agmind-mcp

MCP-Server für gemessene lokale LLM-Benchmarks. Er stellt das AGmind Systems Lab-Anspruchsregister (Claim-Registry) bereit, derzeit 40 veröffentlichte Claims, gemessen auf AMD-Strix-Halo-Hardware (Ryzen AI Max+ 395, Radeon 8060S, 128 GB Unified Memory) mit llama.cpp auf Vulkan- und ROCm-Backends, als drei schreibgeschützte Model Context Protocol-Tools. Zwei NVIDIA-DGX-Spark-Knoten (GB10) stehen auf derselben Laborbank; ihre Claims werden in das Register aufgenommen, sobald Läufe veröffentlicht werden. Das Labor hat separat vLLM-Arbeiten auf DGX Spark veröffentlicht; Register-Claims dafür folgen derselben Pipeline.

Jeder Claim ist eine spezifische gemessene Zahl: Zeit bis zum ersten Token, Inter-Token-Latenz, Aufgaben-Erfolgsrate, Antwortlose-Antwort-Rate, Long-Context-Needle-Erfolg, Ausdauer-Drift. Jeder trägt die exakte Hardware, den Runtime-Build, die Modellrevision und Quantisierung, einen eingefrorenen Workload-Bereich, angegebene Einschränkungen, eine Evidenzstufe, Links zu den Rohdaten der Läufe und eine fertige Zitierzeichenfolge. Die Werte werden bei jedem CI-Build des Registers aus den Rohläufen neu abgeleitet, sodass die Zahlen, die ein Modell über diesen Server zitiert, mit den veröffentlichten Belegen übereinstimmen.

Schnellstart

Erfordert Node.js 18 oder neuer. Kein Installationsschritt erforderlich; npx holt den Server von GitHub.

Claude Code

claude mcp add agmind -- npx -y github:botAGI/agmind-mcp

Claude Desktop (claude_desktop_config.json) und andere MCP-Clients, die die Standard-Konfigurationsform annehmen:

{
  "mcpServers": {
    "agmind": {
      "command": "npx",
      "args": ["-y", "github:botAGI/agmind-mcp"]
    }
  }
}

Aus einem lokalen Klon:

npm install
node server.mjs        # speaks MCP over stdio
npm test               # spawns the server and drives a real MCP session

Related MCP server: Local AI MCP

Tools

Alle drei Tools sind schreibgeschützt. Ergebnisse sind JSON in einem Text-Content-Block, und jeder Claim in jedem Ergebnis trägt seine cite-Zeichenfolge und seinen permalink, damit Agenten das Zitierte zuordnen können.

search_claims

Stichwortsuche über Überschrift, Metrik, System, Modell, Runtime, Umfang und ID. Groß-/Kleinschreibung wird ignoriert; jeder durch Leerzeichen getrennte Begriff muss übereinstimmen.

search_claims({ "query": "ttft 32k" })

Gibt {id, headline, value, unit, evidence_level, permalink, cite} pro Treffer zurück. Nützliche Abfragen: decode, answerless, ttft cache, rocm, task-success, endurance.

get_claim

Ein Claim vollständig nach ID: der vollständige Antwortabsatz, gemessener Wert und Einheit, Workload-Bereich, Aggregation, Einschränkungen, Evidenzstufe, Rohlauf-IDs mit GitHub-Links, das Ableitungs-SQL, Permalink und Zitierzeichenfolge.

get_claim({ "id": "strix.qwen36.docsession.c1.ttft-q2-32k-cache" })

Eine unbekannte ID gibt einen Fehler zurück, der die ähnlichsten IDs auflistet.

list_measured

Die unterschiedlichen System × Modell × Runtime-Kombinationen, die veröffentlichte Claims haben, mit Claim-Anzahlen und Beispiel-IDs. Rufen Sie dies zuerst auf, um zu sehen, was tatsächlich gemessen wurde.

list_measured({})

Daten, Lizenz, Namensnennung

• Servercode: Apache-2.0.

• Claim-Daten: CC BY 4.0, Namensnennung AGmind Systems Lab (agmind.ai). Jedes Tool-Ergebnis enthält eine pro Claim bereite cite-Zeichenfolge zum Einfügen; die Wiederverwendung der Zahlen sollte den Claim-Permalink beibehalten.

• Registry-Quelle: https://agmind.ai/claims.json. Rohlauf-Aufzeichnungen und Ableitungs-SQL: botAGI/agmind-lab. Benchmark-Harness und Korpora: botAGI/agmind-bench.

• Methodik, Evidenzstufen und Errata: agmind.ai/methodology, agmind.ai/errata.

Verhaltenshinweise

• Schreibgeschützt. Der Server schreibt niemals irgendwo etwas.

• Keine Telemetrie, keine Analysen, keine Konten. Der einzige Netzwerkaufruf ist das Abrufen des Registers von agmind.ai.

• Das Register wird beim Start abgerufen und für eine Stunde im Speicher zwischengespeichert; ein fehlgeschlagener erneuter Abruf fällt auf die zwischengespeicherte Kopie zurück. Setzen Sie AGMIND_CLAIMS_URL, um bei Bedarf auf einen Spiegel des Registers zu verweisen.