lighthouse-mcp
让 AI 编程助手秒变网页性能专家，在对话中直接获取 Lighthouse 审计数据
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
让 AI 编程助手秒变网页性能专家，在对话中直接获取 Lighthouse 审计数据
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你一定遇到过这样的场景：前端开发者告诉你「这个页面加载很快」，但用户却抱怨「打开要等好几秒」。性能问题从来都是各执一词的口水仗，没有客观数据，再多的讨论也只是徒劳。
Lighthouse MCP Server 正是为解决这一痛点而生。它将 Google Lighthouse（网页性能审计的业界标准工具）封装成 MCP（Model Context Protocol）服务器，让 Claude Desktop、Cline、Cursor、Codex、GitHub Copilot 等主流 AI 编程助手直接调用，在对话中实时获取任意网页的性能指标分数。开发者无需切换工具，无需手动操作 Chrome DevTools，只需在对话中问一句「example.com 的性能评分是多少」，AI 就能自动完成 Lighthouse 审计并返回数据。
图1：Lighthouse MCP Server 工作示意（来源：项目仓库 screenshot.png）
Lighthouse 是 Google 开发的一套网页审计工具，通过 Chrome 内核模拟真实用户访问，测量页面在性能、可访问性、最佳实践、SEO、PWA 五个维度的得分（0-100 分制）。它是前端性能优化的基准工具，Google Chrome 团队维护，DevTools 内置，每年随着 Chrome 更新迭代。
但传统使用 Lighthouse 的方式是：打开 DevTools → 切换到 Lighthouse 面板 → 选择配置 → 点击分析 → 等待结果。这对于偶尔做一次性能测试来说还好，但如果要在开发迭代中持续监控，或者要在代码审查中加入性能门槛，这就成了负担。
2025 年 MCP（Model Context Protocol）生态迅速崛起，AI 编程助手的能力边界不断扩展。开发者开始用 MCP 将各种工具接入 AI——数据库查询工具、API 调用工具、文件处理工具。而 Lighthouse MCP 则是将性能测试这个垂直领域接入了 AI 对话。
项目由独立开发者 priyankark 创建（GitHub: priyankark），首个版本发布于 2025 年 4 月，定位为 AI 编程助手的性能增强工具。
MCP 是 Anthropic 主导的 AI 工具调用协议，定义了一套标准化的「AI 如何调用外部工具」的规范。服务器端注册一组工具（tools），客户端（Claude Desktop 等）看到这些工具后，可以根据用户对话内容决定调用哪个。MCP 传输层支持 stdio（标准输入输出）和 HTTP 两种模式，lighthouse-mcp 使用的是 stdio 模式——进程通过 stdin/stdout 与父进程通信，无需网络端口。
这种设计非常适合本地工具类插件：无需配置端口、无需认证、安全隔离。
源码文件仅两个：src/index.ts（主逻辑，481 行）和 src/types.d.ts（TypeScript 类型声明）。主流程非常清晰：
初始化 MCP Server：使用 @modelcontextprotocol/sdk 的 Server 类和 StdioServerTransport，注册两个工具 run_audit 和 get_performance_score。
SSRF 安全防护：在将用户提供的 URL 传给 Lighthouse 之前，代码先对 URL 做严格校验。系统维护了一个 BLOCKED_IP_RANGES 列表，阻止 RFC 1918 私有地址段（10.x、172.16-31.x、192.168.x）和 AWS/谷歌云元数据地址段（169.254.169.254）。同时对 metadata.google.internal 等云元数据域名做域名黑名单匹配。这意味着即使用户输入 http://169.254.169.254/latest/meta-data/，也会被直接拒绝，防止通过 AI 助手探测云服务器内部信息。
Chrome 无头模式启动：通过 chrome-launcher 库启动 headless Chrome（--headless --no-sandbox），Lighthouse 在此 Chrome 实例上运行审计。代码还处理了 Windows 平台临时目录权限问题（Issue #19）：若 os.tmpdir() 不可写，则在用户 HOME 目录创建 .lighthouse-tmp 作为降级方案。
参数化配置：支持五个维度的审计类别（performance/accessibility/best-practices/seo/pwa）、设备模拟（mobile/desktop）和网络节流（throttling）。默认配置为移动设备 + 网络节流（模拟 4G 网络），这是 Lighthouse 的推荐默认设置，也是最严苛的性能场景。
结果格式化：Lighthouse 返回的 JSON 数据量很大（数百个 audit 项），lighthouse-mcp 只提取关键数据：各维度得分（0-1 的小数）和 6 个核心指标（FCP、LCP、TBT、CLS、SI、TTI），输出精简的结构化 JSON，便于 AI 模型理解和处理。
"dependencies": {
"@modelcontextprotocol/sdk": "^1.0.0", // MCP 协议 SDK
"lighthouse": "^12.0.0", // Google Lighthouse 核心
"chrome-launcher": "^1.0.0" // Chrome 启动器
}
项目使用 TypeScript 编写，通过 tsc 编译为 CommonJS 输出到 build/index.js。npm 包发布时 files 字段仅包含 build/ 和 README.md，体积控制得当。
场景一：迭代中持续监控性能回归
开发者在代码审查中，可以让 AI 助手对比前后两次提交的性能评分变化。例如：「帮我用 lighthouse-mcp 审计一下这个新功能的页面，对比主分支的评分」。AI 自动运行两次 Lighthouse，提取评分差异，告诉你性能是提升了还是下降了。
场景二：代码审查中加入性能门槛
在 CI/CD 流程中嵌入 lighthouse-mcp 调用，当 AI 审查 PR 时自动检查目标页面的性能评分，若低于阈值则给出警告。这比传统的 Lighthouse CI 设置更轻量，无需独立的 Lighthouse CI 服务。
场景三：竞品分析
产品经理或市场人员想让 AI 助手对比自己网站和竞品网站的性能评分，无需任何技术操作，直接在对话中提供 URL 即可。
Lighthouse MCP 提供了四种安装路径，覆盖从「零配置即用」到「本地开发调试」的全场景：
方式一（MCP Registry，推荐）：通过 MCP Registry 安装，项目已在 Model Context Protocol 官方注册表中注册（包名 io.github.priyankark/lighthouse-mcp），Claude Desktop 等 MCP 客户端可以直接发现和安装。
方式二（npx，无需安装）：直接运行 npx lighthouse-mcp，无需预先安装，适合临时使用。
方式三（npm 全局安装）：npm install -g lighthouse-mcp，安装后全局可用，配置到 MCP 客户端后即可在对话中调用。
方式四（本地开发）：克隆源码 → npm install → npm run build → 配置 MCP 客户端指向 build/index.js。适合需要定制或调试的场景。
{
"mcpServers": {
"lighthouse": {
"command": "npx",
"args": ["lighthouse-mcp"]
}
}
}
Chrome 依赖是最大的门槛。项目本身通过 npm 安装极简，但运行时必须依赖 Chrome/Chromium 浏览器。这意味着在无头服务器（纯命令行环境）或 Chrome 未安装的容器中，必须额外安装 Chrome——这一步恰恰是 MCP 工具「开箱即用」理念的反面，增加了环境配置的复杂度。
性能审计速度较慢。一次完整的 Lighthouse 审计（包含五个维度）需要模拟完整的页面加载流程，在移动设备节流模式下通常需要 20-60 秒。这对于需要快速响应的交互场景来说偏慢，不适合作为高频调用的工具。
无持久化和缓存机制。每次调用都是一次全新的 Lighthouse 审计，若对同一 URL 重复审计，没有缓存机制复用之前的结果。对于需要对比「优化前 vs 优化后」的场景，用户需要自行管理历史数据。
Lighthouse MCP 是 MCP 生态工具化的一个缩影——将专业领域的垂直工具（性能审计、安全扫描、代码检查）通过 MCP 协议接入 AI 对话，降低了使用门槛。它代表了一种趋势：AI 编程助手不只是「写代码」，还能「验证代码」——验证的方式从传统的静态分析扩展到了运行时性能测量。
从增长数据看，该项目在 2025 年 4 月上线后，10 个月内获得 183 个 GitHub stars，fork 19 次，2026 年 7 月仍在活跃更新（最后提交 2026-07-17），说明维护状态健康。随着 AI 编程助手生态持续扩大，这类「让 AI 调用专业工具」的项目数量和种类都会增长。