OraClaw

Инструменты оптимизации MCP для ИИ-агентов — 17 инструментов, 21 алгоритм, задержка менее 25 мс. Нулевые затраты на LLM.

Ваш ИИ-агент не умеет считать. OraClaw предоставляет ему детерминированную оптимизацию, моделирование, прогнозирование и анализ рисков через протокол Model Context Protocol. Каждый инструмент возвращает структурированный JSON, выполняется менее чем за 25 мс и не требует вычислительных затрат.

Валидация

Математические алгоритмы OraClaw были независимо реализованы в 12 проектах с открытым исходным кодом, охватывающих оркестрацию ИИ-агентов, отслеживание временных рядов, векторный поиск, MIP-оптимизацию и производственные системы машинного обучения — и все это в течение первых 8 дней после публичного запуска.

Избранные реализации в полевых условиях (полный список см. в CHANGELOG.md):

• chernistry/bernstein — фреймворк оркестрации агентов с 84⭐. Контекстный маршрутизатор LinUCB с α=0.3, путь теневой оценки, интерпретируемые причины принятия решений. Выпущено в codex/issue-367-linucb-router через 1 час 40 минут после исправления спецификации.

• stxkxs/nanohype — контекстная маршрутизация бандитов, подключаемый реестр стратегий (хэш / скользящий TTL / семантический), обнаружение аномалий затрат, LinUCB в дорожной карте. «Ваш вклад сформировал многое из того, что было выпущено».

• rfivesix/hypertrack — адаптивный оценщик калорий в стиле Байеса/Калмана с фазовым учетом рампы ккал/кг. Выпущено в версии 0.8.0-beta. «На данный момент я считаю, что математическая модель находится в очень сильном состоянии».

• AlanHuang99/pyrollmatch — балансировка энтропии (Hainmueller 2012) с ограничениями моментов + ограничение max_weight. Выпущено в версии v0.1.3.

• stffns/vstash — взвешивание релевантности IDF-сигмоидой. Выпущено в версии v0.17.0.

Распространение на маркетплейсах:

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

• ✓ TensorBlock/awesome-mcp-servers — добавлено

• ✓ Реестр MCP, Glama (рейтинг AAA), PulseMCP, Smithery, toolsdk-ai — в списках

Отношения с мейнтейнерами (теплая техническая переписка): Qdrant, Milvus, NetworkX, Apache DataFusion, DuckDB, pymc-labs.

Related MCP server: Math-Physics-ML MCP System

Быстрый старт

1. MCP-сервер (рекомендуется для ИИ-агентов)

Добавьте в ваш claude_desktop_config.json:

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

Затем спросите своего агента:

«У меня есть 3 варианта темы письма. Какой мне отправить следующим?»

Агент вызывает optimize_bandit и получает статистически оптимальный выбор за 0.01 мс.

2. REST API (без установки)

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"
  }'

Ответ (<1 мс):

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

Бесплатный уровень: 25 вызовов в день, API-ключ не требуется.

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 пакетов SDK: @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

Зачем?

LLM генерируют правдоподобный текст, а не оптимальные решения. Попросите GPT выбрать лучший вариант A/B-теста, и он применит эвристику, игнорирующую компромисс между исследованием и эксплуатацией. Попросите его решить задачу линейного программирования, и он начнет галлюцинировать ограничениями. OraClaw дает вашему агенту доступ к реальным алгоритмам — бандитам, решателям, прогнозистам, моделям рисков, — которые возвращают математически верные ответы за доли миллисекунды, не тратя токены на рассуждения.

Каталог инструментов MCP (17 инструментов)

Бесплатный уровень (11 инструментов, без API-ключа — 25 вызовов в день на IP):

Премиум-уровень (6 инструментов, требуется ORACLAW_API_KEY):

14 из 18 эндпоинтов REST отвечают менее чем за 1 мс. Все — менее чем за 25 мс.

Попробуйте сейчас

API работает. Регистрация не требуется.

# 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}'

Тарифы

x402 USDC: ИИ-агенты платят $0.01-$0.15 за вызов с помощью USDC в сети Base. Никакой подписки, никакого API-ключа.

Исходный код

Создаете что-то на OraClaw?

Мы будем рады узнать, над чем вы работаете. Поделитесь своим сценарием использования, задайте вопросы или запросите функции:

• Расскажите нам, что вы создаете

• Сообщить об ошибке

• Присоединяйтесь к обсуждению на Moltbook

Ссылки

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

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

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

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

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

Если это спасло вашего агента от галлюцинаций в математике, поставьте нам звездочку :star:

Лицензия

MIT