elvatis-mcp
Officialelvatis-mcp
Servidor MCP para OpenClaw -- expón tu hogar inteligente, memoria, automatización cron y orquestación de subagentes de IA a Claude Desktop, Cursor, Windsurf y cualquier cliente de IA compatible con MCP.
¿Qué es esto?
elvatis-mcp conecta Claude (o cualquier cliente MCP) a tu infraestructura:
Control del hogar inteligente a través de Home Assistant (luces, termostatos, aspiradora, sensores)
Sistema de memoria con registros diarios almacenados en tu servidor OpenClaw
Gestión y activación de tareas cron
Orquestación multi-LLM a través de 5 backends de IA: Claude, OpenClaw, Google Gemini, OpenAI Codex y LLMs locales
División inteligente de prompts que analiza solicitudes complejas, enruta subtareas a la IA adecuada y ejecuta el plan con límite de velocidad (rate limiting)
La idea clave: Claude es el orquestador, pero puede delegar trabajo especializado a otros modelos de IA. Las tareas de codificación van a Codex. La investigación va a Gemini. El formateo simple va a tu LLM local (gratuito y privado). El trading y la automatización van a OpenClaw. prompt_split resuelve el enrutamiento automáticamente, y prompt_split_execute ejecuta el plan con límite de velocidad en agentes en la nube.
Related MCP server: hass-mcp-server
¿Qué es MCP?
Model Context Protocol es un estándar abierto de Anthropic que permite a los clientes de IA conectarse a servidores de herramientas externos. Una vez configurado, Claude puede llamar directamente a tus herramientas sin copiar y pegar.
Arquitectura Multi-LLM
You (Claude Desktop / Code / Cursor)
|
MCP Protocol (stdio/HTTP)
|
elvatis-mcp server
|
+--------+--------+--------+--------+--------+--------+
| | | | | | |
Claude OpenClaw Gemini Codex Local llama Home
(CLI) (SSH) (CLI) (CLI) LLM .cpp Asst.
| | | | (HTTP) (proc) (REST)
Reason Plugins 1M ctx Coding | | |
Write Trading Multi- Files LM Stu Turbo- Lights
Review Auto. modal Debug Ollama Quant Climate
Notify Rsch Shell (free!) cache VacuumComparación de Subagentes
Herramienta | Backend | Transporte | Autenticación | Mejor para | Costo |
| Claude (Anthropic) | CLI local | Inicio de sesión de Claude Code | Razonamiento complejo, redacción, revisión de código. Para clientes MCP que no son de Claude. | Uso de API |
| OpenClaw (plugins) | SSH | Clave SSH | Trading, automatizaciones, flujos de trabajo de varios pasos | Autohospedado |
| Google Gemini | CLI local | Inicio de sesión de Google | Contexto largo (1M de tokens), multimodal, investigación | Uso de API |
| OpenAI Codex | CLI local | Inicio de sesión de OpenAI | Codificación, depuración, edición de archivos, scripts de shell | Uso de API |
| LM Studio / Ollama / llama.cpp | HTTP | Ninguno | Clasificación, formateo, extracción, reescritura | Gratis |
Reanudación de Sesión
claude_run, gemini_run y codex_run utilizan la reanudación de sesión CLI para eliminar la sobrecarga de arranque en frío. En la primera llamada se crea una nueva sesión; las llamadas posteriores la reanudan para que el modelo reciba solo el mensaje nuevo en lugar de volver a procesar todo el historial de la conversación.
Métrica | Sin reanudación de sesión | Con reanudación de sesión |
Tamaño del prompt por solicitud | 18-25 KB | <1 KB (solo mensaje nuevo) |
Tiempo de respuesta de Claude Sonnet | 80-120 s (50 % de tasa de bloqueo) | 5-10 s |
Tasa de bloqueo silencioso | ~50 % | Casi 0 % |
Las sesiones se guardan en ~/.openclaw/cli-bridge/cli-sessions.json y caducan después de 2 horas de inactividad o 50 solicitudes. El session_id se devuelve en cada respuesta para que puedas inspeccionar qué sesión se utilizó.
División Inteligente de Prompts
La herramienta prompt_split analiza prompts complejos y los divide en subtareas:
User: "Search my memory for TurboQuant notes, summarize with Gemini,
reformat as JSON locally, then save a summary to memory"
prompt_split returns:
t1: openclaw_memory_search -- "Search memory for TurboQuant" (parallel)
t3: local_llm_run -- "Reformat raw notes as clean JSON" (parallel)
t2: gemini_run -- "Summarize the key findings" (after t1)
t4: openclaw_memory_write -- "Save summary to today's log" (after t2, t3)Usa prompt_split_execute para ejecutar el plan automáticamente, o deja que Claude lo ejecute paso a paso. Las tareas se ejecutan en orden de dependencia con grupos paralelos ejecutados simultáneamente. Hay tres estrategias de análisis:
Estrategia | Velocidad | Calidad | Usos |
| Instantánea | Buena para prompts claros | Coincidencia de palabras clave, sin llamada LLM |
| 5-30 s | Mejor razonamiento | Tu LLM local analiza el prompt |
| 5-15 s | Mejor calidad | Gemini-flash analiza el prompt |
| Varía | La mejor disponible | Omite prompts simples y luego prueba gemini -> local -> heuristic |
Herramientas Disponibles (34 en total)
Home Assistant (7 herramientas)
Herramienta | Descripción |
| Leer el estado de cualquier entidad de Home Assistant |
| Controlar luces: encendido/apagado/alternar, brillo, temperatura de color, RGB |
| Controlar termostatos Tado: temperatura, modo HVAC |
| Activar escenas de Hue por habitación |
| Controlar la aspiradora Roborock: iniciar, detener, base, estado |
| Leer todos los sensores de temperatura, humedad y CO2 |
| Listar, activar, habilitar o deshabilitar automatizaciones de HA |
Memoria (3 herramientas)
Herramienta | Descripción |
| Escribir una nota en el registro diario de hoy |
| Leer el registro de memoria de hoy |
| Buscar archivos de memoria en los últimos N días |
Automatización Cron (7 herramientas)
Herramienta | Descripción |
| Listar todos los trabajos cron programados de OpenClaw |
| Activar un trabajo cron inmediatamente por ID |
| Obtener el estado del programador y el historial de ejecución reciente |
| Crear un nuevo trabajo cron (expresión cron, intervalo o de una sola vez) |
| Editar un trabajo cron existente (nombre, mensaje, programación, modelo) |
| Eliminar un trabajo cron por ID |
| Mostrar el historial de ejecución reciente de un trabajo cron |
Agente OpenClaw (4 herramientas)
Herramienta | Descripción |
| Enviar un prompt al agente de IA de OpenClaw (todos los plugins disponibles) |
| Comprobar si el demonio de OpenClaw se está ejecutando |
| Listar todos los plugins instalados |
| Enviar una notificación a través de WhatsApp, Telegram o el último canal utilizado |
Subagentes de IA (5 herramientas)
Herramienta | Descripción |
| Enviar un prompt a Claude a través de la CLI local. Para clientes MCP que no son de Claude (Cursor, Windsurf). |
| Enviar un prompt a Google Gemini a través de la CLI local. Contexto de 1M de tokens. |
| Enviar una tarea de codificación a OpenAI Codex a través de la CLI local. |
| Enviar un prompt a un LLM local (LM Studio, Ollama, llama.cpp). Gratuito y privado. Admite transmisión. |
| Iniciar/detener/configurar un servidor llama.cpp con soporte de caché TurboQuant. |
Gestión del Sistema (4 herramientas)
Herramienta | Descripción |
| Comprobar el estado de todos los servicios a la vez con latencia (HA, SSH, LLM, CLIs) |
| Listar, cargar o descargar modelos en LM Studio / Ollama |
| Ver registros de puerta de enlace, agente o sistema del servidor OpenClaw |
| Subir, descargar o listar archivos en el servidor OpenClaw a través de SSH |
Enrutamiento y Orquestación (3 herramientas)
Herramienta | Descripción |
| Mostrar la guía de enrutamiento. Pasa una tarea para obtener una recomendación de herramienta específica. |
| Analizar un prompt complejo y dividirlo en subtareas con asignaciones de agente. |
| Ejecutar un plan dividido: enviar subtareas a los agentes en orden de dependencia con límite de velocidad. |
Panel de control
Punto de conexión | Descripción |
| Panel HTML de actualización automática (estado del servicio, modelos cargados) |
| API JSON para comprobaciones de estado programáticas |
Resultados de las Pruebas
Todas las pruebas se ejecutan contra servicios en vivo (LM Studio con Deepseek R1 Qwen3 8B, servidor OpenClaw a través de SSH).
elvatis-mcp integration tests
Local LLM (local_llm_run)
Model: deepseek/deepseek-r1-0528-qwen3-8b
Response: "negative"
Tokens: 401 (prompt: 39, completion: 362)
PASS local_llm_run: simple classification (21000ms)
Extracted: {"name":"John Smith","age":34}
PASS local_llm_run: JSON extraction (24879ms)
Error: Could not connect to local LLM at http://localhost:19999/v1/chat/completions
PASS local_llm_run: connection error handling (4ms)
Prompt Splitter (prompt_split)
Strategy: heuristic
Agent: codex_run
Summary: Fix the authentication bug in the login handler
PASS prompt_split: single-domain coding prompt routes to codex (1ms)
Strategy: heuristic
Subtasks: 3
t1: codex_run -- "Refactor the auth module"
t2: openclaw_run -- "check my portfolio performance and"
t3: home_light -- "turn on the living room lights"
Parallel groups: [["t1","t3"],["t2"]]
Estimated time: 90s
PASS prompt_split: heuristic multi-agent splitting (0ms)
Subtasks: 4, Agents: openclaw_memory_write, gemini_run, local_llm_run
Parallel groups: [["t1","t3","t4"],["t2"]]
PASS prompt_split: cross-domain with dependencies (1ms)
Strategy: local->heuristic (fallback)
Subtasks: 1
PASS prompt_split: local LLM strategy (with fallback) (60007ms)
Routing Guide (mcp_help)
Guide length: 2418 chars
PASS mcp_help: returns guide without task (0ms)
Recommendation: local_llm_run (formatting task)
PASS mcp_help: routes formatting task to local_llm_run (0ms)
Recommendation: codex_run (coding task)
PASS mcp_help: routes coding task to codex_run (0ms)
Memory Search via SSH (openclaw_memory_search)
Query: "trading", Results: 5
PASS openclaw_memory_search: finds existing notes (208ms)
-----------------------------------------------------------
11 passed, 0 failed, 0 skipped
-----------------------------------------------------------Ejecuta las pruebas tú mismo:
npx tsx tests/integration.test.tsRequisitos previos: .env configurado, servidor LLM local en ejecución, servidor OpenClaw accesible por SSH.
Puntos de Referencia
Consulta BENCHMARKS.md para ver el conjunto completo de puntos de referencia, la metodología y la guía de contribución comunitaria.
Hardware de Referencia
Componente | Especificación |
CPU | AMD Threadripper 3960X (24 núcleos / 48 subprocesos) |
GPU | AMD Radeon RX 9070 XT Elite (16 GB GDDR6) |
RAM | 128 GB DDR4 |
SO | Windows 11 Pro |
Tiempo de ejecución | LM Studio + Vulkan ( |
Inferencia LLM Local (LM Studio, GPU Vulkan, --gpu max)
Mediana de 3 ejecuciones, max_tokens=512. Tareas: clasificar (sentimiento de 1 palabra), extraer (JSON), razonar (aritmética), codificar (función de Python). Vulkan es el tiempo de ejecución recomendado para AMD RX 9070 XT (gana en 4 de 5 modelos sobre ROCm).
Model | Params | classify | extract | reason | code | avg tok/s |
Phi 4 Mini Reasoning | 3B | 2.6s | 1.9s | 4.7s | 4.8s | 106 |
Deepseek R1 0528 Qwen3 | 8B | 3.0s | 6.5s | 7.2s | 7.4s | 70 |
Qwen 3.5 9B | 9B | 6.2s | 4.0s | 8.4s | 7.2s | 48 |
Phi 4 Reasoning Plus | 15B | 0.4s | 9.7s | 3.5s | 9.9s | 40 |
GPT-OSS 20B | 20B | 0.6s | 0.6s | 0.6s | 1.9s | 63 |
Aceleración de GPU frente a CPU (Deepseek R1 8B, Vulkan): classify 7.2 veces más rápido, extract 3.8 veces más rápido.
Comparación de subagentes (misma tarea, diferentes backends)
Agente | Backend | Latencia media | Coste | Notas |
local_llm_run | GPT-OSS 20B (Vulkan GPU) | 1.0s | Gratis | 4 veces más rápido que Codex, 6 veces más rápido que Claude |
codex_run | OpenAI Codex CLI | 4.1s | De pago | Ideal para tareas de programación |
claude_run | Claude Sonnet 4.6 | 6.3s (5-10s con reanudación de sesión) | De pago | Ideal para razonamiento complejo |
gemini_run | Gemini 2.5 Flash | 34.0s | Plan gratuito | Sobrecarga de inicio de CLI, ideal para contexto largo |
Latencia del servicio (system_status)
Servicio | Latencia | Notas |
Home Assistant (REST API) | 48-84 ms | Red local, HTTP directo |
OpenClaw SSH | 273-299 ms | SSH en LAN + ejecución de comandos |
Local LLM (lista de modelos) | 19-38 ms | API local de LM Studio |
Claude CLI (comprobación de versión) | 472-478 ms | Sobrecarga de inicio de CLI |
Codex CLI (comprobación de versión) | 131-136 ms | Sobrecarga de inicio de CLI |
Gemini CLI (comprobación de versión) | 4,700-4,900 ms | Inicio de CLI + comprobación de autenticación |
Precisión de prompt_split (estrategia heurística)
Métrica | Resultado |
Tasa de éxito | 10/10 (100 %) |
Precisión del recuento de tareas | 10/10 (100 %) |
Coincidencia media de agente | 100 % |
Latencia | <1 ms (sin llamada a LLM) |
Mejoras en v0.8.0+: coincidencia de expresiones regulares por límites de palabra, división de cláusulas por comas para prompts multiagente, reglas de enrutamiento por herramienta, enrutamiento de openclaw_notify. Consulta BENCHMARKS.md para ver el corpus de pruebas completo.
¿Quieres aportar benchmarks de tu hardware? Consulta BENCHMARKS.md.
Requisitos
Node.js 18 o posterior
Cliente OpenSSH (integrado en Windows 10+, macOS, Linux)
Una instancia de OpenClaw en ejecución accesible por SSH
Una instancia de Home Assistant con un token de acceso de larga duración
Opcional (para subagentes):
claude_run:npm install -g @anthropic-ai/claude-codey ejecutaclaudeuna vez para autenticartegemini_run:npm install -g @google/gemini-cliygemini auth logincodex_run:npm install -g @openai/codexycodex loginlocal_llm_run: cualquier servidor local compatible con OpenAI:
Instalación
Instalación global:
npm install -g @elvatis_com/elvatis-mcpO úsalo directamente con npx (sin necesidad de instalación):
npx @elvatis_com/elvatis-mcpCada versión se compila y publica con GitHub Actions a partir de una etiqueta v* enviada, desde el commit exacto que nombra esa etiqueta. SECURITY.md explica qué garantiza y qué no garantiza ese proceso, y cómo verificar una versión instalada. CHANGELOG.md documenta el contenido de cada versión.
¿Dónde puedo usarlo?
elvatis-mcp funciona en cualquier cliente compatible con MCP. Cada cliente usa su propio archivo de configuración.
Cliente | Transporte | Archivo de configuración |
Claude Desktop / Cowork (Windows MSIX) | stdio |
|
Claude Desktop / Cowork (macOS) | stdio |
|
Claude Code (global, todos los proyectos) | stdio |
|
Claude Code (solo este proyecto) | stdio |
|
Cursor / Windsurf / otros | stdio o HTTP | Consulta la documentación de la aplicación |
Claude Desktop y Cowork comparten el mismo archivo de configuración. Claude Code es un sistema separado.
Configuración
1. Crea tu archivo .env
cp .env.example .env# Required
HA_URL=http://your-home-assistant:8123
HA_TOKEN=your_long_lived_ha_token
SSH_HOST=your-openclaw-server-ip
SSH_USER=your-ssh-username
SSH_KEY_PATH=~/.ssh/your_key
# Optional: Local LLM
LOCAL_LLM_ENDPOINT=http://localhost:1234/v1 # LM Studio default
LOCAL_LLM_MODEL=deepseek-r1-0528-qwen3-8b # or omit to use loaded model
# Optional: Sub-agent models
GEMINI_MODEL=gemini-2.5-flash
CODEX_MODEL=o32. Configura tu cliente MCP
Claude Desktop (macOS)
Edita ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"elvatis-mcp": {
"command": "npx",
"args": ["-y", "@elvatis_com/elvatis-mcp"],
"env": {
"HA_URL": "http://your-home-assistant:8123",
"HA_TOKEN": "your_token",
"SSH_HOST": "your-openclaw-server-ip",
"SSH_USER": "your-username",
"SSH_KEY_PATH": "/Users/your-username/.ssh/your_key"
}
}
}
}Claude Desktop (Windows MSIX)
Abre este archivo (créealo si es necesario):
%LOCALAPPDATA%\Packages\Claude_pzs8sxrjxfjjc\LocalCache\Roaming\Claude\claude_desktop_config.json{
"mcpServers": {
"elvatis-mcp": {
"command": "C:\\Program Files\\nodejs\\node.exe",
"args": ["C:\\path\\to\\elvatis-mcp\\dist\\index.js"],
"env": {
"HA_URL": "http://your-home-assistant:8123",
"HA_TOKEN": "your_token",
"SSH_HOST": "your-openclaw-server-ip",
"SSH_USER": "your-username",
"SSH_KEY_PATH": "C:\\Users\\your-username\\.ssh\\your_key"
}
}
}
}En Windows, usa siempre rutas absolutas completas. El entorno limitado de MSIX no resuelve
~ni rutas relativas.
Claude Code (este proyecto)
Copia .mcp.json.example a .mcp.json (ignorado por git, nunca se confirma) y completa tus rutas y datos SSH. Luego copia .env.example a .env para la configuración restante.
Claude Code (global)
claude mcp add --scope user elvatis-mcp -- node /path/to/elvatis-mcp/dist/index.jsTransporte HTTP (clientes remotos)
MCP_TRANSPORT=http MCP_HTTP_PORT=3333 npx @elvatis_com/elvatis-mcpConecta tu cliente a http://your-server:3333/mcp.
Variables de entorno
Obligatorias
Variable | Descripción |
| URL base de Home Assistant, p. ej. |
| Nombre de host o IP del servidor OpenClaw |
Opcionales
Variable | Por defecto | Descripción |
| -- | Token de acceso de larga duración de Home Assistant |
|
| Puerto SSH |
|
| Nombre de usuario SSH |
|
| Ruta a la clave privada SSH |
|
| URL de OpenClaw Gateway |
| -- | Token de API de Gateway opcional |
| -- | Agente con nombre para |
|
| Modelo por defecto para |
| -- | Modelo por defecto para |
|
| URL del servidor LLM local (por defecto LM Studio) |
| -- | Modelo local por defecto (omítelo para usar el modelo cargado en el servidor) |
|
| Modo de transporte: |
|
| Puerto HTTP |
| -- | Establécelo en |
|
| Directorio para datos de uso persistentes (limitador de tasa) |
| -- | Cadena JSON con anulaciones de límite de tasa por agente |
Configuración de LLM local
elvatis-mcp funciona con cualquier servidor local compatible con OpenAI. Tres opciones populares:
LM Studio (recomendado para escritorio)
Descárgalo de lmstudio.ai
Carga un modelo (p. ej. Deepseek R1 Qwen3 8B, Phi 4 Mini)
Haz clic en "Local Server" en la barra lateral y actívalo
El servidor se ejecuta en
http://localhost:1234/v1(el predeterminado)
Ollama
ollama serve # starts server on port 11434
ollama run llama3.2 # downloads and loads modelEstablece LOCAL_LLM_ENDPOINT=http://localhost:11434/v1 en tu .env.
llama.cpp
llama-server -m model.gguf --port 8080Establece LOCAL_LLM_ENDPOINT=http://localhost:8080/v1 en tu .env.
Modelos recomendados por tarea
Modelo | Tamaño | Ideal para |
Phi 4 Mini | 3B | Clasificación, formato y extracción rápidos |
Deepseek R1 Qwen3 | 8B | Razonamiento, análisis y división de prompts |
Phi 4 Reasoning Plus | 15B | Razonamiento complejo con calidad |
GPT-OSS | 20B | Propósito general, respuestas más largas |
Los modelos de razonamiento (Deepseek R1, Phi 4 Reasoning) envuelven su cadena de pensamiento en etiquetas
thinking. elvatis-mcp las elimina automáticamente para darte respuestas limpias.
Configuración de SSH
Las herramientas cron, memory y OpenClaw se comunican con tu servidor a través de SSH.
# Verify connectivity
ssh -i ~/.ssh/your_key your-username@your-server "openclaw --version"
# Optional: SSH tunnel for OpenClaw WebSocket gateway
ssh -i ~/.ssh/your_key -L 18789:127.0.0.1:18789 -N your-username@your-serverEn Windows, elvatis-mcp resuelve automáticamente el binario SSH a C:\Windows\System32\OpenSSH\ssh.exe y reintenta en fallos de conexión transitorios. Establece SSH_DEBUG=1 para obtener una salida detallada.
Comando de barra /mcp-help
En Claude Code, el comando de barra /mcp-help muestra la guía completa de enrutamiento de 34 herramientas como salida formateada:
/mcp-help # full guide
/mcp-help openclaw_status # help for a specific tool
/mcp-help analyze this trading strategy for risk # routing recommendationLímite de tasa
Los subagentes en la nube (claude_run, codex_run, gemini_run) tienen límite de tasa para evitar costes descontrolados. Límites predeterminados:
Agente | /min | /h | /día | Coste est./llamada |
| 5 | 30 | 200 | $0.03 |
| 5 | 30 | 200 | $0.02 |
| 10 | 60 | 500 | $0.01 |
Los agentes locales (local_llm_run, home_*, openclaw_*) son ilimitados.
Los datos de uso se guardan en ~/.elvatis-mcp/usage.json. Anula los límites mediante la variable de entorno RATE_LIMITS:
RATE_LIMITS='{"claude_run":{"perMinute":3,"perDay":100}}'Desarrollo
git clone https://github.com/elvatis/elvatis-mcp
cd elvatis-mcp
npm install # builds automatically via prepare script
cp .env.example .env # fill in your values
node dist/index.js # starts in stdio mode, waits for MCP clientCompila en modo observador:
npm run devEjecuta las pruebas de integración:
npx tsx tests/integration.test.tsEstructura del proyecto
src/
index.ts MCP server entry, tool registration, transport, dashboard
config.ts Environment variable configuration
dashboard.ts Status dashboard HTML renderer
ssh.ts SSH exec helper (Windows/macOS/Linux)
spawn.ts Local process spawner for CLI sub-agents (supports stdin piping)
session-registry.ts CLI session registry: persist/resume Claude, Gemini, Codex sessions
tools/
home.ts Home Assistant: light, climate, scene, vacuum, sensors
home-automation.ts HA automations: list, trigger, enable, disable
memory.ts Daily memory log: write, read, search (SSH)
cron.ts OpenClaw cron: list, run, status (SSH)
cron-manage.ts OpenClaw cron: create, edit, delete, history (SSH)
openclaw.ts OpenClaw agent orchestration (SSH)
openclaw-logs.ts OpenClaw server log viewer (SSH)
notify.ts WhatsApp/Telegram notifications via OpenClaw
claude.ts Claude sub-agent (local CLI, for non-Claude clients)
gemini.ts Google Gemini sub-agent (local CLI)
codex.ts OpenAI Codex sub-agent (local CLI)
local-llm.ts Local LLM sub-agent (OpenAI-compatible HTTP)
local-llm-models.ts LM Studio model management (list/load/unload)
llama-server.ts llama.cpp server manager (start/stop/configure)
file-transfer.ts File upload/download via SSH
system-status.ts Unified health check across all services
splitter.ts Smart prompt splitter (multi-strategy)
split-execute.ts Plan executor with agent dispatch and rate limiting
help.ts Routing guide and task recommender
routing-rules.ts Shared routing rules and keyword matching
rate-limiter.ts Rate limiting + cost tracking for cloud sub-agents
tests/
unit.test.ts 42 unit tests (no external services needed)
integration.test.ts Live integration testsLicencia
Apache-2.0 -- Copyright 2026 Elvatis
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
- AlicenseBqualityDmaintenanceAn MCP server that integrates with the OpenClaw API to enable AI assistants to send messages across multiple platforms, execute system commands, and manage calendar events and emails.51MIT
- AlicenseAqualityCmaintenanceMCP server for full Home Assistant control, enabling AI agents to manage dashboards, automations, files, apps, entities, and more via REST API, WebSocket, and SSH.66116MIT
- AlicenseNot gradedqualityAmaintenanceMCP server with persistent memory, voice understanding, multi-thread orchestration, and remote control via Telegram for AI assistants.2,2995MIT
- AlicenseNot gradedqualityDmaintenanceMCP server providing persistent memory, goal tracking, self-reflection, and background monitoring for any MCP-compatible AI agent.1MIT
Related MCP Connectors
MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.
An MCP memory server. One memory your agents share — across models, devices and apps.
Cloud-hosted MCP server for durable AI memory
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/elvatis/elvatis-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server