Skip to main content
Glama
elvatis

elvatis-mcp

Official
by elvatis

elvatis-mcp

MCP-сервер для OpenClaw -- предоставляет ваш умный дом, память, cron-автоматизацию и оркестрацию ИИ-субагентов для Claude Desktop, Cursor, Windsurf и любого MCP-совместимого ИИ-клиента.

npm License Tests AAHP Verify

Что это?

elvatis-mcp подключает Claude (или любой MCP-клиент) к вашей инфраструктуре:

  • Умный дом — управление через Home Assistant (свет, термостаты, пылесос, датчики)

  • Память — система с ежедневными журналами, хранящимися на вашем сервере OpenClaw

  • Cron — управление задачами и их запуск

  • Оркестрация нескольких LLM — через 5 ИИ-бэкендов: Claude, OpenClaw, Google Gemini, OpenAI Codex и локальные LLM

  • Умное разделение промптов — анализирует сложные запросы, направляет подзадачи нужному ИИ и выполняет план с ограничением частоты запросов

Ключевая идея: Claude — оркестратор, но он может делегировать специализированную работу другим ИИ-моделям. Задачи по коду уходят Codex. Исследования — Gemini. Простое форматирование — вашему локальному LLM (бесплатно и приватно). Торговля и автоматизация — OpenClaw. prompt_split сам определяет маршрутизацию, а prompt_split_execute выполняет план с ограничением частоты запросов к облачным агентам.

Related MCP server: hass-mcp-server

Что такое MCP?

Model Context Protocol — это открытый стандарт от Anthropic, позволяющий ИИ-клиентам подключаться к внешним серверам инструментов. После настройки Claude может напрямую вызывать ваши инструменты без копирования и вставки.


Архитектура 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   Vacuum

Сравнение субагентов

Инструмент

Бэкенд

Транспорт

Аутентификация

Лучше всего подходит для

Стоимость

claude_run

Claude (Anthropic)

Локальный CLI

Вход в Claude Code

Сложные рассуждения, написание текстов, ревью кода. Для MCP-клиентов, отличных от Claude.

По API

openclaw_run

OpenClaw (плагины)

SSH

SSH-ключ

Торговля, автоматизации, многошаговые процессы

Self-hosted

gemini_run

Google Gemini

Локальный CLI

Вход в Google

Длинный контекст (1M токенов), мультимодальность, исследования

По API

codex_run

OpenAI Codex

Локальный CLI

Вход в OpenAI

Программирование, отладка, редактирование файлов, shell-скрипты

По API

local_llm_run

LM Studio / Ollama / llama.cpp

HTTP

Нет

Классификация, форматирование, извлечение, переписывание

Бесплатно

Возобновление сессии

claude_run, gemini_run и codex_run используют возобновление CLI-сессии, чтобы устранить накладные расходы на холодный старт. При первом вызове создаётся новая сессия; последующие вызовы возобновляют её, поэтому модель получает только новое сообщение, а не обрабатывает заново всю историю разговора.

Метрика

Без возобновления сессии

С возобновлением сессии

Размер промпта на запрос

18-25 KB

<1 KB (только новое сообщение)

Время ответа Claude Sonnet

80-120s (50% зависаний)

5-10s

Вероятность молчаливого зависания

~50%

Почти 0%

Сессии сохраняются в ~/.openclaw/cli-bridge/cli-sessions.json и истекают после 2 часов бездействия или 50 запросов. session_id возвращается в каждом ответе, чтобы вы могли проверить, какая сессия использовалась.

Умное разделение промптов

Инструмент prompt_split анализирует сложные промпты и разбивает их на подзадачи:

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)

Используйте prompt_split_execute, чтобы выполнить план автоматически, или позвольте Claude выполнить его шаг за шагом. Задачи выполняются в порядке зависимостей, параллельные группы запускаются одновременно. Три стратегии анализа:

Стратегия

Скорость

Качество

Применение

heuristic

Мгновенно

Хорошо для понятных промптов

Сопоставление ключевых слов, без вызова LLM

local

5-30s

Лучше рассуждения

Ваш локальный LLM анализирует промпт

gemini

5-15s

Лучшее качество

Gemini-flash анализирует промпт

auto (по умолчанию)

Зависит

Лучшее из доступных

Пропускает простые промпты, затем пробует gemini -> local -> heuristic


Доступные инструменты (всего 34)

Home Assistant (7 инструментов)

Инструмент

Описание

home_get_state

Прочитать состояние любой сущности Home Assistant

home_light

Управление светом: вкл/выкл/переключение, яркость, цветовая температура, RGB

home_climate

Управление термостатами Tado: температура, режим HVAC

home_scene

Активация сцен Hue по комнате

home_vacuum

Управление пылесосом Roborock: старт, стоп, док-станция, статус

home_sensors

Чтение всех датчиков температуры, влажности и CO2

home_automation

Список, запуск, включение или отключение автоматизаций HA

Память (3 инструмента)

Инструмент

Описание

openclaw_memory_write

Записать заметку в сегодняшний ежедневный журнал

openclaw_memory_read_today

Прочитать сегодняшний журнал памяти

openclaw_memory_search

Поиск файлов памяти за последние N дней

Cron-автоматизация (7 инструментов)

Инструмент

Описание

openclaw_cron_list

Список всех запланированных cron-задач OpenClaw

openclaw_cron_run

Немедленный запуск cron-задачи по ID

openclaw_cron_status

Получить статус планировщика и историю последних запусков

openclaw_cron_create

Создать новую cron-задачу (cron-выражение, интервал или разовый запуск)

openclaw_cron_edit

Изменить существующую cron-задачу (имя, сообщение, расписание, модель)

openclaw_cron_delete

Удалить cron-задачу по ID

openclaw_cron_history

Показать историю последних выполнений cron-задачи

Агент OpenClaw (4 инструмента)

Инструмент

Описание

openclaw_run

Отправить промпт ИИ-агенту OpenClaw (доступны все плагины)

openclaw_status

Проверить, запущен ли демон OpenClaw

openclaw_plugins

Список всех установленных плагинов

openclaw_notify

Отправить уведомление через WhatsApp, Telegram или последний использованный канал

ИИ-субагенты (5 инструментов)

Инструмент

Описание

claude_run

Отправить промпт Claude через локальный CLI. Для MCP-клиентов, отличных от Claude (Cursor, Windsurf).

gemini_run

Отправить промпт Google Gemini через локальный CLI. Контекст 1M токенов.

codex_run

Отправить задачу по коду в OpenAI Codex через локальный CLI.

local_llm_run

Отправить промпт локальной LLM (LM Studio, Ollama, llama.cpp). Бесплатно и приватно. Поддерживает стриминг.

llama_server

Запуск/остановка/настройка сервера llama.cpp с поддержкой кэша TurboQuant.

Управление системой (4 инструмента)

Инструмент

Описание

system_status

Проверка здоровья всех сервисов разом с задержками (HA, SSH, LLM, CLI)

local_llm_models

Список, загрузка или выгрузка моделей в LM Studio / Ollama

openclaw_logs

Просмотр журналов шлюза, агента или системы с сервера OpenClaw

file_transfer

Загрузка, скачивание или список файлов на сервере OpenClaw по SSH

Маршрутизация и оркестрация (3 инструмента)

Инструмент

Описание

mcp_help

Показать руководство по маршрутизации. Передайте задачу, чтобы получить конкретную рекомендацию по инструменту.

prompt_split

Анализировать сложный промпт, разбить на подзадачи с назначением агентов.

prompt_split_execute

Выполнить разделённый план: отправить подзадачи агентам в порядке зависимостей с ограничением частоты запросов.

Дашборд

Конечная точка

Описание

http://localhost:3334/status

Автообновляемый HTML-дашборд (здоровье сервисов, загруженные модели)

http://localhost:3334/api/status

JSON API для программных проверок статуса


Результаты тестов

Все тесты выполнялись на живых сервисах (LM Studio с Deepseek R1 Qwen3 8B, сервер OpenClaw по 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
  -----------------------------------------------------------

Запустите тесты самостоятельно:

npx tsx tests/integration.test.ts

Предварительные требования: настроенный .env, запущенный локальный LLM-сервер, сервер OpenClaw доступен по SSH.


Бенчмарки

Полный набор бенчмарков, методологию и руководство по участию сообщества см. в BENCHMARKS.md.

Эталонное оборудование

Компонент

Характеристика

CPU

AMD Threadripper 3960X (24 ядра / 48 потоков)

GPU

AMD Radeon RX 9070 XT Elite (16 GB GDDR6)

RAM

128 GB DDR4

OS

Windows 11 Pro

Runtime

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

Инференс локальной LLM (LM Studio, Vulkan GPU, --gpu max)

Медиана по 3 запускам, max_tokens=512. Задачи: классификация (тональность в одно слово), извлечение (JSON), рассуждение (арифметика), код (функция Python). Vulkan — рекомендуемая среда выполнения для AMD RX 9070 XT (выигрывает у ROCm у 4 из 5 моделей).

Модель

Параметры

classify

extract

reason

code

ср. ток/с

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

Ускорение GPU по сравнению с CPU (Deepseek R1 8B, Vulkan): classify в 7,2 раза быстрее, extract в 3,8 раза быстрее.

Сравнение субагентов (одна и та же задача, разные бэкенды)

Агент

Бэкенд

Средняя задержка

Стоимость

Примечания

local_llm_run

GPT-OSS 20B (Vulkan GPU)

1.0s

Бесплатно

В 4 раза быстрее Codex, в 6 раз быстрее Claude

codex_run

OpenAI Codex CLI

4.1s

Оплата за использование

Лучше всего для задач кодирования

claude_run

Claude Sonnet 4.6

6.3s (5-10s с возобновлением сессии)

Оплата за использование

Лучше всего для сложных рассуждений

gemini_run

Gemini 2.5 Flash

34.0s

Бесплатный тариф

Накладные расходы на запуск CLI, лучше всего для длинного контекста

Задержка сервисов (system_status)

Сервис

Задержка

Примечания

Home Assistant (REST API)

48-84 мс

Локальная сеть, прямой HTTP

OpenClaw SSH

273-299 мс

SSH по LAN + выполнение команд

Local LLM (список моделей)

19-38 мс

LM Studio localhost API

Claude CLI (проверка версии)

472-478 мс

Накладные расходы на запуск CLI

Codex CLI (проверка версии)

131-136 мс

Накладные расходы на запуск CLI

Gemini CLI (проверка версии)

4 700-4 900 мс

Накладные расходы на запуск CLI + проверка аутентификации

Точность prompt_split (эвристическая стратегия)

Метрика

Результат

Процент прохождения

10/10 (100%)

Точность подсчёта задач

10/10 (100%)

Среднее соответствие агента

100%

Задержка

<1 мс (без вызова LLM)

Улучшения в v0.8.0+: сопоставление регулярных выражений по границам слов, разбиение по запятым для многозадачных промптов, правила маршрутизации для каждого инструмента, маршрутизация openclaw_notify. Полный набор тестов см. в BENCHMARKS.md.

Хотите добавить бенчмарки с вашего оборудования? См. BENCHMARKS.md.


Требования

  • Node.js 18 или новее

  • Клиент OpenSSH (встроен в Windows 10+, macOS, Linux)

  • Запущенный экземпляр OpenClaw, доступный через SSH

  • Экземпляр Home Assistant с долгоживущим токеном доступа

Необязательно (для субагентов):

  • claude_run: npm install -g @anthropic-ai/claude-code и запустите claude один раз для аутентификации

  • gemini_run: npm install -g @google/gemini-cli и выполните gemini auth login

  • codex_run: npm install -g @openai/codex и выполните codex login

  • local_llm_run: любой локальный сервер, совместимый с OpenAI:

    • LM Studio (рекомендуется, GUI, порт по умолчанию 1234)

    • Ollama (ollama serve, порт 11434)

    • llama.cpp (llama-server, любой порт)


Установка

Глобальная установка:

npm install -g @elvatis_com/elvatis-mcp

Или используйте напрямую через npx (установка не требуется):

npx @elvatis_com/elvatis-mcp

Каждый релиз собирается и публикуется GitHub Actions из отправленного тега v*, точно из того коммита, на который указывает этот тег. SECURITY.md описывает, что этот путь гарантирует и не гарантирует, а также как проверить установленную версию. CHANGELOG.md содержит описание содержимого каждого релиза.


Где это можно использовать?

elvatis-mcp работает в любом MCP-совместимом клиенте. У каждого клиента свой файл конфигурации.

Клиент

Транспорт

Файл конфигурации

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 (глобально, все проекты)

stdio

~/.claude.json

Claude Code (только этот проект)

stdio

.mcp.json в корне репозитория (уже включён)

Cursor / Windsurf / другие

stdio или HTTP

См. документацию приложения

Claude Desktop и Cowork используют один и тот же файл конфигурации. Claude Code — это отдельная система.


Конфигурация

1. Создайте файл .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=o3

2. Настройте ваш MCP-клиент

Claude Desktop (macOS)

Отредактируйте ~/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)

Откройте этот файл (при необходимости создайте его):

%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"
      }
    }
  }
}

В Windows всегда используйте полные абсолютные пути. Песочница MSIX не разрешает ~ или относительные пути.

Claude Code (этот проект)

Скопируйте .mcp.json.example в .mcp.json (исключён из git, никогда не коммитится) и заполните пути и данные SSH. Затем скопируйте .env.example в .env для остальной конфигурации.

Claude Code (глобально)

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

HTTP-транспорт (удалённые клиенты)

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

Подключите ваш клиент к http://your-server:3333/mcp.


Переменные окружения

Обязательные

Переменная

Описание

HA_URL

Базовый URL Home Assistant, например http://192.168.x.x:8123

SSH_HOST

Имя хоста или IP-адрес сервера OpenClaw

Необязательные

Переменная

По умолчанию

Описание

HA_TOKEN

--

Долгоживущий токен доступа Home Assistant

SSH_PORT

22

Порт SSH

SSH_USER

chef-linux

Имя пользователя SSH

SSH_KEY_PATH

~/.ssh/openclaw_tunnel

Путь к закрытому ключу SSH

OPENCLAW_GATEWAY_URL

http://localhost:18789

URL шлюза OpenClaw

OPENCLAW_GATEWAY_TOKEN

--

Необязательный токен API шлюза

OPENCLAW_DEFAULT_AGENT

--

Именованный агент для openclaw_run

GEMINI_MODEL

gemini-2.5-flash

Модель по умолчанию для gemini_run

CODEX_MODEL

--

Модель по умолчанию для codex_run

LOCAL_LLM_ENDPOINT

http://localhost:1234/v1

URL локального LLM-сервера (значение по умолчанию LM Studio)

LOCAL_LLM_MODEL

--

Локальная модель по умолчанию (не указывайте, чтобы использовать загруженную модель сервера)

MCP_TRANSPORT

stdio

Режим транспорта: stdio или http

MCP_HTTP_PORT

3333

HTTP-порт

SSH_DEBUG

--

Установите 1 для подробного вывода SSH

ELVATIS_DATA_DIR

~/.elvatis-mcp

Каталог для постоянных данных об использовании (ограничитель скорости)

RATE_LIMITS

--

JSON-строка с переопределением лимитов для каждого агента


Настройка локального LLM

elvatis-mcp работает с любым локальным сервером, совместимым с OpenAI. Три популярных варианта:

LM Studio (рекомендуется для настольных ПК)

  1. Скачайте с lmstudio.ai

  2. Загрузите модель (например, Deepseek R1 Qwen3 8B, Phi 4 Mini)

  3. Нажмите «Local Server» на боковой панели и включите его

  4. Сервер работает на http://localhost:1234/v1 (по умолчанию)

Ollama

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

Укажите LOCAL_LLM_ENDPOINT=http://localhost:11434/v1 в вашем .env.

llama.cpp

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

Укажите LOCAL_LLM_ENDPOINT=http://localhost:8080/v1 в вашем .env.

Рекомендуемые модели по задачам

Модель

Размер

Лучше всего для

Phi 4 Mini

3B

Быстрая классификация, форматирование, извлечение

Deepseek R1 Qwen3

8B

Рассуждения, анализ, разбиение промптов

Phi 4 Reasoning Plus

15B

Сложные рассуждения с высоким качеством

GPT-OSS

20B

Универсальное использование, более длинные ответы

Модели рассуждений (Deepseek R1, Phi 4 Reasoning) оборачивают свои цепочки рассуждений в теги thinking. elvatis-mcp автоматически удаляет их, чтобы вы получали чистые ответы.


Настройка SSH

Инструменты cron, memory и OpenClaw обмениваются данными с вашим сервером через 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-server

В Windows elvatis-mcp автоматически определяет SSH-бинарник как C:\Windows\System32\OpenSSH\ssh.exe и повторяет попытки при временных ошибках соединения. Установите SSH_DEBUG=1 для подробного вывода.


Слэш-команда /mcp-help

В Claude Code слэш-команда /mcp-help показывает полное руководство по маршрутизации для 34 инструментов в отформатированном виде:

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

Ограничение скорости

Облачные субагенты (claude_run, codex_run, gemini_run) имеют ограничение скорости, чтобы предотвратить неконтролируемые расходы. Лимиты по умолчанию:

Агент

/мин

/час

/день

Оцен. стоимость/вызов

claude_run

5

30

200

$0.03

codex_run

5

30

200

$0.02

gemini_run

10

60

500

$0.01

Локальные агенты (local_llm_run, home_*, openclaw_*) не ограничены.

Данные об использовании сохраняются в ~/.elvatis-mcp/usage.json. Переопределите лимиты через переменную окружения RATE_LIMITS:

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

Разработка

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

Режим сборки с отслеживанием изменений:

npm run dev

Запуск интеграционных тестов:

npx tsx tests/integration.test.ts

Структура проекта

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

Лицензия

Apache-2.0 -- Copyright 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