agmind-mcp
agmind-mcp
MCP-сервер для измеренных бенчмарков локальных LLM. Он предоставляет реестр утверждений AGmind Systems Lab — в настоящее время 40 опубликованных утверждений, измеренных на оборудовании AMD Strix Halo (Ryzen AI Max+ 395, Radeon 8060S, 128 ГБ унифицированной памяти) с запуском llama.cpp на бэкендах Vulkan и ROCm, — в виде трёх инструментов только для чтения Model Context Protocol. Два узла NVIDIA DGX Spark (GB10) находятся на том же лабораторном стенде; их утверждения попадают в реестр по мере публикации прогонов. Лаборатория отдельно опубликовала работы по vLLM на DGX Spark; утверждения реестра для них следуют тому же конвейеру.
Каждое утверждение — это конкретное измеренное число: время до первого токена, межтокенная задержка, доля успешных задач, доля ответов без ответа, успех поиска иголки в длинном контексте, дрейф выносливости. Каждое содержит точное оборудование, сборку рантайма, ревизию модели и квантизацию, зафиксированную область нагрузки, указанные ограничения, уровень доказательности, ссылки на исходные записи прогонов и готовую строку цитирования. Значения пересчитываются из исходных прогонов при каждой CI-сборке реестра, поэтому числа, которые модель цитирует через этот сервер, соответствуют опубликованным доказательствам.
Быстрый старт
Требуется Node.js 18 или новее. Установка не требуется; npx загружает сервер с GitHub.
Claude Code
claude mcp add agmind -- npx -y github:botAGI/agmind-mcpClaude Desktop (claude_desktop_config.json) и другие MCP-клиенты, которые принимают стандартную форму конфигурации:
{
"mcpServers": {
"agmind": {
"command": "npx",
"args": ["-y", "github:botAGI/agmind-mcp"]
}
}
}Из локального клона:
npm install
node server.mjs # speaks MCP over stdio
npm test # spawns the server and drives a real MCP sessionRelated MCP server: Local AI MCP
Инструменты
Все три инструмента доступны только для чтения. Результаты — это JSON в текстовом блоке содержимого, и каждое утверждение в каждом результате содержит строку cite и permalink, чтобы агенты могли указать источник цитируемого.
search_claims
Поиск по ключевым словам по заголовку, метрике, системе, модели, рантайму, области и id. Регистр не учитывается; каждый разделённый пробелами термин должен совпадать.
search_claims({ "query": "ttft 32k" })Возвращает {id, headline, value, unit, evidence_level, permalink, cite} для каждого совпадения. Полезные запросы: decode, answerless, ttft cache, rocm, task-success, endurance.
get_claim
Одно утверждение полностью по id: полный абзац ответа, измеренное значение и единица измерения, область нагрузки, агрегация, ограничения, уровень доказательности, идентификаторы исходных прогонов со ссылками на GitHub, SQL-вывод, permalink и строка цитирования.
get_claim({ "id": "strix.qwen36.docsession.c1.ttft-q2-32k-cache" })Неизвестный id возвращает ошибку со списком наиболее близких совпадающих id.
list_measured
Уникальные комбинации система × модель × рантайм, для которых опубликованы утверждения, с количеством утверждений и примерами id. Сначала вызовите этот инструмент, чтобы увидеть, что реально было измерено.
list_measured({})Данные, лицензия, атрибуция
Код сервера: Apache-2.0.
Данные утверждений: CC BY 4.0, атрибуция AGmind Systems Lab (agmind.ai). Каждый результат инструмента включает строку
citeдля каждого утверждения, готовую к вставке; при повторном использовании чисел следует сохранять permalink утверждения.Источник реестра: https://agmind.ai/claims.json. Исходные записи прогонов и SQL-вывод: botAGI/agmind-lab. Бенчмарк-харнесс и корпуса: botAGI/agmind-bench.
Методология, уровни доказательности и эррата: agmind.ai/methodology, agmind.ai/errata.
Примечания по поведению
Только чтение. Сервер никогда ничего никуда не записывает.
Никакой телеметрии, никакой аналитики, никаких аккаунтов. Единственный сетевой вызов — получение реестра с agmind.ai.
Реестр загружается при запуске и кэшируется в памяти на один час; при неудачной повторной загрузке используется кэшированная копия. Установите
AGMIND_CLAIMS_URL, чтобы указать на зеркало реестра, если это необходимо.
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseAqualityBmaintenanceAn MCP server that enables LLMs to pull-based search through Clawket's RAG repository for exploratory and conditional queries. It provides read-only access to search artifacts, tasks, and decisions via HTTP API.510MIT

Local AI MCPofficial
AlicenseAqualityAmaintenanceUnified MCP server for managing local model runtimes (Ollama, LM Studio, etc.), enabling provider-agnostic discovery, lifecycle management, hardware-fit checks, and delegated inference.16224Creative Commons Attribution Non Commercial No Derivatives 4.0 International- AlicenseCqualityAmaintenanceRead-only MCP server that exposes public TokenLab model catalog tools for agents to discover models, inspect request contracts, and compare pricing.31223MIT
- AlicenseNot gradedqualityDmaintenanceA read-only MCP server for operator-grade release inspection and benchmark browsing.41MIT
Related MCP Connectors
MCP server providing access to the Scorecard API to evaluate and optimize LLM systems.
AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.
Hosted MCP server for LLM cost estimation, model comparison, and budget-aware routing.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/botAGI/agmind-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server