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

AI 쇼핑 에이전트를 위한 집단 지성 레이어.

연결된 모든 에이전트는 서로를 더 똑똑하게 만듭니다. 1,200개 이상의 쇼핑 세션, 95개 제품, 50개 판매자, 10개 카테고리 — 그리고 계속 성장 중입니다.

존재 이유: AI 에이전트가 사용자를 대신해 쇼핑할 때, 각 에이전트는 0부터 시작합니다. AgentSignal은 모든 에이전트의 의사결정 신호를 통합하여, 선택률, 거부 패턴, 가격 정보, 판매자 신뢰도, 검증된 제약 조건 일치 등 다른 에이전트가 이미 학습한 내용을 모든 세션에서 활용할 수 있도록 합니다.

빠른 시작 (30초)

원격 — 설치 불필요, 즉각적인 지능:

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

npx를 통한 로컬 설치:

npx agent-signal

Claude Desktop / Claude Code:

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

Related MCP server: agent-commerce-mcp-server

더 똑똑한 쇼핑을 위한 단 한 번의 호출

smart_shopping_session 도구는 세션을 기록하는 동시에 사용 가능한 모든 지능 정보를 단일 호출로 반환합니다:

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

반환 값:

후속 기록을 위한 세션 ID
해당 카테고리에서 다른 에이전트들이 가장 많이 선택한 제품
가장 중요하게 고려된 제약 조건 및 요소
유사한 세션의 결과 (구매 vs 이탈)
네트워크 전체 통계

23개의 MCP 도구

스마트 콤보 도구 (권장)

도구	기능
`smart_shopping_session`	세션 시작 + 카테고리 지능 정보 획득 + 유사 세션 결과 확인 — 모두 한 번의 호출로 가능
`evaluate_and_compare`	제품 평가 기록 + 제품 지능 정보 획득 + 딜 판정 — 모두 한 번의 호출로 가능

구매자 지능 — 더 똑똑한 쇼핑

도구	제공 정보
`get_product_intelligence`	선택률, 거부 사유, 경쟁 제품이 선택된 이유
`get_category_recommendations`	인기 제품, 의사결정 요소, 일반적인 요구사항, 평균 예산
`check_merchant_reliability`	재고 정확도, 선택률, 판매자별 구매 결과
`get_similar_session_outcomes`	유사한 제약 조건을 가진 에이전트들의 최종 선택 결과
`detect_deal`	과거 데이터를 기반으로 한 가격 판정 — best_price_ever에서 above_average까지
`get_warnings`	재고 문제, 높은 거부율, 이탈 신호
`get_constraint_match`	제약 조건에 정확히 일치하는 제품 — 검색 과정 생략

판매자 지능 — 시장 이해

도구	제공 정보
`get_competitive_landscape`	카테고리 순위, 1대1 승률, 경쟁사 우위 요인, 가격 포지셔닝
`get_rejection_analysis`	에이전트가 귀하의 제품을 거부하는 이유, 주간 트렌드, 대신 선택한 제품
`get_category_demand`	에이전트들의 검색 내용, 충족되지 않은 니즈, 예산 분포, 시장 격차
`get_merchant_scorecard`	전체 판매자 보고서 — 재고 신뢰도, 가격 경쟁력, 카테고리별 선택률

발견 및 모니터링

도구	제공 정보
`get_budget_products`	특정 예산 내 최고의 제품 — 에이전트 선택 기준 순위 및 판매자 재고 현황
`get_trending_products`	상승 또는 하락 중인 제품 — 이전 기간 대비 현재 선택률 비교
`create_price_alert`	가격 알림 설정 — 에이전트가 목표 가격 이하로 제품을 발견하면 알림
`check_price_alerts`	최근 에이전트 활동에 의해 트리거된 알림 확인

쓰기 도구 — 데이터 기여

도구	수집 데이터
`log_shopping_session`	쇼핑 의도, 제약 조건, 예산, 제외 항목
`log_product_evaluation`	고려된 제품, 일치 점수, 처분 결과 + 거부 사유
`log_comparison`	비교된 제품, 차원, 승자, 결정적 요인
`log_outcome`	최종 결과 — 구매, 추천, 이탈 또는 보류
`import_completed_session`	완료된 세션을 소급하여 대량 가져오기
`get_session_summary`	전체 세션 세부 정보 검색

예시: 전체 에이전트 워크플로우

# 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")

모든 단계가 네트워크에 기여합니다. 다음에 헤드폰을 쇼핑하는 에이전트는 귀하의 데이터로부터 혜택을 받습니다.

예시: 판매자 지능 워크플로우

# 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

활성 지능 정보가 있는 카테고리

카테고리	세션 수
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+

에이전트 프레임워크 예시

/examples에서 바로 실행 가능한 예시:

프레임워크	파일	설명
LangChain	`langchain-shopping-agent.py`	LangGraph + MCP 어댑터를 사용한 ReAct 에이전트
CrewAI	`crewai-shopping-crew.py`	2인 에이전트 팀 (조사자 + 쇼퍼)
AutoGen	`autogen-shopping-agent.py`	MCP 도구를 사용하는 AutoGen 에이전트
OpenAI Agents	`openai-agents-shopping.py`	Streamable HTTP를 사용하는 OpenAI Agents SDK
Claude	`claude-system-prompt.md`	Claude Desktop/Code를 위한 최적화된 시스템 프롬프트

모든 예시는 호스팅된 MCP 엔드포인트에 연결되며, pip install 외에 별도의 설정이 필요하지 않습니다.

REST API

https://agent-signal-production.up.railway.app/api에서 제공되는 판매자 대상 분석:

엔드포인트	설명
`GET /api/products/:id/insights`	제품 분석 — 고려율, 거부 사유
`GET /api/categories/:category/trends`	카테고리 트렌드 — 주요 요소, 예산, 속성
`GET /api/competitive/lost-to?product_id=X`	경쟁 손실 — X가 무엇에 밀리는지, 그 이유
`GET /api/sessions`	최근 세션 (페이지네이션)
`GET /api/sessions/:id`	전체 세션 세부 정보
`POST /api/admin/aggregate`	인사이트 계산 트리거
`GET /api/health`	상태 확인

자체 호스팅

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

아키텍처

MCP 서버 — Stdio 전송 (로컬) + Streamable HTTP (원격)
REST API — 동일 포트의 Express
데이터베이스 — PostgreSQL (Neon 호환)
23개의 MCP 도구 — 17개 읽기 (구매자 + 판매자 + 발견) + 6개 쓰기

라이선스

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