Maiife Toolkit

Open-Source-Tools für KI-Governance. Jedes Tool funktioniert eigenständig als MCP-Server oder CLI — zusammen bilden sie ein Governance-Netzwerk.

npm scope License: Apache 2.0 PRs Welcome maiife-toolkit MCP server

maiife-toolkit MCP server

Entwickelt von Maiife — Enterprise AI Control Plane.

Anforderungen

Node.js >= 18
npm oder pnpm

Installation

# Install individual tools via npm
npm install -g @maiife-ai-pub/probe
npm install -g @maiife-ai-pub/mcp-audit

# Or run directly with npx (no install needed)
npx @maiife-ai-pub/probe scan
npx @maiife-ai-pub/mcp-audit scan

Tools

Paket	Beschreibung	Veröffentlicht
`@maiife-ai-pub/shared`	Gemeinsame Typen und Formatierer für alle Toolkit-Pakete	✅
`@maiife-ai-pub/probe`	KI-Umgebungsscanner — erkennt IDE-Erweiterungen, MCP-Server, Agent-Frameworks, API-Schlüssel, lokale Modelle	✅
`@maiife-ai-pub/mcp-audit`	MCP-Server-Sicherheitsscanner — bewertet Konfigurationen hinsichtlich Berechtigungen, Datensensibilität, Schadensradius	✅
`@maiife-ai-pub/ai-stack`	"Was ist Ihr KI-Stack?" — teilbare Profilkarte Ihres KI-Toolkits	✅
`@maiife-ai-pub/mcp-doctor`	MCP-Gesundheitscheck & automatische Fehlerbehebung — "Brew Doctor" für Ihr MCP-Setup	✅
`@maiife-ai-pub/ai-journal`	Persönliches KI-Nutzungstagebuch — verfolgen Sie Ihre KI-Nutzung und erhalten Sie reflektierende Einblicke	✅
`@maiife-ai-pub/context-sync`	Toolübergreifende KI-Speichersynchronisierung — eine context.json, synchronisiert mit Cursor, Claude, MCP	✅
`@maiife-ai-pub/prompt-score`	Prompt-Qualitätsanalysator — bewerten, verbessern und linten Sie Ihre KI-Prompts	✅
`@maiife-ai-pub/eval`	LLM-as-a-Judge-Evaluierungs-Engine — bewerten Sie Agenten-Ausgaben mit strukturierten Rubriken	✅
`@maiife-ai-pub/trace`	Agent-Workflow-Tracer — verfolgen, betrachten und analysieren Sie Ausführungsspannen	✅
`@maiife-ai-pub/cost`	KI-Ausgabenrechner + Optimierer — einheitlicher Kostenbericht über Anbieter hinweg	✅
`@maiife-ai-pub/prompt-craft`	Gamifiziertes Prompt-Coaching — Level, Streaks, Abzeichen für Prompt-Verbesserungen	✅
`@maiife-ai-pub/sub-audit`	Persönlicher KI-Abonnement-Prüfer — finden Sie Verschwendung bei Ihren KI-Ausgaben	✅
`@maiife-ai-pub/model-match`	Persönlicher Modell-Empfehler — finden Sie das beste Modell für IHRE Aufgaben	✅
`@maiife-ai-pub/weekly-ai-report`	KI-Wochenrückblick — Spotify Wrapped für Ihre KI-Nutzung, wöchentlich	✅

Schnellstart

# Scan your AI environment
npx @maiife-ai-pub/probe scan

# Audit your MCP server security
npx @maiife-ai-pub/mcp-audit scan

# Generate your AI Stack profile card
npx @maiife-ai-pub/ai-stack --format svg --output my-stack.svg

# Health check your MCP servers
npx @maiife-ai-pub/mcp-doctor check

# Log an AI interaction
npx @maiife-ai-pub/ai-journal log --tool claude --task coding --duration 30

# Sync AI context across tools
npx @maiife-ai-pub/context-sync push

# Score your AI prompts
npx @maiife-ai-pub/prompt-score analyze --input prompt.txt

# Evaluate agent outputs with rubrics
npx @maiife-ai-pub/eval score --rubric code-review --input review.txt

# Trace agent workflows
npx @maiife-ai-pub/trace list --days 7

# Track AI spend across vendors
npx @maiife-ai-pub/cost report --period last-30d

# Gamified prompt coaching
npx @maiife-ai-pub/prompt-craft score --input prompt.txt

# Audit AI subscriptions for waste
npx @maiife-ai-pub/sub-audit

# Find the best model for your tasks
npx @maiife-ai-pub/model-match recommend --task coding

# Generate your AI week in review
npx @maiife-ai-pub/weekly-ai-report generate

Verwendung als MCP-Server

Jedes Tool stellt einen MCP-Server über das Model Context Protocol bereit. Fügen Sie diese zu Ihrem Claude Desktop, Cursor oder einem beliebigen MCP-kompatiblen Client hinzu.

Speicherort der Konfigurationsdatei:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "maiife-probe": {
      "command": "npx",
      "args": ["@maiife-ai-pub/probe", "mcp"]
    },
    "maiife-mcp-audit": {
      "command": "npx",
      "args": ["@maiife-ai-pub/mcp-audit", "serve"]
    },
    "maiife-mcp-doctor": {
      "command": "npx",
      "args": ["@maiife-ai-pub/mcp-doctor", "serve"]
    },
    "maiife-ai-stack": {
      "command": "npx",
      "args": ["@maiife-ai-pub/ai-stack", "serve"]
    },
    "maiife-prompt-score": {
      "command": "npx",
      "args": ["@maiife-ai-pub/prompt-score", "serve"]
    },
    "maiife-eval": {
      "command": "npx",
      "args": ["@maiife-ai-pub/eval", "serve"]
    },
    "maiife-trace": {
      "command": "npx",
      "args": ["@maiife-ai-pub/trace", "serve"]
    },
    "maiife-cost": {
      "command": "npx",
      "args": ["@maiife-ai-pub/cost", "serve"]
    },
    "maiife-context-sync": {
      "command": "npx",
      "args": ["@maiife-ai-pub/context-sync", "serve"]
    },
    "maiife-prompt-craft": {
      "command": "npx",
      "args": ["@maiife-ai-pub/prompt-craft", "serve"]
    },
    "maiife-sub-audit": {
      "command": "npx",
      "args": ["@maiife-ai-pub/sub-audit", "serve"]
    },
    "maiife-model-match": {
      "command": "npx",
      "args": ["@maiife-ai-pub/model-match", "serve"]
    }
  }
}

Zusammenfassung der MCP-Tools

Server	Tools	Beschreibung
`probe`	`probe_scan`, `probe_list_models`, `probe_list_extensions`, `probe_check_keys`	KI-Umgebung scannen
`mcp-audit`	`scan_servers`, `score_server`	MCP-Sicherheit prüfen
`mcp-doctor`	`mcp_checkup`, `mcp_fix`, `mcp_status`	MCP-Konfigurationen diagnostizieren & reparieren
`ai-stack`	`ai_stack_scan`	KI-Stack-Profil generieren
`prompt-score`	`prompt_analyze`, `prompt_improve`, `prompt_track`	Prompts bewerten & verbessern
`eval`	`eval_score`, `eval_batch`, `eval_compare`	LLM-Ausgaben evaluieren
`trace`	`trace_list`, `trace_view`, `trace_analyze`	Agent-Workflows nachverfolgen
`cost`	`cost_report`, `cost_optimize`	KI-Ausgaben verfolgen & optimieren
`context-sync`	`context_get`, `context_set`, `context_push`, `context_pull`	KI-Kontext synchronisieren
`prompt-craft`	`craft_score`, `craft_improve`, `craft_profile`, `craft_challenge`	Gamifiziertes Prompt-Coaching
`sub-audit`	`sub_audit_run`	KI-Abonnements prüfen
`model-match`	`model_compare`, `model_recommend`	Modelle empfehlen

Mitwirken

Beiträge sind willkommen! So fangen Sie an:

Forken Sie das Repo auf GitHub
Erstellen Sie einen Branch: git checkout -b feat/my-improvement
Nehmen Sie Ihre Änderungen vor — jedes Paket befindet sich in packages/<name>/
Führen Sie Tests aus: pnpm test
Öffnen Sie einen PR gegen main — beschreiben Sie, was Sie geändert haben und warum

Bitte folgen Sie dem bestehenden Code-Stil (TypeScript, ESM, Vitest für Tests). Jedes Paket sollte nach Möglichkeit sowohl als CLI als auch als MCP-Server funktionieren.

Lizenz

Apache 2.0 — frei zu verwenden, zu ändern und zu verteilen.

Teil der Maiife-Plattform — Enterprise AI Control Plane.

maiife-toolkit