OraClaw

MCP-Optimierungstools für KI-Agenten -- 17 Tools, 21 Algorithmen, unter 25ms. Null LLM-Kosten.

Ihr KI-Agent kann nicht rechnen. OraClaw bietet ihm deterministische Optimierung, Simulation, Prognose und Risikoanalyse über das Model Context Protocol. Jedes Tool liefert strukturiertes JSON, läuft in unter 25ms und verursacht keine Rechenkosten.

Validierung

Die Mathematik von OraClaw wurde unabhängig in 12 Open-Source-Projekten implementiert, die KI-Agenten-Orchestrierung, Zeitreihenverfolgung, Vektorsuche, MIP-Optimierung und produktive ML-Systeme umfassen – alles innerhalb der ersten 8 Tage nach der öffentlichen Veröffentlichung.

Ausgewählte Feldimplementierungen (siehe CHANGELOG.md für die vollständige Liste):

• chernistry/bernstein -- 84⭐ Agenten-Orchestrierungs-Framework. LinUCB kontextueller Router mit α=0.3, Shadow-Evaluation-Pfad, interpretierbare Entscheidungsgründe. Ausgeliefert in codex/issue-367-linucb-router 1h40m nach der Spezifikationskorrektur.

• stxkxs/nanohype -- kontextuelles Banditen-Routing, erweiterbare Strategie-Registry (Hash / Sliding-TTL / semantisch), Kosten-Anomalieerkennung, LinUCB auf der Roadmap. "Ihr Input hat viel von dem geprägt, was tatsächlich ausgeliefert wurde."

• rfivesix/hypertrack -- Bayes/Kalman-artiger adaptiver Kalorienschätzer mit phasenbewusster kcal/kg-Rampe. Ausgeliefert in 0.8.0-beta. "An diesem Punkt denke ich, dass das mathematische Modell an einem sehr starken Punkt ist."

• AlanHuang99/pyrollmatch -- Entropie-Ausgleich (Hainmueller 2012) mit Momentenbeschränkungen + max_weight-Obergrenze. Ausgeliefert in v0.1.3.

• stffns/vstash -- IDF-Sigmoid-Relevanzgewichtung. Ausgeliefert in v0.17.0.

Marktplatz-Verbreitung:

• ✓ punkpeye/awesome-mcp-servers (84K⭐) -- zusammengeführt

• ✓ TensorBlock/awesome-mcp-servers -- zusammengeführt

• ✓ MCP Registry, Glama (AAA-Bewertung), PulseMCP, Smithery, toolsdk-ai -- gelistet

Maintainer-Beziehungen (warme technische Korrespondenz): Qdrant, Milvus, NetworkX, Apache DataFusion, DuckDB, pymc-labs.

Related MCP server: Math-Physics-ML MCP System

Schnellstart

1. MCP-Server (empfohlen für KI-Agenten)

Fügen Sie dies zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "oraclaw": {
      "command": "npx",
      "args": ["-y", "@oraclaw/mcp-server"]
    }
  }
}

Fragen Sie dann Ihren Agenten:

"Ich habe 3 Varianten für E-Mail-Betreffzeilen. Welche sollte ich als Nächstes senden?"

Der Agent ruft optimize_bandit auf und erhält in 0,01ms eine statistisch optimale Auswahl.

2. REST-API (keine Installation)

curl -X POST https://oraclaw-api.onrender.com/api/v1/optimize/bandit \
  -H 'Content-Type: application/json' \
  -d '{
    "arms": [
      {"id": "A", "name": "Option A", "pulls": 10, "totalReward": 7},
      {"id": "B", "name": "Option B", "pulls": 10, "totalReward": 5},
      {"id": "C", "name": "Option C", "pulls": 2, "totalReward": 1.8}
    ],
    "algorithm": "ucb1"
  }'

Antwort (<1ms):

{
  "selected": { "id": "C", "name": "Option C" },
  "score": 1.876,
  "algorithm": "ucb1",
  "exploitation": 0.9,
  "exploration": 0.976,
  "regret": 0.1
}

Kostenlose Stufe: 25 Aufrufe/Tag, kein API-Schlüssel erforderlich.

3. npm SDK

npm install @oraclaw/bandit

import { OraBandit } from '@oraclaw/bandit';

const client = new OraBandit({ baseUrl: 'https://oraclaw-api.onrender.com' });
const result = await client.optimize({
  arms: [
    { id: 'A', name: 'Short Subject', pulls: 500, totalReward: 175 },
    { id: 'B', name: 'Long Subject', pulls: 300, totalReward: 126 },
  ],
  algorithm: 'ucb1',
});

14 SDK-Pakete: @oraclaw/bandit, @oraclaw/solver, @oraclaw/simulate, @oraclaw/risk, @oraclaw/forecast, @oraclaw/anomaly, @oraclaw/graph, @oraclaw/bayesian, @oraclaw/ensemble, @oraclaw/calibrate, @oraclaw/evolve, @oraclaw/pathfind, @oraclaw/cmaes, @oraclaw/decide

Warum?

LLMs generieren plausible Texte, keine optimalen Lösungen. Bitten Sie GPT, die beste A/B-Test-Variante auszuwählen, und es wendet eine Heuristik an, die den Exploration-Exploitation-Tradeoff ignoriert. Bitten Sie es, ein lineares Programm zu lösen, und es halluziniert Einschränkungen. OraClaw gibt Ihrem Agenten Zugriff auf echte Algorithmen – Banditen, Solver, Prognosemodelle, Risikomodelle –, die mathematisch korrekte Antworten in unter einer Millisekunde liefern, ohne Token für das Schlussfolgern zu verbrauchen.

MCP-Tool-Katalog (17 Tools)

Kostenlose Stufe (11 Tools, kein API-Schlüssel — 25 Aufrufe/Tag pro IP):

Premium-Stufe (6 Tools, erfordert ORACLAW_API_KEY):

14 von 18 REST-Endpunkten antworten in unter 1ms. Alle unter 25ms.

Jetzt ausprobieren

Die API ist live. Keine Registrierung erforderlich.

# Bayesian inference
curl -X POST https://oraclaw-api.onrender.com/api/v1/predict/bayesian \
  -H 'Content-Type: application/json' \
  -d '{"prior": 0.3, "evidence": [{"factor": "positive_test", "weight": 0.9, "value": 0.05}]}'

# Monte Carlo simulation
curl -X POST https://oraclaw-api.onrender.com/api/v1/simulate/montecarlo \
  -H 'Content-Type: application/json' \
  -d '{"simulations": 1000, "distribution": "normal", "params": {"mean": 100, "stddev": 15}}'

# Anomaly detection
curl -X POST https://oraclaw-api.onrender.com/api/v1/detect/anomaly \
  -H 'Content-Type: application/json' \
  -d '{"data": [10, 12, 11, 13, 50, 12, 11, 10], "method": "zscore", "threshold": 2.0}'

Preisgestaltung

x402 USDC: KI-Agenten zahlen $0,01-$0,15 pro Aufruf mit USDC auf Base. Kein Abonnement, kein API-Schlüssel.

Quellcode

Bauen Sie mit OraClaw?

Wir würden gerne hören, woran Sie arbeiten. Teilen Sie Ihren Anwendungsfall, stellen Sie Fragen oder fordern Sie Funktionen an:

• Sagen Sie uns, was Sie bauen

• Melden Sie ein Problem

• Treten Sie dem Gespräch auf Moltbook bei

Links

• Live-API: https://oraclaw-api.onrender.com

• Dashboard: https://web-olive-one-89.vercel.app

• npm: https://www.npmjs.com/org/oraclaw

• Demo: https://web-olive-one-89.vercel.app/demo

• GitHub: https://github.com/Whatsonyourmind/oracle

Wenn dies Ihren Agenten davor bewahrt hat, Mathematik zu halluzinieren, geben Sie uns einen Stern :star:

Lizenz

MIT