • +即插即用,配置简单快捷
⚠️ 不足
  • 依赖 Claude 客户端,非 Claude 用户无法使用
  • MCP 协议仍在持续演进,接口可能变更
  • 需要一定的配置步骤
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ Apache 2.0 — 宽松开源协议,可商用,需保留版权声明和 NOTICE 文件,含专利授权条款。

🔗 相关工具推荐
❓ 常见问题 FAQ
MCP(Model Context Protocol)是 Anthropic 推出的开放协议,专门用于 AI 助手(如 Claude)调用外部工具。与普通 API 不同,MCP 提供标准化的工具描述格式,AI 可以自动理解工具功能并决定何时调用,无需人工编写大量适配代码。
💡 AI Skill Hub 点评

经综合评估,ingero 在MCP工具赛道中表现稳健,质量良好。如果你已有明确的使用需求,可以直接上手体验;如果还在评估阶段,建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 ingero
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 ingero
原始描述 开源MCP工具:eBPF agent and MCP server for GPU causal observability。⭐82 · C
Topics mcpcausal-tracingcudacuda-graphsebpfgpuc
GitHub https://github.com/ingero-io/ingero
License Apache-2.0
语言 C
🔗 原始来源
🐙 GitHub 仓库  https://github.com/ingero-io/ingero 🌐 官方网站  https://ingero.io

收录时间:2026-05-22 · 更新时间:2026-05-22 · License:Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。