Добавить сервер
  1. Каталог MCP
  2. kyanitelabs
  3. KyaniteLabs/Epoch
KyaniteLabs/Epoch

KyaniteLabs/Epoch

от kyanitelabs
Epoch - MCP сервер, обучающий AI-агентов реалистично оценивать проекты. Использует PERT, COCOMO II, Monte Carlo и встроенную базу из 126 000+ записей для точных оценок времени, рисков и стоимости.

Epoch — estimation MCP server for AI agents: PERT, COCOMO II, Monte Carlo, schedule-risk tools

Epoch -- Time Estimation MCP Server

CI License: MIT MCP npm version MCP Registry

Epoch helps AI agents understand time.

AI can write code, analyze data, and build apps -- but it can't tell you how long something will take, what it'll cost, or whether a deadline is realistic. Epoch fixes that.

Show Me

You: "How long will a 15,000 line project take with a small team?"

Claude (using Epoch):
  COCOMO II nominal: 100 person-months (traditional team)
  AI-adjusted: 9 person-months (LLM-assisted workflow)
  Schedule risk: medium (MAPE 15%, based on 28 historical features)
  Cost estimate (Claude Sonnet): ~$340 in API tokens
You: "How many working days between now and launch?"

Claude (using Epoch):
  Start: May 1, 2026
  End: July 15, 2026
  Business days: 54
  Weekend days: 16
  Holidays: 1 (Independence Day)
  Total calendar days: 75
You: "Which AI model should we use for a 50k-token job?"

Claude (using Epoch):
  gemini-2.0-flash:  $0.02 -- fast, budget-friendly
  gpt-4o-mini:       $0.02 -- fast, budget-friendly
  gemini-2.5-pro:    $0.37 -- standard, high quality
  claude-sonnet-4:    $0.57 -- standard, high quality
  Recommendation: gemini-2.0-flash for cost, claude-sonnet-4 for quality
accuracy_trendтолько чтениеидемпотентный

Отслеживайте улучшение точности оценок с течением времени. Вычисляет скользящую MAPE и сравнивает с отраслевым базовым уровнем (25%). Показывает, улучшаются, ухудшаются или стабильны ваши оценки. Согласно отраслевым исследованиям, точность оценок НЕ улучшается с опытом (Cao 2022). Самокорректирующиеся системы, такие как Epoch, могут переломить этот тренд.

Отслеживайте улучшение точности оценок с течением времени. Вычисляет скользящую MAPE и сравнивает с отраслевым базовым уровнем (25%). Показывает, улучшаются, ухудшаются или стабильны ваши оценки. Согласно отраслевым исследованиям, точность оценок НЕ улучшается с опытом (Cao 2022). Самокорректирующиеся системы, такие как Epoch, могут переломить этот тренд.

Параметры

  • team_idstring

    Optional team identifier to scope historical data.

  • window_sizenumber

    Number of records per sliding window.

add_business_daysтолько чтениеидемпотентный

Добавляет N рабочих дней к начальной дате, пропуская выходные и национальные праздники указанной страны. Поддерживает праздники США, Великобритании, Франции, Германии и Японии.

Добавляет N рабочих дней к начальной дате, пропуская выходные и национальные праздники указанной страны. Поддерживает праздники США, Великобритании, Франции, Германии и Японии.

Параметры

  • start_datestringобязательный

    ISO date string for the start date.

  • daysnumberобязательный

    Number of business days to add (negative to subtract).

  • countrystring

    ISO-3166-1-alpha-2 country code for holiday calendar.

batch_record_actuals

Запишите фактическое время для нескольких оценок за один вызов. Эффективен для массовой отправки отзывов — принимает от 1 до 500 записей за раз. Каждая запись связывает идентификатор оценки с фактически затраченным временем.

Запишите фактическое время для нескольких оценок за один вызов. Эффективен для массовой отправки отзывов — принимает от 1 до 500 записей за раз. Каждая запись связывает идентификатор оценки с фактически затраченным временем.

Параметры

  • entriesobject[]обязательный

    Array of actual-hour records (1–500 entries).

calibrate_estimatesтолько чтениеидемпотентный

Пересчитывает корректирующие коэффициенты для команды на основе исторических данных по оценкам. Сравнивает запланированные и фактические часы, чтобы вычислить поправочный множитель. Для лучших результатов требуется интеграция с PM-системой. Возвращает рекомендации по повышению точности оценок.

Пересчитывает корректирующие коэффициенты для команды на основе исторических данных по оценкам. Сравнивает запланированные и фактические часы, чтобы вычислить поправочный множитель. Для лучших результатов требуется интеграция с PM-системой. Возвращает рекомендации по повышению точности оценок.

Параметры

  • team_idstringобязательный

    Team identifier whose historical accuracy data should be analysed.

  • period_daysnumber

    Lookback window in calendar days for calibration data.

  • minimum_samplesnumber

    Minimum number of completed tasks required before producing a calibration factor.

cocomo_estimateтолько чтениеидемпотентный

Параметрическая оценка трудозатрат по модели COCOMO II, адаптированная для LLM. Заменяет традиционные 17 факторов стоимости человеческого труда на 5 факторов, специфичных для LLM: сложность рассуждений, полнота контекста, влияние преобразований, итерационные циклы и контроль со стороны человека. Возвращает как номинальные, так и скорректированные с учётом LLM человеко-месяцы.

Параметрическая оценка трудозатрат по модели COCOMO II, адаптированная для LLM. Заменяет традиционные 17 факторов стоимости человеческого труда на 5 факторов, специфичных для LLM: сложность рассуждений, полнота контекста, влияние преобразований, итерационные циклы и контроль со стороны человека. Возвращает как номинальные, так и скорректированные с учётом LLM человеко-месяцы.

Параметры

  • klocnumberобязательный

    Estimated thousands of lines of code. Count actual code, not comments/blank lines.

  • reasoning_complexitynumber

    Multiplier for reasoning complexity of the codebase. 0.5 = trivial CRUD, 1.0 = average, 2.0 = novel algorithm/R&D.

  • context_completenessnumber

    How complete is the context provided to the LLM? 0.5 = exhaustive specs, 1.0 = typical, 2.0 = vague requirements.

  • transformation_impactnumber

    Scale of transformation relative to existing code. 0.5 = small patch, 1.0 = new module, 2.0 = architectural rewrite.

  • iterative_cyclesnumber

    Iteration overhead multiplier or literal cycle count. Multiplier scale: 0.5 = one-shot, 1.0 = typical debug loop, 2.0 = heavy back-and-forth. Values above 2.0 are accepted as literal cycle counts and normalized internally.

  • human_oversightnumber

    Human review overhead multiplier. 0.5 = auto-merged, 1.0 = standard PR review, 2.0 = compliance/security review.

  • task_typeenum

    Optional task type for feedback matching.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • ai_nativeany

    Degree of AI assistance: 0.0 = fully human, 1.0 = fully AI-native, 0.5 = hybrid. Accepts boolean for backward compatibility (true=1.0, false=0.0).

  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

cocomo_ground_truthтолько чтениеидемпотентный

Проверь все модели оценки COCOMO на 240 реальных исторических проектах с известной трудоёмкостью. Запускает 6 моделей параллельно: COCOMO Basic, COCOMO II Nominal, COCOMO II + AI с ускорением 12x, и AI + профиль разработчика с градиентами human/hybrid/ai_native. Сообщает MAPE, MMRE, PRED(25), PRED(50), bias по каждой модели с разбивкой по набору данных и типу проекта. Используй cocomo_validate для быстрой проверки только Basic COCOMO.

Проверь все модели оценки COCOMO на 240 реальных исторических проектах с известной трудоёмкостью. Запускает 6 моделей параллельно: COCOMO Basic, COCOMO II Nominal, COCOMO II + AI с ускорением 12x, и AI + профиль разработчика с градиентами human/hybrid/ai_native. Сообщает MAPE, MMRE, PRED(25), PRED(50), bias по каждой модели с разбивкой по набору данных и типу проекта. Используй cocomo_validate для быстрой проверки только Basic COCOMO.

Параметры

  • dataset_filterstring[]

    Optional filter to validate against specific datasets only.

cocomo_validateтолько чтениеидемпотентный

Проверяет модель оценки COCOMO на 195 реальных исторических проектах. Запускает базовую формулу COCOMO на проектах из датасетов NASA93, COCOMO81, Albrecht и Kemerer. Сообщает общий MAPE, смещение, точность по типам и рекомендуемые корректировки коэффициентов. Используйте cocomo_ground_truth для полного многомодельного бенчмарка по всем моделям COCOMO и моделям с AI-корректировками.

Проверяет модель оценки COCOMO на 195 реальных исторических проектах. Запускает базовую формулу COCOMO на проектах из датасетов NASA93, COCOMO81, Albrecht и Kemerer. Сообщает общий MAPE, смещение, точность по типам и рекомендуемые корректировки коэффициентов. Используйте cocomo_ground_truth для полного многомодельного бенчмарка по всем моделям COCOMO и моделям с AI-корректировками.

Параметры

  • dataset_filterstring[]

    Optional filter to validate against specific datasets only.

compare_modelsтолько чтениеидемпотентный

Параметры

  • tokensnumberобязательный

    Total number of tokens to estimate across all models.

  • tool_callsnumber

    Number of tool calls expected.

  • reasoning_depthenum

    Expected depth of chain-of-thought reasoning.

    shallowmoderatedeep
  • sort_byenum

    Sort models by cost (default) or estimated time.

    costtime
convert_timezoneтолько чтениеидемпотентный

Преобразует метку времени в формате ISO-8601 в указанный часовой пояс IANA. Входная метка времени должна содержать информацию о часовом поясе или быть в UTC. Возвращает локализованное время, смещение UTC и формат, читаемый человеком.

Преобразует метку времени в формате ISO-8601 в указанный часовой пояс IANA. Входная метка времени должна содержать информацию о часовом поясе или быть в UTC. Возвращает локализованное время, смещение UTC и формат, читаемый человеком.

Параметры

  • timestampstringобязательный

    ISO-8601 timestamp to convert.

  • target_tzstringобязательный

    Target IANA timezone identifier.

count_business_daysтолько чтениеидемпотентный

Подсчитывает количество рабочих дней между двумя датами, исключая выходные и национальные праздники конкретной страны. Подсчёт не включает начальную дату, но включает конечную.

Подсчитывает количество рабочих дней между двумя датами, исключая выходные и национальные праздники конкретной страны. Подсчёт не включает начальную дату, но включает конечную.

Параметры

  • start_datestringобязательный

    ISO date string for the start date.

  • end_datestringобязательный

    ISO date string for the end date.

  • countrystring

    ISO-3166-1-alpha-2 country code for holiday calendar.

critical_pathтолько чтениеидемпотентный

Вычисляет критический путь с корректировкой merge-bias для расписаний проектов. Выполняет прямой/обратный проход для выявления критических задач и резерва. Применяет merge bias: задачи с более чем 2 предшественниками получают увеличение длительности на 5% за каждого дополнительного предшественника.

Вычисляет критический путь с корректировкой merge-bias для расписаний проектов. Выполняет прямой/обратный проход для выявления критических задач и резерва. Применяет merge bias: задачи с более чем 2 предшественниками получают увеличение длительности на 5% за каждого дополнительного предшественника.

Параметры

  • tasksobject[]обязательный

    All tasks in the project graph. Each task must have a unique name.

  • task_typeenum

    Optional task type for feedback matching.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

estimate_from_contextтолько чтениеидемпотентный

Классифицирует описание задачи в свободной форме и делегирует оценку референсному классу. Классифицирует task_type и complexity из свободного текста (body задачи, описание PR/diff или сводка задачи), используя ЛОКАЛЬНУЮ, детерминированную эвристику по ключевым словам/сигналам — без вызова LLM (см. src/lib/context-estimate.ts). Подсказки task_type/complexity от вызывающей стороны всегда переопределяют классификацию. Делегирует разрешённые входные данные тому же пути прогнозирования референсных классов, который используется в reference_class_estimate, и возвращает происхождение классификации (classified_task_type, classified_complexity, confidence, signals) вместе с оценкой — чтобы вызывающие стороны могли оценить, насколько ей можно доверять.

Классифицирует описание задачи в свободной форме и делегирует оценку референсному классу. Классифицирует task_type и complexity из свободного текста (body задачи, описание PR/diff или сводка задачи), используя ЛОКАЛЬНУЮ, детерминированную эвристику по ключевым словам/сигналам — без вызова LLM (см. src/lib/context-estimate.ts). Подсказки task_type/complexity от вызывающей стороны всегда переопределяют классификацию. Делегирует разрешённые входные данные тому же пути прогнозирования референсных классов, который используется в reference_class_estimate, и возвращает происхождение классификации (classified_task_type, classified_complexity, confidence, signals) вместе с оценкой — чтобы вызывающие стороны могли оценить, насколько ей можно доверять.

Параметры

  • contextstringобязательный

    Free-text context describing the task to estimate — issue body, PR/diff description, or task summary. Will be used to classify task_type and complexity and delegate to reference_class_estimate / PERT correction once classification logic ships (Phase 5).

  • task_typeenum

    Optional pre-classified task type hint; used once classification logic ships.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • complexitynumber

    Optional pre-assessed complexity hint (1-5); used once classification logic ships.

  • team_idstring

    Optional team identifier to scope historical data once classification logic ships.

feedback_healthтолько чтениеидемпотентный

Получить отчёт о состоянии цикла обратной связи по оценкам. Показывает общее количество оценок, фактические значения, процент совпадений, MAPE по инструменту и типу задачи, а также готовность к самообучению (какие типы имеют достаточно данных для автокалибровки).

Получить отчёт о состоянии цикла обратной связи по оценкам. Показывает общее количество оценок, фактические значения, процент совпадений, MAPE по инструменту и типу задачи, а также готовность к самообучению (какие типы имеют достаточно данных для автокалибровки).

Параметры

Без параметров.

get_current_timeтолько чтениеидемпотентный

Возвращает текущую дату и время в указанном часовом поясе IANA. Полезно для привязки LLM к местному времени пользователя. Примеры часовых поясов: 'UTC', 'America/New_York', 'Europe/London', 'Asia/Tokyo'.

Возвращает текущую дату и время в указанном часовом поясе IANA. Полезно для привязки LLM к местному времени пользователя. Примеры часовых поясов: 'UTC', 'America/New_York', 'Europe/London', 'Asia/Tokyo'.

Параметры

  • timezonestring

    IANA timezone identifier. Defaults to "UTC".

get_pending_estimatesтолько чтениеидемпотентный

Выводит список недавних оценок, для которых ещё не было обратной связи по фактическим часам. Возвращает оценки в ожидании фактических данных, чтобы вы могли отправить обратную связь через record_actual. Используйте этот инструмент, чтобы замкнуть цикл обратной связи по оценкам и со временем повысить их точность.

Выводит список недавних оценок, для которых ещё не было обратной связи по фактическим часам. Возвращает оценки в ожидании фактических данных, чтобы вы могли отправить обратную связь через record_actual. Используйте этот инструмент, чтобы замкнуть цикл обратной связи по оценкам и со временем повысить их точность.

Параметры

  • limitinteger

    Max estimates to return.

monte_carlo_scheduleтолько чтениеидемпотентный

Запускает симуляцию Монте-Карло для вероятностного анализа рисков расписания. Выбирает длительности задач из треугольных распределений и возвращает оценки завершения P10/P50/P80/P95 с выявленными событиями риска. Используйте seed для воспроизводимых результатов.

Запускает симуляцию Монте-Карло для вероятностного анализа рисков расписания. Выбирает длительности задач из треугольных распределений и возвращает оценки завершения P10/P50/P80/P95 с выявленными событиями риска. Используйте seed для воспроизводимых результатов.

Параметры

  • tasksobject[]обязательный

    Task list with PERT-style three-point estimates and dependency edges.

  • iterationsnumber

    Number of Monte Carlo simulation iterations (1–100,000). Higher = more stable percentiles.

  • seedinteger

    Optional seed for reproducible results.

  • task_typeenum

    Optional task type for feedback matching. Enables per-task-type accuracy tracking.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

parse_durationтолько чтениеидемпотентный

Разбирает читаемую строку длительности в структурированные секунды. Поддерживает комбинации y (лет), mo (месяцев), w (недель), d (дней), h (часов), m (минут), s (секунд). Примеры: '2h30m', '1d6h', '1w3d', '45m'.

Разбирает читаемую строку длительности в структурированные секунды. Поддерживает комбинации y (лет), mo (месяцев), w (недель), d (дней), h (часов), m (минут), s (секунд). Примеры: '2h30m', '1d6h', '1w3d', '45m'.

Параметры

  • duration_stringstringобязательный

    Duration string like "2h30m", "1d6h", "45m".

pert_estimateтолько чтениеидемпотентный

Вычислите ожидаемую продолжительность по PERT из трехточечных оценок, используя Beta distribution. Формула: E = (O + 4M + P) / 6. Возвращает ожидаемое значение, дисперсию, стандартное отклонение и 95%/99% доверительные границы с категоризацией по срочности. Используйте при оценке длительности задачи с неопределёнными результатами.

Вычислите ожидаемую продолжительность по PERT из трехточечных оценок, используя Beta distribution. Формула: E = (O + 4M + P) / 6. Возвращает ожидаемое значение, дисперсию, стандартное отклонение и 95%/99% доверительные границы с категоризацией по срочности. Используйте при оценке длительности задачи с неопределёнными результатами.

Параметры

  • optimisticnumberобязательный

    Best-case duration. Do NOT use your initial optimistic guess — this should be the absolute minimum if everything goes perfectly.

  • most_likelynumberобязательный

    Mode of the distribution — the single most probable outcome.

  • pessimisticnumberобязательный

    Worst-case duration accounting for known risks and unknown unknowns.

  • unitenum

    Time unit for all three PERT estimates.

    hoursdaysweeksmonths
  • task_typeenum

    Optional task type for feedback matching. Enables per-task-type accuracy tracking.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • ai_nativeany

    Degree of AI assistance: 0.0 = fully human, 1.0 = fully AI-native, 0.5 = hybrid. Accepts boolean for backward compatibility (true=1.0, false=0.0).

  • complexitynumber

    Optional complexity hint from 1 (trivial) to 5 (extreme). Reserved for future per-complexity correction-factor conditioning; not yet applied to the headline estimate.

  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

record_actual

Отправьте фактические часы по предыдущей оценке, чтобы повысить точность в будущем. Работает с любым инструментом оценки. estimate_id берётся из ответа на оценку. Фактические данные поступают в цикл самообучения — после достаточного количества примеров корректирующие коэффициенты обновляются автоматически и снижают систематическую ошибку оценки.

Отправьте фактические часы по предыдущей оценке, чтобы повысить точность в будущем. Работает с любым инструментом оценки. estimate_id берётся из ответа на оценку. Фактические данные поступают в цикл самообучения — после достаточного количества примеров корректирующие коэффициенты обновляются автоматически и снижают систематическую ошибку оценки.

Параметры

  • estimate_idstringобязательный

    ID of the estimate to update.

  • actual_hoursnumberобязательный

    Actual hours spent.

  • notesstring

    Optional context.

  • unitenum

    Unit actual_hours is expressed in. Normalized to hours at ingest (days=8h, weeks=40h workday convention, matching estimation.ts's toHours()). Defaults to hours when omitted.

    minuteshoursdaysweeks
  • calibration_provenanceenum

    Optional explicit provenance classification for this actual, consumed by the shared exclusion predicate (synthetic/smoke are excluded from calibration math). auto_wallclock marks a wall-clock-derived actual auto-recorded at session end (never focused-effort-verified) — included in correction training by default but subject to a dedicated sanity gate and segmented separately in feedback_health.

    prospectivebackfilled_real_sessionbackfilled_calibrationsyntheticsmokeunknownauto_wallclock
reference_class_estimateтолько чтениеидемпотентный

Оценка на основе данных с использованием прогнозирования по референтному классу. Применяет исторические корректирующие коэффициенты на основе соотношения фактических и оценочных значений. Если исторических данных нет, использует средние по отрасли значения (1.3-2.2x для программных задач). Отдавайте предпочтение этому методу перед алгоритмическими моделями, когда есть исторические данные.

Оценка на основе данных с использованием прогнозирования по референтному классу. Применяет исторические корректирующие коэффициенты на основе соотношения фактических и оценочных значений. Если исторических данных нет, использует средние по отрасли значения (1.3-2.2x для программных задач). Отдавайте предпочтение этому методу перед алгоритмическими моделями, когда есть исторические данные.

Параметры

  • task_typeenumобязательный

    Category of work being estimated for reference-class lookup.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • scopeenum

    Rough size of the task: small=tiny fix/tweak, medium=typical task, large=significant effort, xl=epic-scale. When omitted, inferred from complexity (1-2=small, 3=medium, 4=large, 5=xl).

    smallmediumlargexl
  • complexitynumber

    Fine-tuning complexity from 1 (trivial) to 5 (extreme). Adjusts within the scope band: low complexity shortens, high complexity lengthens the estimate.

  • team_idstring

    Optional team identifier to scope historical data to a specific team.

  • ai_nativeany

    Degree of AI assistance: 0.0 = fully human, 1.0 = fully AI-native, 0.5 = hybrid. Accepts boolean for backward compatibility (true=1.0, false=0.0).

  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

schedule_riskтолько чтениеидемпотентный

Оценивает риск срыва сроков по оценке на основе исторических данных о точности. Вычисляет доверительные интервалы (p50/p80/p95) на основе MAPE вашей команды. Возвращает уровень риска и практические рекомендации. Использует отраслевой базовый уровень (25% MAPE), если исторических данных нет.

Оценивает риск срыва сроков по оценке на основе исторических данных о точности. Вычисляет доверительные интервалы (p50/p80/p95) на основе MAPE вашей команды. Возвращает уровень риска и практические рекомендации. Использует отраслевой базовый уровень (25% MAPE), если исторических данных нет.

Параметры

  • estimated_hoursnumberобязательный

    The estimated effort in hours to assess risk for.

  • task_typeenum

    Optional task type to refine historical accuracy lookup.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • team_idstring

    Optional team identifier to scope historical data.

  • complexitynumber

    Task complexity from 1 (trivial) to 5 (extreme). Higher complexity widens confidence intervals.

  • ai_nativeany

    Degree of AI assistance: 0.0 = fully human, 1.0 = fully AI-native, 0.5 = hybrid. Accepts boolean for backward compatibility (true=1.0, false=0.0).

  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

sprint_forecastтолько чтениеидемпотентный

Прогнозирует дату завершения спринта на основе размера бэклога и исторической скорости. Вычисляет среднюю скорость по истории спринтов, преобразует стори-поинты в часы и возвращает необходимое количество спринтов с пессимистичной оценкой, основанной на дисперсии скорости.

Прогнозирует дату завершения спринта на основе размера бэклога и исторической скорости. Вычисляет среднюю скорость по истории спринтов, преобразует стори-поинты в часы и возвращает необходимое количество спринтов с пессимистичной оценкой, основанной на дисперсии скорости.

Параметры

  • backlog_pointsnumberобязательный

    Total story points or effort units remaining in the backlog.

  • velocity_historynumber[]обязательный

    Historical velocities from completed sprints. Minimum 1 data point; 3+ recommended for meaningful forecasts.

  • sprint_length_daysnumber

    Calendar days in a single sprint cycle.

  • hours_per_sprintnumber

    Total productive engineering hours available per sprint (accounts for meetings, overhead).

  • task_typeenum

    Optional task type for feedback matching.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • ai_nativeany

    Degree of AI assistance: 0.0 = fully human, 1.0 = fully AI-native, 0.5 = hybrid. Accepts boolean for backward compatibility (true=1.0, false=0.0).

  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

time_mathтолько чтениеидемпотентный

Выполняет составные операции со временем. Направляет запрос к соответствующей подоперации в зависимости от параметра 'operation'. Операции: add_days, add_business_days, diff, convert_tz, parse_nl, format_duration. Используйте для многошаговых или динамических операций со временем; для одиночных вызовов применяйте get_current_time, convert_timezone, parse_duration, add_business_days или count_business_days.

Выполняет составные операции со временем. Направляет запрос к соответствующей подоперации в зависимости от параметра 'operation'. Операции: add_days, add_business_days, diff, convert_tz, parse_nl, format_duration. Используйте для многошаговых или динамических операций со временем; для одиночных вызовов применяйте get_current_time, convert_timezone, parse_duration, add_business_days или count_business_days.

Параметры

  • operationenumобязательный

    The time arithmetic operation to perform. Each operation expects specific operands.

    add_daysadd_business_daysdiffconvert_tzparse_nlformat_duration
  • operandsobjectобязательный

    Key-value pairs matching the chosen operation's expected fields. See operation documentation for required keys.

token_cost_estimateтолько чтениеидемпотентный

Оценивает реальное время и стоимость в долларах для использования токенов LLM. Объединяет преобразование токенов во время с ценами для конкретной модели. Возвращает разбивку затрат (входные/выходные/накладные) вместе с временной оценкой. Используйте token_time_bridge, если вам нужно только реальное время, а не стоимость в долларах.

Оценивает реальное время и стоимость в долларах для использования токенов LLM. Объединяет преобразование токенов во время с ценами для конкретной модели. Возвращает разбивку затрат (входные/выходные/накладные) вместе с временной оценкой. Используйте token_time_bridge, если вам нужно только реальное время, а не стоимость в долларах.

Параметры

  • tokensnumberобязательный

    Total number of tokens in the LLM request (prompt + completion).

  • modelstringобязательный

    LLM model identifier. Unknown models fall back to generic estimates.

  • tool_callsnumber

    Number of tool calls expected in the agentic loop.

  • reasoning_depthenum

    Expected depth of chain-of-thought reasoning.

    shallowmoderatedeep
  • task_typeenum

    Optional task type for feedback matching.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
token_time_bridgeтолько чтениеидемпотентный

Преобразует лимиты токенов LLM в примерное реальное время выполнения. Использует калибровочные данные для конкретной модели (токенов в секунду, накладные расходы на логическое рассуждение, задержки вызова инструментов), чтобы оценить, сколько времени на самом деле займет задача. Устраняет разрыв между пространством токенов (как агенты рассуждают) и временем (что нужно людям). Используйте token_cost_estimate, если важна ещё и стоимость в долларах.

Преобразует лимиты токенов LLM в примерное реальное время выполнения. Использует калибровочные данные для конкретной модели (токенов в секунду, накладные расходы на логическое рассуждение, задержки вызова инструментов), чтобы оценить, сколько времени на самом деле займет задача. Устраняет разрыв между пространством токенов (как агенты рассуждают) и временем (что нужно людям). Используйте token_cost_estimate, если важна ещё и стоимость в долларах.

Параметры

  • tokensnumberобязательный

    Total number of tokens in the LLM request (prompt + completion).

  • modelstringобязательный

    LLM model identifier. Unknown models fall back to generic estimates.

  • tool_callsnumber

    Number of tool calls expected in the agentic loop. Each adds overhead latency.

  • reasoning_depthenum

    Expected depth of chain-of-thought reasoning. Deep reasoning adds significant per-token latency.

    shallowmoderatedeep
  • task_typeenum

    Optional task type for feedback matching.

    featurebugfixrefactormigrationinfrastructuredocumentationtestingdesign
  • task_labelstring

    Optional free-text label identifying the task this estimate is for (e.g. an issue key or short title). Surfaced on get_pending_estimates output for triage.

  • projectstring

    Optional project/repo identifier this estimate belongs to, for cross-project analytics.

  • session_idstring

    Optional session identifier (minted by a calling agent/hook) used to deduplicate repeated estimate calls for the same task within a session.

Другие проверенные MCP-сервера

Brave Search MCP Server

Brave Search MCP Server

официальный

MCP-сервер для интеграции Brave Search API: веб-поиск, изображения, видео, новости, локальные места и AI-суммаризация. Полезен разработчикам AI-агентов, чат-ботов и RAG-пайплайнов. Поддерживает STD...

TypeScript⭐ 1311
Rootly-AI-Labs/Rootly-MCP-server

Rootly-AI-Labs/Rootly-MCP-server

официальный

MCP сервер для управления инцидентами, дежурствами и оповещениями через Rootly API. Полезен SRE, инженерам и руководителям для автоматического реагирования, анализа и сокращения времени восстановления. Поддерживает Cursor, Claude, Windsurf и другие MCP клиенты.

Python⭐ 44
yepcode/mcp-server-js

yepcode/mcp-server-js

официальный

YepCode MCP сервер превращает YepCode-процессы в готовые инструменты для ИИ-ассистентов. Он запускает скрипты на Python или Node.js в изолированной среде, управляет параметрами через JSON Schema. Идеально для интеграции AI с бизнес-логикой — от выполнения кода до управления API.

TypeScript⭐ 46
ref-tools/ref-tools-mcp

ref-tools/ref-tools-mcp

MCP сервер для AI-агентов: быстрый доступ к документации API и библиотек. Оснащён поиском с фильтрацией результатов и чтением только релевантных разделов страниц - экономит токены. Подходит для Claude Code и других AI-кодинговых ассистентов.

TypeScript⭐ 1140
ragieai/mcp-server

ragieai/mcp-server

официальный

Извлекайте информацию из базы знаний Ragie с помощью MCP-сервера. Инструмент retrieve возвращает релевантные фрагменты, учитывая ранжирование и свежесть. Идеален для интеграции корпоративных знаний...

JavaScript⭐ 89
Aas-ee/open-webSearch

Aas-ee/open-webSearch

open-websearch — это MCP-сервер и CLI для веб-поиска и извлечения контента без API-ключей. Поддерживает множество поисковиков (Bing, Baidu, DuckDuckGo и др.), загружает статьи и README с GitHub. Ра...

TypeScript⭐ 1615
© 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