flutter_agent_lens 用 MCP 服务，将 Flutter DevTools 暴露给 AI

Flutter 的 DevTools 大家应该都用过吧？以前开发调试都会用到，但是 AI 时代来了之后，大家应该很少再打开它了吧？而这时候就有人想到了，为什么我不把 DevTool 也变成 AI 可见的东西呢？

所以这就是 flutter_agent_lens 做的事情，它是一个用 Dart 写的 MCP Server，专门为 AI 提供对正在运行的 Flutter App 的直接访问能力。

其实就是把 Dart VM Service 、 Flutter service extensions 、 MCP tool catalog 包在了一起。

简单来说，其实就是 flutter_agent_lens 可以通过 Dart VM Service 实时连接到 debug/profile 模式下的 Flutter App，同时给基于 dart_mcp 提供服务能力：

目前主要支持的模块功能有：

文件	职责
widget_handlers.dart	Widget 树、布局约束、debug overlay 开关
memory_handlers.dart	堆内存分析、内存泄漏审计、引用路径追踪
connection_handlers.dart	连接/断开/自动发现 VM Service
performance_handlers.dart	CPU profile、帧 jank 诊断、rebuild 计数
debugger_handlers.dart	断点、调用栈、表达式求值
bundle_handlers.dart	包大小分析（读本地 code-size-details.json）
network_handlers.dart	HTTP 请求记录
deeplink_handlers.dart	App Links/Universal Links 校验
logging_handlers.dart	控制台日志捕获

而总结起来，这个项目提供主要提供了 5 大类 30+ 个 tool call 支持：

• 连接与发现

  • connect_to_app / autodiscover_app / list_running_apps / disconnect / get_app_info

• 性能分析

  • diagnose_jank ： 检测超过 16.6ms 的掉帧

  • get_cpu_profile ：CPU 采样热点

  • get_widget_rebuild_counts ： Widget 重建频率统计

  • hot_reload ： 触发热重载

• 布局检查

  • inspect_layout_constraints ： Widget 约束/尺寸详情

  • toggle_layout_guidelines / toggle_repaint_rainbow / toggle_slow_animations / toggle_oversized_images / toggle_baselines / toggle_widget_selection

• 内存与调试

  • audit_class_memory_leak ： 验证 disposed 对象是否泄漏

  • diff_heap_allocations ：前后堆快照 diff

  • get_object_referrers ： 追踪对象引用链

  • eval_expression ： 在运行时求值 Dart 表达式

  • add_breakpoint / remove_breakpoint / get_call_stack / set_exception_pause_mode

• 其他

  • analyze_bundle_size ：解析 code-size-details.json

  • get_network_profile ： HTTP 请求历史

  • trigger_scroll_gesture ： 驱动 ScrollController

  • validate_deep_links ： Android App Links / iOS Universal Links 验证

项目依赖官方 vm_service 包，其实就是对 DevTools 现在功能的打包，核心数据获取走和 Flutter DevTools 一样的通道，同时支持同时返回 Markdown + JSON，AI 可以自由选择解析方式，比如：

• 调用的是 Flutter Inspector 的 ext.flutter.inspector.trackRebuildDirtyWidgets 和 widgetLocationIdMap，监听 Flutter.RebuiltWidgets extension event，然后把 location id 映射到 widget 名称和源码位置，采样 rebuild 事件并整理成 Agent 可读报告
• 粗粒度 jank 报告 ，diagnose_jank 的实现是设置 VM Timeline flags，清空 timeline，等待几秒，再读 getVMTimeline()，从 traceEvents 里找 GPURasterizer::Draw 或 Animator::BeginFrame，duration 超过 16.6ms 就算 janky frame，不是完整的 Flutter frame pipeline 归因
• 其他比如 CPU Profile、Memory / leak、Network Profile 等也可以给 AI 提供性能相关判断信息

整体来说，这就是一个在开发阶段让 AI 助手自主诊断性能、内存、布局问题，替代手动打开 DevTools 的步骤工具。

当然它不一定完全准确，但是这个思路还是挺不错的，因为现在我是真的不想去打开 DevTools，而在此之前，让 AI 直接访问 Dart VM Service / Service Extensions 调的效果一致不是很稳定，至少 AI 每次的 tool call 不是稳定的，而 flutter_agent_lens 真实补全了这个问题。

github.com/dhruvanbhal...