de en es ja ko ru zh

agent-signal

Name: agent-signal
Author: dan24ou-cpu

by dan24ou-cpu

Overview Schema Source Related Servers Discussions Admin

TypeScript

Hybrid

AgentSignal

npm version GitHub stars License: MIT MCP Tools

Die kollektive Intelligenzschicht für KI-Shopping-Agenten.

Jeder Agent, der sich verbindet, macht jeden anderen Agenten intelligenter. Über 1.200 Shopping-Sitzungen, 95 Produkte, 50 Händler, 10 Kategorien – und es werden ständig mehr.

Warum es das gibt: Wenn KI-Agenten für Benutzer einkaufen, beginnt jeder Agent bei Null. AgentSignal bündelt Entscheidungssignale über alle Agenten hinweg, sodass jede Sitzung von dem profitiert, was jeder andere Agent bereits gelernt hat – Auswahlraten, Ablehnungsmuster, Preisintelligenz, Händlerzuverlässigkeit und bewährte Übereinstimmungen bei Einschränkungen.

Schnellstart (30 Sekunden)

Remote – keine Installation, sofortige Intelligenz:

{
  "mcpServers": {
    "agent-signal": {
      "url": "https://agent-signal-production.up.railway.app/mcp"
    }
  }
}

Lokal via npx:

npx agent-signal

Claude Desktop / Claude Code:

{
  "mcpServers": {
    "agent-signal": {
      "command": "npx",
      "args": ["agent-signal"]
    }
  }
}

Related MCP server: agent-commerce-mcp-server

Ein Aufruf, um intelligenter einzukaufen

Das Tool smart_shopping_session protokolliert Ihre Sitzung UND liefert alle verfügbaren Informationen in einem einzigen Aufruf:

smart_shopping_session({
  raw_query: "lightweight running shoes with good cushioning",
  category: "footwear/running",
  budget_max: 200,
  constraints: ["lightweight", "cushioned"]
})

Rückgabewerte:

Ihre Sitzungs-ID für die weitere Protokollierung
Top-Empfehlungen von anderen Agenten in dieser Kategorie
Welche Einschränkungen und Faktoren am wichtigsten waren
Wie ähnliche Sitzungen endeten (gekauft vs. abgebrochen)
Netzwerkweite Statistiken

23 MCP-Tools

Intelligente Kombi-Tools (empfohlen)

Tool	Was es tut
`smart_shopping_session`	Sitzung starten + Kategorie-Intelligenz abrufen + Ergebnisse ähnlicher Sitzungen – alles in einem Aufruf
`evaluate_and_compare`	Produktbewertung protokollieren + Produktintelligenz abrufen + Angebotsbewertung – alles in einem Aufruf

Käufer-Intelligenz – Intelligenter einkaufen

Tool	Was es Ihnen sagt
`get_product_intelligence`	Auswahlrate, Ablehnungsgründe, welche Konkurrenten es schlagen und warum
`get_category_recommendations`	Top-Empfehlungen, Entscheidungsfaktoren, allgemeine Anforderungen, durchschnittliche Budgets
`check_merchant_reliability`	Lagerbestandsgenauigkeit, Auswahlrate, Kaufergebnisse nach Händler
`get_similar_session_outcomes`	Was Agenten mit ähnlichen Einschränkungen letztendlich gewählt haben
`detect_deal`	Preisbewertung im Vergleich zu historischen Daten – von best_price_ever bis above_average
`get_warnings`	Lagerprobleme, hohe Ablehnungsraten, Abbruchsignale
`get_constraint_match`	Produkte, die genau Ihren Einschränkungen entsprechen – überspringen Sie die Suche

Verkäufer-Intelligenz – Verstehen Sie Ihren Markt

Tool	Was es Ihnen sagt
`get_competitive_landscape`	Kategorierang, Gewinnrate im direkten Vergleich, wer Sie schlägt und warum, Preispositionierung
`get_rejection_analysis`	Warum Agenten Ihr Produkt ablehnen, wöchentliche Trends, was sie stattdessen gewählt haben
`get_category_demand`	Wonach Agenten suchen, ungedeckte Bedürfnisse, Budgetverteilung, Marktlücken
`get_merchant_scorecard`	Vollständiger Händlerbericht – Lagerzuverlässigkeit, Preiswettbewerbsfähigkeit, Auswahlraten nach Kategorie

Entdeckung & Überwachung

Tool	Was es Ihnen sagt
`get_budget_products`	Beste Produkte innerhalb eines bestimmten Budgets – sortiert nach Agentenauswahl, mit Händlerverfügbarkeit
`get_trending_products`	Produkte im Auf- oder Abwärtstrend – vergleicht die Auswahlrate des aktuellen Zeitraums mit dem vorherigen
`create_price_alert`	Preisalarm setzen – wird ausgelöst, wenn Agenten das Produkt zu oder unter Ihrem Zielpreis finden
`check_price_alerts`	Überprüfen, welche Alarme durch kürzliche Agentenaktivitäten ausgelöst wurden

Schreib-Tools – Zurückgeben

Tool	Was es erfasst
`log_shopping_session`	Shopping-Absicht, Einschränkungen, Budget, Ausschlüsse
`log_product_evaluation`	Betrachtetes Produkt, Übereinstimmungs-Score, Disposition + Ablehnungsgrund
`log_comparison`	Verglichene Produkte, Dimensionen, Gewinner, entscheidender Faktor
`log_outcome`	Endergebnis – gekauft, empfohlen, abgebrochen oder zurückgestellt
`import_completed_session`	Massenimport einer abgeschlossenen Sitzung rückwirkend
`get_session_summary`	Vollständige Sitzungsdetails abrufen

Beispiel: Vollständiger Agent-Workflow

# 1. Start smart — one call gets you session ID + intelligence
smart_shopping_session(category: "electronics/headphones", constraints: ["noise-cancelling", "wireless"], budget_max: 400)

# 2. Evaluate products — get intel as you log
evaluate_and_compare(session_id: "...", product_id: "sony-wh1000xm5", price_at_time: 349, disposition: "selected")
evaluate_and_compare(session_id: "...", product_id: "bose-qc45", price_at_time: 279, disposition: "rejected", rejection_reason: "inferior ANC")

# 3. Compare and close
log_comparison(products_compared: ["sony-wh1000xm5", "bose-qc45"], winner: "sony-wh1000xm5", deciding_factor: "noise cancellation quality")
log_outcome(session_id: "...", outcome_type: "purchased", product_chosen_id: "sony-wh1000xm5")

Jeder Schritt speist das Netzwerk. Der nächste Agent, der nach Kopfhörern sucht, profitiert von Ihren Daten.

Beispiel: Verkäufer-Intelligenz-Workflow

# 1. How is my product performing vs competitors?
get_competitive_landscape(product_id: "sony-wh1000xm5")
# → Category rank #1, 68% head-to-head win rate, beats bose-qc45 on ANC quality

# 2. Why are agents rejecting my product?
get_rejection_analysis(product_id: "bose-qc45")
# → 45% rejected for "inferior ANC", agents chose sony-wh1000xm5 instead 3x more

# 3. What do agents want in my category?
get_category_demand(category: "electronics/headphones")
# → Top demands: noise-cancelling (89%), wireless (82%), unmet need: "spatial audio"

# 4. How does my store perform?
get_merchant_scorecard(merchant_id: "amazon")
# → 34% selection rate, 2% out-of-stock, cheapest option 41% of the time

Kategorien mit aktiver Intelligenz

Kategorie	Sitzungen
footwear/running	150+
electronics/headphones	140+
gaming/accessories	130+
electronics/tablets	130+
home/furniture/desks	120+
fitness/wearables	118+
electronics/phones	115+
home/smart-home	107+
kitchen/appliances	105+
electronics/laptops	98+

Beispiele für Agent-Frameworks

Sofort ausführbare Beispiele in /examples:

Framework	Datei	Beschreibung
LangChain	`langchain-shopping-agent.py`	ReAct-Agent mit LangGraph + MCP-Adapter
CrewAI	`crewai-shopping-crew.py`	Zwei-Agenten-Crew (Researcher + Shopper)
AutoGen	`autogen-shopping-agent.py`	AutoGen-Agent mit MCP-Tools
OpenAI Agents	`openai-agents-shopping.py`	OpenAI Agents SDK mit Streamable HTTP
Claude	`claude-system-prompt.md`	Optimierter System-Prompt für Claude Desktop/Code

Alle Beispiele verbinden sich mit dem gehosteten MCP-Endpunkt – keine Einrichtung außer pip install erforderlich.

REST-API

Händlerorientierte Analysen unter https://agent-signal-production.up.railway.app/api:

Endpunkt	Beschreibung
`GET /api/products/:id/insights`	Produktanalysen – Betrachtungsrate, Ablehnungsgründe
`GET /api/categories/:category/trends`	Kategorietrends – Top-Faktoren, Budgets, Attribute
`GET /api/competitive/lost-to?product_id=X`	Wettbewerbsverluste – wogegen X verliert und warum
`GET /api/sessions`	Kürzliche Sitzungen (paginiert)
`GET /api/sessions/:id`	Vollständige Sitzungsdetails
`POST /api/admin/aggregate`	Berechnung der Erkenntnisse auslösen
`GET /api/health`	Gesundheitsprüfung

Selbst-Hosting

git clone https://github.com/dan24ou-cpu/agent-signal.git
cd agent-signal
npm install
cp .env.example .env  # set DATABASE_URL to your PostgreSQL
npm run migrate
npm run seed           # optional: sample data
npm run dev            # starts API + MCP server on port 3100

Architektur

MCP-Server – Stdio-Transport (lokal) + Streamable HTTP (remote)
REST-API – Express auf demselben Port
Datenbank – PostgreSQL (Neon-kompatibel)
23 MCP-Tools – 17 Lese-Tools (Käufer + Verkäufer + Entdeckung) + 6 Schreib-Tools

Lizenz

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive

ResponsivenessNo issues

Resources

Need Help?

Related Servers

Related MCP Connectors

marketbasketanalysis-mcp A
io.github.48x-ai
Co-purchase intelligence and merchant ops tools for AI shopping, ecommerce, and B2B agents
E-commerce & Retail Research & Data
191
shopping-discoveryOAuth
io.github.Periskop-ai
Product discovery for AI agents: ranked products and bundles from the open merchant web.
E-commerce & Retail Search
2
agent-commerce
ai.petraport
AI-agent product catalog: search, lookup & purchase routing over verified merchant data.
E-commerce & Retail Search
2
OpenShopGraph A
com.openshopgraph
Open, verified shop database for AI agents: products, offers, price comparison, trust and coupons.
E-commerce & Retail Search Open Data
81

Related MCP Servers

Godaloofficial
E-commerce & Retail Search
Godalo-ai
A
license
Not graded
quality
D
maintenance
Affiliate product search for AI agents. Indexes structured merchant feeds — real prices, live stock, affiliate links built in. Works with any MCP client.
Updated 4 months ago (2026-06-04 11:51 UTC)
MIT
agent-commerce-mcp-server
E-commerce & Retail Autonomous Agents
AiAgentKarl
A
license
A
quality
D
maintenance
Enables AI agents to create, compare, and track purchases with structured buying workflows, offer comparison, and merchant verification.
Updated 6 months ago (2026-04-03 16:05 UTC)
5
MIT
Agentic Product Protocol MCP
E-commerce & Retail Search
AiAgentKarl
A
license
A
quality
D
maintenance
Klarna-style product discovery for AI shopping agents. Makes product catalogs machine-readable so AI agents can search, compare, and purchase products programmatically.
Updated 6 months ago (2026-03-20 11:47 UTC)
6
MIT
Periskop MCP Serverofficial
E-commerce & Retail Search
Periskop-ai
A
license
Not graded
quality
C
maintenance
Enables AI agents to perform product discovery from natural language shopping intents, returning ranked products with merchant links without completing checkout.
Updated 3 months ago (2026-07-01 11:42 UTC)
MIT