首个Looking Glass模型上下文协议(MCP)服务器!🎉
Looking-Glass-MCP是一款革命性的MCP服务器,通过Looking Glass(LG)视点提供网络探测能力。该工具允许您使用简单、标准化的接口从多个全球位置执行网络诊断和测量。
lg_probing_user_defined使用特定的LG视点列表向目标IP发送探测命令。
参数:
vp_id_list:Looking Glass视点标识符列表cmd:命令类型(ping,show ip bgp,traceroute)target_ip:探测的目标IP地址lg_probing_auto_select使用自动选择的视点发送探测命令。
参数:
vp_num:要使用的视点数量cmd:命令类型(ping,bgp,traceroute)target_ip:探测的目标IP地址list_all_lgs获取所有可用的Looking Glass视点信息。
pip install -r requirements.txt
此示例演示如何使用Looking-Glass-MCP进行CDN性能优化,通过分析到Google DNS服务(8.8.8.8)的网络性能来实现。
# 获取所有可用的Looking Glass视点
result = await list_all_lgs()
我们选择了5个不同的全球位置进行全面分析:
# 从5个全球位置运行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"
)
<details> <summary><strong>🤖 LLM分析输出</strong>(点击展开)</summary>📊 示例输出:以下分析是由LLM使用Looking-Glass-MCP工具的结果自动生成的。这展示了AI如何将原始网络数据转化为可操作的业务洞察。
| 地点 | 国家 | 平均延迟 | 数据包丢失率 | 性能评分 |
|---|---|---|---|---|
| 西雅图,美国 | 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 |
| 悉尼,澳大利亚 | 澳大利亚 | ~0.54ms | 0% | ⭐⭐⭐⭐⭐ 杰出 |
| 巴西(科帕卡巴纳) | 巴西 | ~19.8ms | 0% | ⭐⭐⭐ 良好 |
最佳性能:
路由分析:
BGP智能:
立即行动:
战略建议:
预期影响:
💡 关键见解:此示例展示了如何利用Looking-Glass-MCP使AI助手能够自动分析复杂的网络数据,并提供可操作的业务建议——将原始技术指标转化为战略洞察。
此Looking Glass MCP工具适用于:
结合Looking Glass的力量和MCP的标准化接口,使得网络分析对于任何需要全球网络情报的应用变得易于操作和实用。