Skip to main content
Glama
elvatis

elvatis-mcp

Official
by elvatis

elvatis-mcp

OpenClaw용 MCP 서버 — 스마트 홈, 메모리, cron 자동화, AI 하위 에이전트 오케스트레이션을 Claude Desktop, Cursor, Windsurf 및 모든 MCP 호환 AI 클라이언트에 노출합니다.

npm License Tests AAHP Verify

이 프로젝트는 무엇인가?

elvatis-mcp는 Claude(또는 모든 MCP 클라이언트)를 사용자의 인프라에 연결합니다:

  • 스마트 홈 제어: Home Assistant를 통한 조명, 온도 조절기, 로봇 청소기, 센서

  • 메모리 시스템: OpenClaw 서버에 일일 로그로 저장

  • Cron 작업 관리 및 트리거링

  • 멀티 LLM 오케스트레이션: Claude, OpenClaw, Google Gemini, OpenAI Codex, 로컬 LLM 등 5가지 AI 백엔드

  • 스마트 프롬프트 분할: 복잡한 요청을 분석하고, 하위 작업을 올바른 AI로 라우팅하며, rate limiting을 적용해 계획을 실행

핵심 아이디어: Claude는 오케스트레이터이지만, 특화된 작업은 다른 AI 모델에 위임할 수 있습니다. 코딩 작업은 Codex로, 리서치는 Gemini로, 간단한 포맷팅은 로컬 LLM(무료, 프라이빗)으로, 트레이딩과 자동화는 OpenClaw로 보냅니다. prompt_split은 라우팅을 자동으로 파악하고, prompt_split_execute는 클라우드 에이전트에 rate limiting을 적용하면서 계획을 실행합니다.

Related MCP server: hass-mcp-server

MCP란 무엇인가?

Model Context Protocol은 AI 클라이언트가 외부 도구 서버에 연결할 수 있게 해주는 Anthropic의 개방형 표준입니다. 한 번 구성하면 Claude는 복사-붙여넣기 없이 도구를 직접 호출할 수 있습니다.


멀티 LLM 아키텍처

                         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   Vacuum

하위 에이전트 비교

도구

백엔드

전송 방식

인증

최적 용도

비용

claude_run

Claude (Anthropic)

로컬 CLI

Claude Code 로그인

복잡한 추론, 글쓰기, 코드 리뷰. Claude가 아닌 MCP 클라이언트용.

API 사용량

openclaw_run

OpenClaw (플러그인)

SSH

SSH 키

트레이딩, 자동화, 다단계 워크플로우

자체 호스팅

gemini_run

Google Gemini

로컬 CLI

Google 로그인

긴 컨텍스트(1M 토큰), 멀티모달, 리서치

API 사용량

codex_run

OpenAI Codex

로컬 CLI

OpenAI 로그인

코딩, 디버깅, 파일 편집, 셸 스크립트

API 사용량

local_llm_run

LM Studio / Ollama / llama.cpp

HTTP

없음

분류, 포맷팅, 추출, 재작성

무료

세션 재개

claude_run, gemini_run, codex_runCLI 세션 재개를 사용하여 콜드 스타트 오버헤드를 제거합니다. 첫 호출에서 새 세션이 생성되고, 이후 호출에서는 해당 세션을 재개하여 모델이 전체 대화 기록을 다시 처리하는 대신 새 메시지만 받게 됩니다.

지표

세션 재개 없음

세션 재개 사용 시

요청당 프롬프트 크기

18-25 KB

<1 KB (새 메시지만)

Claude Sonnet 응답 시간

80-120초 (50% 무응답률)

5-10초

무응답(hang) 발생률

약 50%

거의 0%

세션은 ~/.openclaw/cli-bridge/cli-sessions.json에 저장되며, 2시간 동안 활동이 없거나 50회 요청 후 만료됩니다. session_id는 모든 응답에 반환되므로 어떤 세션이 사용되었는지 확인할 수 있습니다.

스마트 프롬프트 분할

prompt_split 도구는 복잡한 프롬프트를 분석하여 하위 작업으로 나눕니다:

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)

prompt_split_execute를 사용하면 계획을 자동으로 실행할 수 있고, Claude가 단계별로 실행하게 할 수도 있습니다. 작업은 의존성 순서대로 실행되며 병렬 그룹은 동시에 실행됩니다. 세 가지 분석 전략:

전략

속도

품질

용도

heuristic

즉시

명확한 프롬프트에 적합

키워드 매칭, LLM 호출 없음

local

5-30초

더 나은 추론

로컬 LLM이 프롬프트를 분석

gemini

5-15초

최고 품질

Gemini-flash가 프롬프트를 분석

auto (기본값)

상황에 따라 다름

사용 가능한 최상의 방법

단순한 프롬프트는 빠르게 처리하고, gemini → local → heuristic 순서로 시도


사용 가능한 도구 (총 34개)

Home Assistant (7개 도구)

도구

설명

home_get_state

모든 Home Assistant 엔티티 상태 읽기

home_light

조명 제어: 켜기/끄기/토글, 밝기, 색온도, RGB

home_climate

Tado 온도 조절기 제어: 온도, HVAC 모드

home_scene

방별 Hue 씬 활성화

home_vacuum

Roborock 로봇 청소기 제어: 시작, 정시, 충전 독, 상태

home_sensors

모든 온도, 습도, CO2 센서 읽기

home_automation

HA 자동화 목록, 트리거, 활성화, 비.활성화

메모리 (3개 도구)

도구

설명

openclaw_memory_write

오늘의 일일 로그에 메모 추가

openclaw_memory_read_today

오늘의 메모리 찾기

openclaw_memory_search

지난 N일 전체 메모리 파일 검색

Cron 자동화 (7개 도구)

도구

설명

openclaw_cron_list

예약된 모든 OpenClaw cron 작업 나열

openclaw_cron_run

ID로 cron 작업 즉시 트리거

openclaw_cron_status

스케줄러 상태 및 최근 실행 이력 조회

openclaw_cron_create

새 cron 작업 생성 (cron 표현식, 간격, 또는 일회성)

openclaw_cron_edit

기존 cron 작업 편집 (이름, 메시지, 일정, 모델)

openclaw_cron_delete

ID로 cron 작업 삭제

openclaw_cron_history

cron 작업의 최근 실행 이력 표시

OpenClaw 에이전트 (4개 도구)

도구

설명

openclaw_run

OpenClaw AI 에이전트에 프롬프트 전송 (모든 플러그인 사용 가능)

openclaw_status

OpenClaw 데핀(daemon)이 실행 중인지 확인

openclaw_plugins

설치된 모든 플러그인 나열

openclaw_notify

WhatsApp, Telegram 또는 마지막으로 사용한 채널을 통해 알림 전송

AI 하위 에이전트 (5개 도구)

도구

설명

claude_run

로컬 CLI를 통해 Claude에 프롬프트 전송. Claude가 아닌 MCP 클라이언트(Cursor, Windsurf)용.

gemini_run

로컬 CLI를 통해 Google Gemini에 프롬프트 전송. 1M 토큰 컨텍스트.

codex_run

로컬 CLI를 통해 OpenAI Codex에 코딩 작업 전송.

local_llm_run

로컬 LLM(LM Studio, Ollama, llama.cpp)에 프롬프트 전송. 무료, 프라이빗. 스트리밍 지원.

llama_server

TurboQuant 캐시 지원 내장 llama.cpp 서버 시작/중지/구성.

시스템 관리 (4개 도구)

도구

설명

system_status

모든 서비스 일괄 상태 점검 (HA, SSH, LLM, CLI)

local_llm_models

LM Studio / Ollama에서 모델 목록 확인, 로드, 언로드

openclaw_logs

OpenClaw 서버에서 apiocrates, 에이전트, 시스템 로그 보기

file_transfer

SSH로 OpenClaw 서버 내 파일 업로드, 다운로드, 목록 조회

라우팅 및 오케스트레이션 (3개 도구)

도구

설명

mcp_help

라우팅 가이드 표시. 작업을 전달하면 추천 도구를 안내.

prompt_split

복잡한 프롬프트를 분석하고 에이전트 지정과 함께 하위 작업으로 분할.

prompt_split_execute

분할 계획 실행: rate limiting을 적용, 하위 작업을 의존성 순서대로 에이전트에 포워딩.

대시보드

엔드포인트

설명

http://localhost:3334/status

자동 새로고침되는 HTML 대시보드 (서비스 상태, 로드된 모델)

http://localhost:3334/api/status

프로그매틱 상태 점검을 위한 JSON API


테스트 결과

모든 테스트는 데이터 라이브 서비스(LM Studio의 Deepseek R1 Qwen3 8B, SSH를 통한 OpenClaw 서버)에서 실행됩니다.

  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
  -----------------------------------------------------------

직접 테스트 실행:

npx tsx tests/integration.test.ts

필수 조건: .env 구성됨, 로컬 LLM 서버 실행 중, SSH로 접근 가능한 OpenClaw 서버.


벤치마크

전체 벤치마크 스위트, 방법론, 커뮤니티 기여 가이드는 BENCHMARKS.md를 참조하세요.

참조 하드웨어

부품

사양

CPU

AMD Threadripper 3960X (24 코어 / 48 스레드)

GPU

AMD 라데온 RX 9070 XT Elite (16 GB GDDR6)

RAM

128 GB DDR4

OS

Windows 11 Pro

런타임

LM Studio + Vulkan (llama.cpp-win-x86_64-vulkan-avx2@2.8.0)

로컬 LLM 추론 (LM Studio, Vulkan GPU, --gpu max)

중간값은 3회 실행 기준이며, max_tokens=512입니다. 작업: 분류(단어 1개 감정 분석), 추출(JSON), 추론(산술), 코드(Python 함수). Vulkan은 AMD RX 9070 XT에서 권장되는 런타임입니다(ROCm 대비 5개 모델 중 4개에서 우위).

Model

매개변수

분류

추출

추론

코드

평균 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

CPU 대비 GPU 속도 향상 (Deepseek R1 8B, Vulkan): 분류 7.2배, 추출 3.8배 더 빠름.

서브 에이전트 비교 (동일 작업, 다른 백엔드)

에이전트

백엔드

평균 지연 시간

비용

비고

local_llm_run

GPT-OSS 20B (Vulkan GPU)

1.0s

무료

Codex보다 4배, Claude보다 6배 빠름

codex_run

OpenAI Codex CLI

4.1s

사용량별 과금

코딩 작업에 최적

claude_run

Claude Sonnet 4.6

6.3s (세션 재개 시 5-10s)

사용량별 과금

복잡한 추론에 최적

gemini_run

Gemini 2.5 Flash

34.0s

무료 티어

CLI 시작 오버헤드, 긴 컨텍스트에 최적

서비스 지연 시간 (system_status)

서비스

지연 시간

비고

Home Assistant (REST API)

48-84 ms

로컬 네트워크, 직접 HTTP

OpenClaw SSH

273-299 ms

LAN SSH + 명령 실행

로컬 LLM (모델 목록)

19-38 ms

LM Studio localhost API

Claude CLI (버전 확인)

472-478 ms

CLI 시작 오버헤드

Codex CLI (버전 확인)

131-136 ms

CLI 시작 오버헤드

Gemini CLI (버전 확인)

4,700-4,900 ms

CLI 시작 + 인증 확인

prompt_split 정확도 (휴리스틱 전략)

지표

결과

통과율

10/10 (100%)

작업 수 정확도

10/10 (100%)

평균 에이전트 일치율

100%

지연 시간

<1ms (LLM 호출 없음)

v0.8.0+ 개선 사항: 단어 경계 정규식 매칭, 다중 에이전트 프롬프트의 쉼표 절 분할, 도구별 라우팅 규칙, openclaw_notify 라우팅. 전체 테스트 말뭉치는 BENCHMARKS.md를 참조하세요.

여러분의 하드웨어에서 벤치마크를 기여하고 싶으신가요? BENCHMARKS.md를 참조하세요.


요구 사항

  • Node.js 18 이상

  • OpenSSH 클라이언트 (Windows 10+, macOS, Linux에 내장)

  • SSH로 접근 가능한 실행 중인 OpenClaw 인스턴스

  • 장기 액세스 토큰이 있는 Home Assistant 인스턴스

선택 사항 (서브 에이전트용):

  • claude_run: npm install -g @anthropic-ai/claude-code를 실행하고 claude를 한 번 실행하여 인증

  • gemini_run: npm install -g @google/gemini-cligemini auth login 실행

  • codex_run: npm install -g @openai/codexcodex login 실행

  • local_llm_run: OpenAI 호환 로컬 서버:


설치

전역 설치:

npm install -g @elvatis_com/elvatis-mcp

또는 npx로 직접 사용 (설치 불필요):

npx @elvatis_com/elvatis-mcp

모든 릴리스는 푸시된 v* 태그에서 GitHub Actions에 의해 빌드 및 게시되며, 해당 태그가 가리키는 정확한 커밋에서 생성됩니다. SECURITY.md는 이 경로가 보장하는 것과 보장하지 않는 것, 그리고 설치한 버전을 검증하는 방법을 설명합니다. CHANGELOG.md는 각 릴리스에 포함된 내용을 기록합니다.


어디에서 사용할 수 있나요?

elvatis-mcp는 모든 MCP 호환 클라이언트에서 작동합니다. 각 클라이언트는 자체 구성 파일을 사용합니다.

클라이언트

전송

구성 파일

Claude Desktop / Cowork (Windows MSIX)

stdio

%LOCALAPPDATA%\Packages\Claude_pzs8sxrjxfjjc\LocalCache\Roaming\Claude\claude_desktop_config.json

Claude Desktop / Cowork (macOS)

stdio

~/Library/Application Support/Claude/claude_desktop_config.json

Claude Code (전역, 모든 프로젝트)

stdio

~/.claude.json

Claude Code (이 프로젝트만)

stdio

저장소 루트의 .mcp.json (이미 포함됨)

Cursor / Windsurf / 기타

stdio 또는 HTTP

앱 문서 참조

Claude Desktop과 Cowork는 동일한 구성 파일을 공유합니다. Claude Code는 별도의 시스템입니다.


구성

1. .env 파일 만들기

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=o3

2. MCP 클라이언트 구성

Claude Desktop (macOS)

~/Library/Application Support/Claude/claude_desktop_config.json 편집:

{
  "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)

이 파일을 엽니다 (필요 시 생성):

%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"
      }
    }
  }
}

Windows에서는 항상 전체 절대 경로를 사용하세요. MSIX 샌드박스는 ~ 또는 상대 경로를 해석하지 않습니다.

Claude Code (이 프로젝트)

.mcp.json.example.mcp.json으로 복사하고 (gitignore 처리되며 커밋되지 않음) 경로와 SSH 세부 정보를 입력하세요. 그런 다음 나머지 구성을 위해 .env.example.env로 복사하세요.

Claude Code (전역)

claude mcp add --scope user elvatis-mcp -- node /path/to/elvatis-mcp/dist/index.js

HTTP 전송 (원격 클라이언트)

MCP_TRANSPORT=http MCP_HTTP_PORT=3333 npx @elvatis_com/elvatis-mcp

클라이언트를 http://your-server:3333/mcp에 연결하세요.


환경 변수

필수

변수

설명

HA_URL

Home Assistant 기본 URL, 예: http://192.168.x.x:8123

SSH_HOST

OpenClaw 서버 호스트명 또는 IP

선택 사항

변수

기본값

설명

HA_TOKEN

--

Home Assistant 장기 액세스 토큰

SSH_PORT

22

SSH 포트

SSH_USER

chef-linux

SSH 사용자 이름

SSH_KEY_PATH

~/.ssh/openclaw_tunnel

SSH 개인 키 경로

OPENCLAW_GATEWAY_URL

http://localhost:18789

OpenClaw Gateway URL

OPENCLAW_GATEWAY_TOKEN

--

선택적 Gateway API 토큰

OPENCLAW_DEFAULT_AGENT

--

openclaw_run용 명명된 에이전트

GEMINI_MODEL

gemini-2.5-flash

gemini_run의 기본 모델

CODEX_MODEL

--

codex_run의 기본 모델

LOCAL_LLM_ENDPOINT

http://localhost:1234/v1

로컬 LLM 서버 URL (LM Studio 기본값)

LOCAL_LLM_MODEL

--

기본 로컬 모델 (생략하면 서버에 로드된 모델 사용)

MCP_TRANSPORT

stdio

전송 모드: stdio 또는 http

MCP_HTTP_PORT

3333

HTTP 포트

SSH_DEBUG

--

1로 설정하면 상세 SSH 출력

ELVATIS_DATA_DIR

~/.elvatis-mcp

영구 사용 데이터 디렉터리 (속도 제한기)

RATE_LIMITS

--

에이전트별 속도 제한 재정의가 포함된 JSON 문자열


로컬 LLM 설정

elvatis-mcp는 모든 OpenAI 호환 로컬 서버에서 작동합니다. 널리 사용되는 세 가지 옵션:

LM Studio (데스크톱 권장)

  1. lmstudio.ai에서 다운로드

  2. 모델 로드 (예: Deepseek R1 Qwen3 8B, Phi 4 Mini)

  3. 사이드바에서 "Local Server"를 클릭하고 활성화

  4. 서버는 http://localhost:1234/v1에서 실행됩니다 (기본값)

Ollama

ollama serve                    # starts server on port 11434
ollama run llama3.2             # downloads and loads model

.env에서 LOCAL_LLM_ENDPOINT=http://localhost:11434/v1로 설정하세요.

llama.cpp

llama-server -m model.gguf --port 8080

.env에서 LOCAL_LLM_ENDPOINT=http://localhost:8080/v1로 설정하세요.

작업별 권장 모델

모델

크기

최적 용도

Phi 4 Mini

3B

빠른 분류, 형식화, 추출

Deepseek R1 Qwen3

8B

추론, 분석, 프롬프트 분할

Phi 4 Reasoning Plus

15B

품질이 필요한 복잡한 추론

GPT-OSS

20B

범용, 긴 응답

추론 모델(Deepseek R1, Phi 4 Reasoning)은 사고 과정을 thinking 태그로 감쌉니다. elvatis-mcp는 이를 자동으로 제거하여 깔끔한 응답을 제공합니다.


SSH 설정

cron, memory 및 OpenClaw 도구는 SSH를 통해 서버와 통신합니다.

# 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-server

Windows에서 elvatis-mcp는 SSH 바이너리를 C:\Windows\System32\OpenSSH\ssh.exe로 자동 해석하고 일시적인 연결 실패 시 재시도합니다. 상세 출력을 보려면 SSH_DEBUG=1로 설정하세요.


/mcp-help 슬래시 명령

Claude Code에서 /mcp-help 슬래시 명령은 전체 34개 도구 라우팅 가이드를 형식화된 출력으로 표시합니다:

/mcp-help                           # full guide
/mcp-help openclaw_status           # help for a specific tool
/mcp-help analyze this trading strategy for risk  # routing recommendation

속도 제한

클라우드 서브 에이전트(claude_run, codex_run, gemini_run)는 비용 폭주를 방지하기 위해 속도가 제한됩니다. 기본 제한:

에이전트

/분

/시간

/일

예상 비용/호출

claude_run

5

30

200

$0.03

codex_run

5

30

200

$0.02

gemini_run

10

60

500

$0.01

로컬 에이전트(local_llm_run, home_*, openclaw_*)는 무제한입니다.

사용 데이터는 ~/.elvatis-mcp/usage.json에 저장됩니다. RATE_LIMITS 환경 변수를 통해 제한을 재정의하세요:

RATE_LIMITS='{"claude_run":{"perMinute":3,"perDay":100}}'

개발

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 client

빌드 watch 모드:

npm run dev

통합 테스트 실행:

npx tsx tests/integration.test.ts

프로젝트 구조

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 tests

라이선스

Apache-2.0 -- 저작권 2026 Elvatis

A
license - permissive license
A
quality
A
maintenance

Maintenance

Maintainers
14hResponse time
4wRelease cycle
6Releases (12mo)
Commit activity
Issues opened vs closed

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

View all related MCP servers

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

View all MCP Connectors

Latest Blog Posts

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