Arthas MCP + 远端 K8s 实战：让本地 Agent 在压测时直接分析 Java 服务
Arthas 最近放出了 MCP Server 能力。这个变化的意义，不只是“Arthas 多了一个新入口”，而是： Java 诊断能力，第一次可以被本地 Agent 以标准工具协议直接调用。 以前我们做性能测试，常见流程是这样的： 压测工具把流量打上去 我们盯着监控看 CPU、RT、GC 发现异常后，再 SSH 到机器里 attach Arthas 手工跑 thread、dashboard、trace、watch 最后把零散信息拼成结论 这个流程不是不能用，但它有两个问题： 慢：压测窗口很短，手工分析经常跟不上问题出现的节奏 碎：数据、判断和命令是割裂的，很难形成可复用流程 Arthas MCP 把这件事往前推进了一步：AI Agent 可以直接把 Arthas 当工具调用。 于是问题就变成了： 如果我的 Java 服务跑在远端 K8s 集群里，本地 Agent 怎么安全地连上远端 Arthas MCP，并在压测时参与分析？ 这篇文章我想把这件事讲透，重点回答四个问题： Arthas MCP 到底解决了什么问题 远端 K8s 场景下，链路应该怎么设计 最推荐的接入方式是什么 我如何把这件事做成一键脚本，并真正用于压测分析 一、Arthas MCP 到底是什么 根据 Arthas 官方文档，Arthas MCP Server 是 Arthas 的实验性模块，实现了基于 MCP（Model Context Protocol） 的服务端能力，通过 HTTP / Netty + JSON-RPC 2.0 对外暴露工具接口。 ...