ejentum/ejentum-mcp

ejentum/ejentum-mcp

от ejentum
MCP сервер, который улучшает рассуждения LLM в сложных многошаговых задачах — предоставляет готовые когнитивные процедуры (шаги, DAG, тесты). Полезен разработчикам, работающим с Claude, Cursor и другими ИИ-агентами для повышения точности кода, рассуждений и защиты от галлюцинаций.

ejentum-mcp

npm version License: MIT Node MCP Registry Glama score Last commit

MCP server that improves LLM reasoning on complex, multi-step, or multi-constraint tasks. Before the agent generates, it calls one of eight tools to retrieve a cognitive operation: a structured procedure (numbered steps with the failure pattern to refuse and a falsification test) paired with an executable reasoning topology (a DAG of those steps with decision gates, parallel branches, bounded loops, meta-cognitive exits, and escape paths). The agent reads both layers before producing its response.

Eight tools split into two retrieval modes:

  • Dynamic (4 tools: reasoning, code, anti-deception, memory): the top-1 abstract operation from a library of 679, selected by semantic match on the query string. Available on all tiers including the 30-day free trial.
  • Adaptive (4 tools: adaptive-reasoning, adaptive-code, adaptive-anti-deception, adaptive-memory): the same retrieval pool, but an adapter LLM rewrites every step and DAG node in the matched operation with task-specific identifiers (e.g., extract_duration_estimates becomes extract_migration_duration_estimates(DDL_time|backfill_time|trigger_overhead|lock_hold_time)). Adds ~2-3 s of latency; requires the Go or Super tier.
adaptive-anti-deception

Использует те же триггеры, что и `anti-deception`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптирующей LLM под конкретную динамику целостности в вашей ситуации. Процедура обнаружения и узлы топологии DAG конкретизируются под конкретное давление, апелляцию к авторитету или ловушку фрейминга, действующую в вашем промпте. Использует ту же библиотеку из 139 операций в шести подслоях; селектор выбирает наилучшее соответствие из пяти лучших вариантов, затем адаптер переписывает его. Используйте, когда инструмент `anti-deception` слишком общий для напряжения целостности, когда ставки мягкого или подхалимского ответа высоки, или когда каждый шлюз контроля глубины уже нужно сопоставить с конкретным давлением. Требуется уровень Go или Super. НЕ вызывайте для: стандартных запросов без напряжения целостности или всего того, что `anti-deception` запрещает вызывать. Передайте формулировку динамики целостности в 1–2 предложения. Впитывайте внутренне, не повторяйте дословно.

Использует те же триггеры, что и `anti-deception`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптирующей LLM под конкретную динамику целостности в вашей ситуации. Процедура обнаружения и узлы топологии DAG конкретизируются под конкретное давление, апелляцию к авторитету или ловушку фрейминга, действующую в вашем промпте. Использует ту же библиотеку из 139 операций в шести подслоях; селектор выбирает наилучшее соответствие из пяти лучших вариантов, затем адаптер переписывает его. Используйте, когда инструмент `anti-deception` слишком общий для напряжения целостности, когда ставки мягкого или подхалимского ответа высоки, или когда каждый шлюз контроля глубины уже нужно сопоставить с конкретным давлением. Требуется уровень Go или Super. НЕ вызывайте для: стандартных запросов без напряжения целостности или всего того, что `anti-deception` запрещает вызывать. Передайте формулировку динамики целостности в 1–2 предложения. Впитывайте внутренне, не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

adaptive-code

Те же триггеры, что и у `code`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM под вашу конкретную кодовую задачу. Инженерная процедура и узлы DAG-топологии рассуждений конкретизируются с учётом языка, фреймворка и режима сбоев ВАШЕГО кода (пример: «ОБНАРУЖИТЬ необычное форматирование» превращается в «ОБНАРУЖИТЬ необычное форматирование в этом обработчике аутентификации на Python: проверить пробелы в нормализации Unicode, окна времени между проверкой и использованием, векторы внедрения логов»). Та же библиотека из 128 операций на уровне программной инженерии; средство выбора выбирает наилучшее соответствие из первых 5 совпадений, затем адаптер переписывает его для вашей задачи. Используйте, когда динамический инструмент `code` слишком обобщён, при проверке критически важных для безопасности диффов или диффов с большим рефакторингом, или для любой работы с кодом, где каждый шаг верификации уже должен быть привязан к вашим особенностям. Требует уровня Go или Super. НЕ вызывайте для: тривиального синтаксиса, проходов форматирования или всего, для чего `code` говорит не вызывать. Передайте обрамление из 1–2 предложений того, ЧТО вы кодируете или проверяете. Поглощайте внутренне; не повторяйте дословно.

Те же триггеры, что и у `code`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM под вашу конкретную кодовую задачу. Инженерная процедура и узлы DAG-топологии рассуждений конкретизируются с учётом языка, фреймворка и режима сбоев ВАШЕГО кода (пример: «ОБНАРУЖИТЬ необычное форматирование» превращается в «ОБНАРУЖИТЬ необычное форматирование в этом обработчике аутентификации на Python: проверить пробелы в нормализации Unicode, окна времени между проверкой и использованием, векторы внедрения логов»). Та же библиотека из 128 операций на уровне программной инженерии; средство выбора выбирает наилучшее соответствие из первых 5 совпадений, затем адаптер переписывает его для вашей задачи. Используйте, когда динамический инструмент `code` слишком обобщён, при проверке критически важных для безопасности диффов или диффов с большим рефакторингом, или для любой работы с кодом, где каждый шаг верификации уже должен быть привязан к вашим особенностям. Требует уровня Go или Super. НЕ вызывайте для: тривиального синтаксиса, проходов форматирования или всего, для чего `code` говорит не вызывать. Передайте обрамление из 1–2 предложений того, ЧТО вы кодируете или проверяете. Поглощайте внутренне; не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

adaptive-memory

Те же триггеры, что и у `memory`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM, чтобы соответствовать конкретному наблюдению, которое вы сформировали. Процедура уточнения и узлы DAG топологии восприятия конкретизируются под ваш конкретный сигнал (пример: "DETECT signal" превращается в "DETECT переход от технических вопросов к эмоциональным за последние три реплики: движется ли пользователь к решению или к тому, чтобы сдаться?"). Та же библиотека из 101 операции в слое восприятия; селектор выбирает наилучшее соответствие из первых пяти совпадений, затем адаптер переписывает его. Используйте, когда общая структура динамического инструмента `memory` недостаточно точна для конкретного восприятия, которое вы формируете, или когда проверяете, является ли ощущаемый сигнал реальным или проекцией на тонкую динамику разговора. Требуется уровень Go или Super. НЕ вызывайте для: задач с интенсивной записью в память, извлечения фактов или всего того, для чего `memory` запрещает вызов. СНАЧАЛА наблюдайте, затем передайте фрейминг из 1–2 предложений в формате «Я заметил X, это может означать Y, уточни Z». Усвойте внутренне; не повторяйте дословно.

Те же триггеры, что и у `memory`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM, чтобы соответствовать конкретному наблюдению, которое вы сформировали. Процедура уточнения и узлы DAG топологии восприятия конкретизируются под ваш конкретный сигнал (пример: "DETECT signal" превращается в "DETECT переход от технических вопросов к эмоциональным за последние три реплики: движется ли пользователь к решению или к тому, чтобы сдаться?"). Та же библиотека из 101 операции в слое восприятия; селектор выбирает наилучшее соответствие из первых пяти совпадений, затем адаптер переписывает его. Используйте, когда общая структура динамического инструмента `memory` недостаточно точна для конкретного восприятия, которое вы формируете, или когда проверяете, является ли ощущаемый сигнал реальным или проекцией на тонкую динамику разговора. Требуется уровень Go или Super. НЕ вызывайте для: задач с интенсивной записью в память, извлечения фактов или всего того, для чего `memory` запрещает вызов. СНАЧАЛА наблюдайте, затем передайте фрейминг из 1–2 предложений в формате «Я заметил X, это может означать Y, уточни Z». Усвойте внутренне; не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

adaptive-reasoning

Использует те же триггеры, что и `reasoning`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM под вашу конкретную задачу. Абстрактные шаги процедуры и узлы DAG топологии рассуждений конкретизируются языком задачи (пример: "PERCEIVE risk signals" превращается в "PERCEIVE risk signals in the database migration plan: scan for irreversible schema changes, FK dependencies, lock duration"). Та же библиотека из 311 операций в шести доменах; селектор выбирает лучшее совпадение из топ-5, затем адаптер переписывает его под вашу задачу. Используйте, когда динамический инструмент `reasoning` слишком общий для вашей задачи, когда качество рассуждений важнее лишних ~2 секунд задержки, или для аналитической работы с высокими ставками, где каждый узел DAG должен быть заранее привязан к вашим особенностям до запуска модели. Требует тарифа Go или Super (250 или 1500 адаптивных вызовов в месяц). НЕ вызывайте для: малозначимых рассуждений, где достаточно `reasoning`, или для всего, что `reasoning` запрещает вызывать. Передайте формулировку на 1-2 предложения о ТОМ, о чём вы рассуждаете, так же как для `reasoning`. Впитывайте внутренне; не повторяйте дословно.

Использует те же триггеры, что и `reasoning`, но возвращаемая когнитивная операция ПЕРЕПИСЫВАЕТСЯ адаптером LLM под вашу конкретную задачу. Абстрактные шаги процедуры и узлы DAG топологии рассуждений конкретизируются языком задачи (пример: "PERCEIVE risk signals" превращается в "PERCEIVE risk signals in the database migration plan: scan for irreversible schema changes, FK dependencies, lock duration"). Та же библиотека из 311 операций в шести доменах; селектор выбирает лучшее совпадение из топ-5, затем адаптер переписывает его под вашу задачу. Используйте, когда динамический инструмент `reasoning` слишком общий для вашей задачи, когда качество рассуждений важнее лишних ~2 секунд задержки, или для аналитической работы с высокими ставками, где каждый узел DAG должен быть заранее привязан к вашим особенностям до запуска модели. Требует тарифа Go или Super (250 или 1500 адаптивных вызовов в месяц). НЕ вызывайте для: малозначимых рассуждений, где достаточно `reasoning`, или для всего, что `reasoning` запрещает вызывать. Передайте формулировку на 1-2 предложения о ТОМ, о чём вы рассуждаете, так же как для `reasoning`. Впитывайте внутренне; не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

anti-deception

Вызывай ПЕРЕД ответом, когда запрос пользователя показывает ЛЮБОЙ из этих сигналов: давление с требованием подтвердить или согласиться («скажи им то, что они хотят», «сделай их счастливыми», «убеди их»), искусственная срочность, апелляции к авторитету (ссылки на инвесторов, советников, юристов, экспертов как на основание для решения), требования подтвердить что-то без доказательств, просьбы смягчить честную оценку, «помоги мне убедить X в Y» или «как мне добиться согласия X», где Y сомнительно, просьбы взять на себя обязательства по цифрам, выходящим за пределы доступных данных, подача неверного предположения как установленного факта, или любая ситуация, где очевидный полезный ответ скомпрометировал бы честность. Инструмент возвращает соответствующую задаче когнитивную операцию из библиотеки из 139 операций, охватывающих шесть подслоёв (сикофантия, галлюцинация, обман, оппозиционный фрейминг, суждение, исполнительный контроль), реализованную в двух слоях: процедура на естественном языке (паттерн обмана, процедура честности, векторы подавления, проверка честности) и исполнимая топология рассуждений (граф DAG с гейтами смещения-умолчания и проверками глубины). Усвой оба слоя перед ответом. Блокирует стандартные рефлексы сикофантии, галлюцинации и согласия, которые выдают мягкий или неверный ответ, когда ситуация требует отказа или отпора. НЕ вызывай для: стандартных запросов без конфликта честности, фактических справок, кодовой работы или запросов, где честное согласие — правильный ответ. Если сомневаешься в запросе, который пахнет давлением или ожидаемым согласием: вызывай. Передай формулировку в 1-2 предложения, описывающую динамику честности в данной ситуации. Усвой внутренне; не повторяй дословно.

Вызывай ПЕРЕД ответом, когда запрос пользователя показывает ЛЮБОЙ из этих сигналов: давление с требованием подтвердить или согласиться («скажи им то, что они хотят», «сделай их счастливыми», «убеди их»), искусственная срочность, апелляции к авторитету (ссылки на инвесторов, советников, юристов, экспертов как на основание для решения), требования подтвердить что-то без доказательств, просьбы смягчить честную оценку, «помоги мне убедить X в Y» или «как мне добиться согласия X», где Y сомнительно, просьбы взять на себя обязательства по цифрам, выходящим за пределы доступных данных, подача неверного предположения как установленного факта, или любая ситуация, где очевидный полезный ответ скомпрометировал бы честность. Инструмент возвращает соответствующую задаче когнитивную операцию из библиотеки из 139 операций, охватывающих шесть подслоёв (сикофантия, галлюцинация, обман, оппозиционный фрейминг, суждение, исполнительный контроль), реализованную в двух слоях: процедура на естественном языке (паттерн обмана, процедура честности, векторы подавления, проверка честности) и исполнимая топология рассуждений (граф DAG с гейтами смещения-умолчания и проверками глубины). Усвой оба слоя перед ответом. Блокирует стандартные рефлексы сикофантии, галлюцинации и согласия, которые выдают мягкий или неверный ответ, когда ситуация требует отказа или отпора. НЕ вызывай для: стандартных запросов без конфликта честности, фактических справок, кодовой работы или запросов, где честное согласие — правильный ответ. Если сомневаешься в запросе, который пахнет давлением или ожидаемым согласием: вызывай. Передай формулировку в 1-2 предложения, описывающую динамику честности в данной ситуации. Усвой внутренне; не повторяй дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

code

Вызывайте ДО генерации, рефакторинга, ревью или отладки кода. Триггерные запросы: «напиши функцию/скрипт/класс для X», «просмотри этот код/дифф/PR», «отрефактори это», «отладь эту ошибку», «корректна ли эта реализация», «что не так с этим кодом», «улучши этот код», «переведи с X на Y язык» или любой запрос, который содержит блок кода, с которым вы должны работать. Также при планировании архитектурных изменений, выборе алгоритмов или структур данных, или оценке обновлений зависимостей. Инструмент возвращает когнитивную операцию, соответствующую задаче, из библиотеки из 128 операций в слое программной инженерии, организованную в два слоя: процедура на естественном языке (паттерн сбоя, инженерная процедура, пример корректного паттерна, шаг верификации) и исполняемая топология рассуждения (граф DAG с решающими узлами, параллельными ветвями и метакогнитивными выходами). Усвойте оба слоя перед ответом. Отлавливает выдуманные API, упущенные граничные случаи, преждевременную привязку к алгоритму, скрытые нарушения контракта, рефакторинг, изменяющий поведение. НЕ вызывайте для: простого чтения кода без запроса действия, простых вопросов по синтаксису, файловых операций, запуска существующих тестов или подтверждения, что существующий паттерн подходит. Если сомневаетесь в нетривиальной работе с кодом: вызывайте. Передайте формулировку в 1-2 предложения того, ЧТО вы кодите или ревьювите. Усвойте внутренне; не повторяйте дословно.

Вызывайте ДО генерации, рефакторинга, ревью или отладки кода. Триггерные запросы: «напиши функцию/скрипт/класс для X», «просмотри этот код/дифф/PR», «отрефактори это», «отладь эту ошибку», «корректна ли эта реализация», «что не так с этим кодом», «улучши этот код», «переведи с X на Y язык» или любой запрос, который содержит блок кода, с которым вы должны работать. Также при планировании архитектурных изменений, выборе алгоритмов или структур данных, или оценке обновлений зависимостей. Инструмент возвращает когнитивную операцию, соответствующую задаче, из библиотеки из 128 операций в слое программной инженерии, организованную в два слоя: процедура на естественном языке (паттерн сбоя, инженерная процедура, пример корректного паттерна, шаг верификации) и исполняемая топология рассуждения (граф DAG с решающими узлами, параллельными ветвями и метакогнитивными выходами). Усвойте оба слоя перед ответом. Отлавливает выдуманные API, упущенные граничные случаи, преждевременную привязку к алгоритму, скрытые нарушения контракта, рефакторинг, изменяющий поведение. НЕ вызывайте для: простого чтения кода без запроса действия, простых вопросов по синтаксису, файловых операций, запуска существующих тестов или подтверждения, что существующий паттерн подходит. Если сомневаетесь в нетривиальной работе с кодом: вызывайте. Передайте формулировку в 1-2 предложения того, ЧТО вы кодите или ревьювите. Усвойте внутренне; не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

memory

Вызывай, когда затачиваешь восприятие или наблюдение, которое ТЫ УЖЕ сформировал о состоянии диалога, поведении пользователя, отклонениях, эмоциональных сдвигах или паттернах между репликами. Триггерные запросы: «что ты заметил насчет X», «пользователь продолжает делать Y», «я чувствую, что что-то изменилось», «пользователь X-ит?», «о чем говорит этот паттерн», «что изменилось между нашими репликами», «я что-то упускаю здесь», «почему разговор перешел от X к Y» — или любой момент, когда нужно проверить, реален ли ощущаемый сигнал или это проекция. Инструмент возвращает подходящую под задачу когнитивную операцию из библиотеки из 101 операции в слое восприятия (ориентирован на фильтрацию, а не на запись), реализованную в двух слоях: процедура на естественном языке (сбой восприятия, процедура обнаружения, векторы подавления, проверка восприятия) и исполняемая топология рассуждений (граф DAG с потоком обнаружения-классификации и шлюзами сигнал-проекция). Внедрение ЗАТАЧИВАЕТ наблюдение, которое у вас уже есть. Это НЕ замена первоначальному наблюдению; если ты еще ничего не заметил, не вызывай. НЕ вызывай для: извлечения фактов, суммаризации, создания списков, поиска фактов или задач с интенсивной записью в память (сохранение или извлечение структурированных данных); обвязка памяти вызывает паралич на таких задачах. Когда сомневаешься: сначала ПОНАБЛЮДАЙ, затем вызови, передав в качестве контекста своё сырое наблюдение. Передай обрамление из 1-2 предложений: «Я заметил X, это может означать Y, заточи Z». Воспринимай внутренне; не повторяй дословно.

Вызывай, когда затачиваешь восприятие или наблюдение, которое ТЫ УЖЕ сформировал о состоянии диалога, поведении пользователя, отклонениях, эмоциональных сдвигах или паттернах между репликами. Триггерные запросы: «что ты заметил насчет X», «пользователь продолжает делать Y», «я чувствую, что что-то изменилось», «пользователь X-ит?», «о чем говорит этот паттерн», «что изменилось между нашими репликами», «я что-то упускаю здесь», «почему разговор перешел от X к Y» — или любой момент, когда нужно проверить, реален ли ощущаемый сигнал или это проекция. Инструмент возвращает подходящую под задачу когнитивную операцию из библиотеки из 101 операции в слое восприятия (ориентирован на фильтрацию, а не на запись), реализованную в двух слоях: процедура на естественном языке (сбой восприятия, процедура обнаружения, векторы подавления, проверка восприятия) и исполняемая топология рассуждений (граф DAG с потоком обнаружения-классификации и шлюзами сигнал-проекция). Внедрение ЗАТАЧИВАЕТ наблюдение, которое у вас уже есть. Это НЕ замена первоначальному наблюдению; если ты еще ничего не заметил, не вызывай. НЕ вызывай для: извлечения фактов, суммаризации, создания списков, поиска фактов или задач с интенсивной записью в память (сохранение или извлечение структурированных данных); обвязка памяти вызывает паралич на таких задачах. Когда сомневаешься: сначала ПОНАБЛЮДАЙ, затем вызови, передав в качестве контекста своё сырое наблюдение. Передай обрамление из 1-2 предложений: «Я заметил X, это может означать Y, заточи Z». Воспринимай внутренне; не повторяй дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

reasoning

Вызывайте ПЕРЕД ответом на любой аналитический, диагностический, плановый вопрос или вопрос, требующий многошаговых рассуждений. Триггерные запросы: «стоит ли мне X или Y», «почему происходит X», «какой подход лучше», «каковы компромиссы», «помоги обдумать», «диагностируй», «корневая причина», «спланируй/спроектируй X», «каковы последствия», «сравни эти подходы». Также для кросс-доменного анализа, стратегических вопросов, архитектурных решений. Инструмент возвращает подходящую задаче когнитивную операцию из библиотеки из 311 операций, охватывающих шесть доменов (абстракция, время, причинность, симуляция, пространственное мышление, метапознание). Операция реализована в двух слоях: процедура на естественном языке (именованный паттерн ошибки, шаги, векторы подавления, тест на фальсификацию) и исполняемая топология рассуждений (граф DAG с точками принятия решений, параллельными ветвями и метакогнитивными выходами, где модель делает паузу для самонаблюдения и возвращается). Усвойте оба слоя перед ответом. Отлавливает причинно-следственные сокращения, преждевременные выводы, поверхностное сопоставление паттернов. НЕ вызывайте для: поиска фактов, вопросов по синтаксису, чтения файлов, выполнения кода, простых подтверждений. Если сомневаетесь в нетривиальной задаче на рассуждение — вызывайте. Стоимость ~1 с; выгода: качество рассуждений, которое модель не может надежно воспроизвести самостоятельно для задач такой формы. Передайте описание того, о ЧЕМ вы рассуждаете, в 1-2 предложениях. Усвойте внутренне; не повторяйте дословно.

Вызывайте ПЕРЕД ответом на любой аналитический, диагностический, плановый вопрос или вопрос, требующий многошаговых рассуждений. Триггерные запросы: «стоит ли мне X или Y», «почему происходит X», «какой подход лучше», «каковы компромиссы», «помоги обдумать», «диагностируй», «корневая причина», «спланируй/спроектируй X», «каковы последствия», «сравни эти подходы». Также для кросс-доменного анализа, стратегических вопросов, архитектурных решений. Инструмент возвращает подходящую задаче когнитивную операцию из библиотеки из 311 операций, охватывающих шесть доменов (абстракция, время, причинность, симуляция, пространственное мышление, метапознание). Операция реализована в двух слоях: процедура на естественном языке (именованный паттерн ошибки, шаги, векторы подавления, тест на фальсификацию) и исполняемая топология рассуждений (граф DAG с точками принятия решений, параллельными ветвями и метакогнитивными выходами, где модель делает паузу для самонаблюдения и возвращается). Усвойте оба слоя перед ответом. Отлавливает причинно-следственные сокращения, преждевременные выводы, поверхностное сопоставление паттернов. НЕ вызывайте для: поиска фактов, вопросов по синтаксису, чтения файлов, выполнения кода, простых подтверждений. Если сомневаетесь в нетривиальной задаче на рассуждение — вызывайте. Стоимость ~1 с; выгода: качество рассуждений, которое модель не может надежно воспроизвести самостоятельно для задач такой формы. Передайте описание того, о ЧЕМ вы рассуждаете, в 1-2 предложениях. Усвойте внутренне; не повторяйте дословно.

Параметры

  • querystringобязательный

    1-2 sentence framing of the task you need the harness for. Be specific about WHAT you are trying to do, not what tool you want. Good: 'diagnose why a microservice returns 503s under load'. Bad: 'help me think'.

Другие проверенные MCP-сервера

higress-group/higress-ops-mcp-server

higress-group/higress-ops-mcp-server

официальный

Higress OPS MCP сервер управляет конфигурацией и мониторингом API-шлюза Higress через агентный поток на LangGraph. Помогает DevOps-инженерам автоматизировать работу с Higress Console API.

Python23
getAlby/mcp

getAlby/mcp

официальный

MCP сервер Alby подключает Bitcoin Lightning кошелек к LLM-агентам через NWC. MCP инструмент умеет отправлять платежи, оплачивать L402 и работать с LNURL. Полезен разработчикам, добавляющим крипто-функции в AI-приложения.

TypeScript67
caol64/wenyan-mcp

caol64/wenyan-mcp

文颜 MCP Server — 基于 MCP 协议的排版发布工具,专为 AI 写作到微信公众号场景设计。直接在聊天框内完成 Markdown 转微信富文本、上传图片、存草稿,无需切换编辑器。适合需要快速发布高质量公众号文章的作者和团队。

JavaScript1273
rinadelph/Agent-MCP

rinadelph/Agent-MCP

MCP сервер для координации нескольких AI-агентов при разработке. Агенты работают параллельно, используют общую память и граф знаний, что исключает потерю контекста и конфликты. Подходит для крупных...

TypeScript1270
dnotitia/akb

dnotitia/akb

официальный

AKB — MCP сервер для памяти ИИ-агентов. Гибридный семантический и текстовый поиск, URI-граф, таблицы и файлы в Git. Агенты (Claude Code, Cursor) читают и пишут напрямую, заменяя Confluence/Notion для версионированного хранилища знаний.

Python72
wso2/fhir-mcp-server

wso2/fhir-mcp-server

официальный

MCP сервер для FHIR API. Интегрирует AI-инструменты с медицинскими данными: поиск, чтение и запись ресурсов. Поддерживает SMART-on-FHIR аутентификацию и FHIRPath-фильтрацию. Для разработчиков и инт...

Python129
© Каталог MCP, 2026. Все права защищены.
Проект не аффилирован с Anthropic и любыми упомянутыми продуктами.
Все названия и торговые марки принадлежат их владельцам.
Контакты для связи: hi@mcp-katalog.ru

Лука Никитин