Was macht perfetto-mcp-rs?
Analyse von Perfetto-Aufzeichnungen via MCP — PerfettoSQL-Abfragen sowie spezielle Chrome-Tools für Scroll-Jank, Seitenladezeiten und Haupt-Thread-Engpässe.
Perfetto-Trace-Analyse via MCP – PerfettoSQL-Abfragen sowie spezielle Chrome-Tools für Scroll-Jank, Seitenladezeiten und Haupt-Thread-Engpässe.
Dieses Skill ermöglicht es KI-Agenten (z. B. Claude Code, Cursor, Codex), Perfetto-Aufzeichnungen über das Model Context Protocol (MCP) zu analysieren. Es stellt PerfettoSQL-Abfragen sowie spezialisierte Werkzeuge für die Untersuchung von Chrome-Browser-Aufzeichnungen bereit, insbesondere für die Analyse von Scroll-Jank (Ruckeln beim Scrollen), Seitenladevorgängen und Haupt-Thread-Hotspots. Entwickler können damit tiefgehende Performance-Analysen direkt aus ihrem AI-gesteuerten Entwicklungsworkflow heraus durchführen, ohne auf separate Tools umschalten zu müssen. Der Skill ist ideal für die Performance-Optimierung von Webanwendungen und erweiterte Tracing-Szenarien.
npx skills add tooluse-labs/perfetto-mcp-rsInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Analyse von Perfetto-Aufzeichnungen via MCP — PerfettoSQL-Abfragen sowie spezielle Chrome-Tools für Scroll-Jank, Seitenladezeiten und Haupt-Thread-Engpässe.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.