$ loading_
监测程序CPU能耗与大模型Token用量，辅助低成本高效率重构优化。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"green-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 green-mcp 监测这个 Python 服务在重构前后的 CPU 能耗与 LLM token 用量，分别运行 10 次，输出平均值、波动范围和优化建议。
一份对比报告，包含两版程序的能耗、Token 消耗、变化幅度及是否值得继续重构的建议。
请通过 green-mcp 分析这个包含多次模型调用的脚本，找出 CPU 能耗和 token 消耗最高的函数或步骤，并按成本从高到低排序。
一份成本热点清单，指出最耗能、最耗 Token 的环节，并给出优先优化顺序。
请使用 green-mcp 测量接入非阻塞 token 代理前后，同一批请求的响应耗时、CPU 能耗与 token 统计准确性，并总结接入收益。
一份代理接入评估结果，说明性能影响、统计效果以及是否适合在生产环境启用。
提供结构化代码分析与 Git 提交智能，帮助高效理解仓库并显著节省上下文 token。
通过测量、压缩、缓存与裁剪 token，显著降低 AI API 成本且无需改提示词。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。
运行测试与静态检查并汇总错误，帮助开发者高效迭代调试并减少上下文噪音。
通过 MCP 为 AI 编码代理提供文件、Git、数据库与计算能力，提升开发自动化效率。
让 AI 全面感知本地开发环境，快速排查进程、容器与代码状态问题