stipple-mcp
Stipple MCP server
Dokumente rein. Antworten, auf die Ihre Agenten reagieren können.
Stipple ist ein gehosteter MCP-Server für Dokumentarbeiten: forensische Authentizitätssignale, strukturierte Feldextraktion, australische Identitätsprüfungen, Adverse-Media- und Sanktions-Screening, Suche nach australischen/neuseeländischen Regierungsausschreibungen, Erkennung von KI-geschriebenem Text und Zitierprüfung für Forschungsberichte.
Keine Installation, keine Anmeldung — ein anonymer kostenloser Tarif funktioniert sofort.
Verbinden
claude mcp add --transport http stipple https://www.stipple.sh/mcpOder in einer beliebigen MCP-Client-Konfiguration:
{ "mcpServers": { "stipple": { "type": "http", "url": "https://www.stipple.sh/mcp" } } }Endpunkt:
https://www.stipple.sh/mcp(Streamable HTTP)Immer der
www.-Host — die Apex-Domain leitet um, und ein POST durch die Weiterleitung schlägt für Nicht-Browser-Clients fehl.Auth: keine erforderlich. Ein optionaler kostenloser API-Schlüssel (
POST /v1/keys) gewährt ein privates Guthaben; senden Sie ihn alsAuthorization: Bearer stp_....
Related MCP server: Qiniso
Tools (13)
Tool | Was es tut | Was es NICHT ist |
| Forensische Authentizitätsprüfung eines PDF/Bildes (URL oder base64): | Kein Betrugsurteil — es ist ein Signal mit den dahinterliegenden Belegen |
| Strukturierte Felder aus einem Dokument: Ad-hoc-Feldlisten, Vorlagen (Gehaltsabrechnung, Steuerrechnung, Kontoauszug, Quittung, Vertrag), Tabellen, Verankerung pro Wert, Schwärzung, Layout, Chunking, Aufteilung | Kein Urteil — Werte sind, was das Dokument zeigt; Abwesenheiten kommen in |
| Australische Identitätsprüfung über einen Dokumentensatz: AFP-100-Punkte- oder AUSTRAC-Safe-Harbour, mit genau dem, was fehlt | Keine Fälschungsprüfung — kombinieren Sie mit |
| Erfüllt ein Dokumentensatz eine Checkliste (benanntes Schema oder Ad-hoc-Anforderungen)? | Keine Genehmigung — Vorhandensein der richtigen Typen, nicht Echtheit |
| Adverse-Media- und Korroborations-gesteuertes Sanktions-/PEP-Screening einer Person oder Organisation | Keine Feststellung — „review", nie „guilty"; „nothing found" ist kein sauberes Register |
| Kostenlos. Suche nach offenen australischen/neuseeländischen Regierungsausschreibungen | — |
| Offene Ausschreibungen danach einstufen, was die eigene Website eines Unternehmens sagt, dass es tut, mit | Keine Gewinnwahrscheinlichkeit |
| Kostenlos. Woher Ausschreibungsdaten kommen und warum eine Suche leer sein kann | — |
| Wahrscheinlichkeit, dass die Prosa eines Dokuments KI-geschrieben ist, mit den linguistischen Merkmalen; enthält sich bei Nicht-Prosa | Keine kalibrierte Wahrheit — und Stil, nicht Authentizität |
| Für einen Bericht: Zitate lösen auf und stimmen überein, interne Arithmetik wird neu berechnet, unbelegte Behauptungen werden markiert | Kein Wahrheitsurteil — es berichtet den Verifizierungsabdeckungsgrad |
| Wurde diese exakte Datei (sha256) bereits geprüft? Überspringt einen kostenpflichtigen Aufruf | — |
| Ein gespeichertes Ergebnispaket abrufen (JSON oder Markdown) | — |
| Daumen hoch/runter für eine Bewertung | — |
Prompts (8)
Geführte Workflows, die mit dem Server geliefert werden: Authentizität eines Dokuments verifizieren · Um welche Art von Dokument handelt es sich? · Eine 100-Punkte-Identitätsprüfung durchführen · Eine Person auf Adverse Media prüfen · Ausschreibungen finden, auf die mein Unternehmen bieten könnte · Wurde dies von KI geschrieben? · Berichts-URL faktenprüfen · Eingefügten Text faktenprüfen.
So lesen sich Ergebnisse
Jede Prüfung berichtet zwei unabhängige Achsen: risk_band (wie authentisch das Dokument aussieht) und inspection_quality (wie vollständig es geprüft werden konnte). Ein sauberes Handyfoto einer echten Gehaltsabrechnung ist üblicherweise low Risiko + limited Qualität — „nichts sieht manipuliert aus, aber wir konnten nicht alles lesen". Geringe Abdeckung ist kein Risiko.
Identische Dokumente werden nach Inhalts-Hash zwischengespeichert — das erneute Senden derselben Bytes gibt das gespeicherte Ergebnis sofort und kostenlos zurück.
Guthaben
Anonyme Aufrufer teilen sich ein kostenloses wöchentliches Kontingent pro IP. Ein kostenloser API-Schlüssel erhält ein eigenes Kontingent und Messung. Ausschreibungssuche und Quellenliste kosten nichts. Details: stipple.sh/pricing.
Auch verfügbar
REST-API — dieselben Engines unter
/v1/*; OpenAPI-Vertrag unter/openapi.jsonAgent-Dokumentation —
/agents.md(Kurzform/llms.txt)Bereichsspezifische Server —
/mcp-aitext(nur KI-Text-Erkennung) und/mcp-verify(nur Referenzprüfung), für Installationen, die ein einzelnes Tool möchten
Betrieben von Stipple AI Pty Ltd · Datenschutz · AGB
This server cannot be deployed
Maintenance
Related MCP Connectors
Hosted document tools for agents: extract, parse, classify, convert, OCR, sign, and redact.
AI document intelligence: extract, summarize, claim-check, notarize, and signed action receipts.
Document fraud detection for manipulated, fake and AI-generated PDF and image documents.
Sanctions, PEP, watchlist, recall, business, and contract screening. Free tier, no auth required.
Related MCP Servers
- FlicenseNot gradedqualityAmaintenanceVerifiable document intelligence for AI agents. Extract, summarize, claim-check, and notarize PDFs & URLs with cryptographic proofs, cross-document search, and on-chain attestation via Base L2.-

Qinisoofficial
AlicenseAqualityBmaintenanceThe deterministic fact-verification layer for AI agents. Validates the structured facts an agent emits — IBANs, payment cards, VAT and national tax IDs, crypto and bank addresses, domains, emails, phone numbers, securities and academic identifiers, plus dates, currencies and holidays — against checksums and curated authoritative data, not guesses.561Apache 2.0- FlicenseAqualityDmaintenanceAgentic KYC/AML compliance server with tools for sanctions screening, identity verification, and risk assessment, where AI orchestrates discretionary checks within deterministic compliance guardrails.6-
- FlicenseNot gradedqualityDmaintenanceEnables deterministic visual and structural analysis of PDF and DOCX documents, extracting measurable evidence such as blur, OCR confidence, and image anomalies for auditable forensic workflows.1-