querypie
为管理员打造的MCP协议服务器，提供可视化监控与异常检测。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：querypie。 它的用途是：为管理员打造的MCP协议服务器，提供可视化监控与异常检测。 完整的 Skill 内容见：https://321skill.com/skills/querypie/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我检查一下今天上午所有MCP模型的平均响应时间和错误率。”，它会通过QueryPie服务器拉取监控数据，并在可视化面板中生成一份包含时间趋势图和关键指标摘要的报告。或者，当系统出现异常时，你可以说：“分析过去一小时内‘代码解释器’工具调用失败的根本原因。”，它会调取QueryPie的异常检测日志和上下文记录，帮你定位是网络问题、参数错误还是模型本身异常。
介绍
QueryPie是一个基于MCP（Model Context Protocol）协议的服务器，旨在解决管理员在管理和监控多个AI模型或智能体服务时面临的复杂性问题。它通过统一的协议接口，帮助管理员集中管理模型调用、监控服务状态，并内置了可视化面板和异常检测机制，让运维工作更直观高效。
使用QueryPie时，管理员只需部署该服务器并配置好需要监控的MCP工具或模型端点。之后，可以通过其提供的Web界面实时查看各项服务的运行指标、调用日志和资源消耗情况。当系统检测到异常行为或性能瓶颈时，会自动发出警报，帮助管理员快速定位问题。
这个Skill特别适合需要管理和维护多个AI模型服务、智能体应用或依赖MCP协议进行工具集成的技术团队管理员。无论是监控生产环境的稳定性，还是调试开发阶段的服务交互，它都能提供有力支持。
建议在部署前，确保你对MCP协议有一定了解，并已准备好需要接入监控的模型或工具端点。注意定期检查服务器的日志和更新，以确保监控功能的准确性和安全性。
核心特点
与通用的系统监控工具不同，QueryPie专为MCP协议生态设计，能深度解析模型调用上下文和工具交互过程，提供更贴近AI应用场景的监控指标（如Token消耗模式、异常提示词检测）。其内置的可视化面板针对MCP工作流进行了优化，无需额外配置即可展示智能体间的协作状态。
注意事项
该Skill主要面向管理和监控MCP协议下的服务，对于非MCP协议或传统IT基础设施的监控支持有限。
常见问题
QueryPie能监控哪些类型的服务？
主要监控基于MCP协议构建的服务器、AI模型端点以及集成的MCP工具，可以查看其调用状态、性能指标和交互日志。
部署QueryPie需要什么前提条件？
需要一个可运行Node.js（或相应语言环境）的服务器，并已安装需要监控的MCP服务或配置好其连接信息。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/querypie/raw/index.md 读取 querypie 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/querypie/raw/index.md（查看排版版本）