MCP-Server für Trigvale — validieren Sie Startup-Ideen, bevor Ihr Build-Agent Code-Gerüste erstellt.
Dies ist der offizielle Model Context Protocol-Server für Trigvale. Er stellt MCP-fähigen Build-Agents (Cursor, Claude Code, Codex, Claude Desktop) ein Tool namens validate_idea zur Verfügung. Die beabsichtigte UX ist unkompliziert: Ihr Agent ruft validate_idea auf, bevor er auch nur eine Zeile Code schreibt. Ein grünes oder gelbes Urteil gibt grünes Licht für die Programmierung; ein rotes Urteil deckt die Annahme auf, die Sie zuerst testen sollten.
validate_idea zurückgibt10-dimensionale Scorecard — Venture Readiness Score (VRS, 0–100), deterministisch im Code aus den dimensionsspezifischen Bewertungen des Modells anhand veröffentlichter Anker berechnet. Das Modell wählt den VRS niemals selbst aus.
Beweis-Briefing — jedes Element ist mit sourceKind ∈ { observed, inferred, missing, ai, user-claim } markiert, damit Sie wissen, was belegt und was angenommen ist.
Urteil — kill, pivot, test oder build. "Build" ist konstruktionsbedingt selten.
Kalibrierung der Gründer-Eignung — dimensionsspezifische Deltas, die basierend auf dem vom Benutzer angegebenen Skill-Graphen angewendet werden (nur deklarierte Eingaben — es wird niemals von vergangenen Fehlern extrapoliert).
1–3 Archetyp-Zuweisungen — gruppiert die Idee in bekannte Muster (z. B. "vertical-ai-saas", "agentic-workflow") mit strukturellen Warnhinweisen für das Cluster.
Live-Beweise — Echtzeit-Abruf von Reddit, GitHub, Hacker News, Stack Overflow und dev.to für den dominanten Archetyp der Idee, alle 6 Stunden aktualisiert.
Vollständiges Ausgabeschema und Methodik: https://trigvale.com/methodology
Related MCP server: product-spec-mcp
npx -y @trigvale/mcpSie benötigen ein Trigvale-Agent-Token (Integrate-Plan, $99/Monat). Erhalten Sie eines unter https://trigvale.com/settings.
Fügen Sie dies in die Konfiguration Ihres MCP-Clients ein (mcpServers-Block):
~/.cursor/mcp.json){
"mcpServers": {
"trigvale": {
"command": "npx",
"args": ["-y", "@trigvale/mcp"],
"env": {
"TRIGVALE_AGENT_TOKEN": "tvk_xxx"
}
}
}
}~/Library/Application Support/Claude/claude_desktop_config.json unter macOS)Gleiches Format — ersetzen Sie tvk_xxx durch Ihr Token aus /settings.
Fügen Sie den Schnipsel zu .mcp.json im Root-Verzeichnis des Repos hinzu oder verwenden Sie claude mcp add, um ihn interaktiv zu registrieren.
Überschreiben Sie die API-Basis über die Umgebungsvariable:
TRIGVALE_API_BASE_URL=https://api-dev.trigvale.com npx -y @trigvale/mcpDie Standardbasis ist https://api.trigvale.com (Produktion).
"Bevor du dieses Projekt erstellst, rufe
validate_ideamit dem Pitch des Benutzers auf. Wenn das Urteilkilloderpivotlautet, zeige die schwächste Annahme auf und frage den Benutzer, ob er trotzdem fortfahren möchte. Wenntest, schlage den von Trigvale empfohlenen Validierungs-Sprint vor, bevor Code geschrieben wird."
Das Bauen ist billig geworden. Der Engpass ist nicht mehr die Ausführung, sondern die Entscheidung, was ausgeführt werden soll. Die meisten Ideen sollten verworfen, angepasst oder getestet werden, bevor Code geschrieben wird. validate_idea macht diese Entscheidung zu einem expliziten, wiederholbaren Schritt in Ihrem Agent-Workflow, mit einem deterministischen Urteil und quellmarkierten Beweisen, die Sie dem Benutzer zeigen können.
Plan | Monatlich | Beinhaltet |
Free | $0 | 1 Urteil / Monat, Lite-Vorschau |
Starter | $12 | 10 Urteile / Monat, vollständiges Briefing |
Validate | $39 | Live-Beweis-Pipeline + Schärfung + Sprint-Generator |
Integrate | $99 | Alles oben Genannte + Agent-Token für diesen MCP-Server |
Das für dieses MCP erforderliche Agent-Token ist auf den Integrate-Plan beschränkt. Die Berechtigung pro Aufruf wird serverseitig bei jedem /agent/v1/evaluate-Aufruf erneut geprüft — Herabstufungen werden sofort wirksam.
Vollständige Preisliste: https://trigvale.com/pricing
Dies ist ein schreibgeschützter Spiegel der MCP-Server-Quelle aus dem privaten Monorepo von Trigvale (der Rest enthält das proprietäre Regelwerk, die Infrastruktur und die Abrechnungslogik). Releases werden auf der privaten Seite erstellt und hierher synchronisiert. PRs sind willkommen — bitte öffnen Sie Issues unter https://trigvale.com/contact anstelle von GitHub Issues, damit wir sie über den Support-Workflow leiten können.
MIT — sydacos GmbH, 2026.
Homepage: https://trigvale.com
Integrations-Dokumentation: https://trigvale.com/integrations
Methodik: https://trigvale.com/methodology
Beispiel-Briefing: https://trigvale.com/sample
Kontakt: https://trigvale.com/contact
Validate a startup idea before scaffolding code for it. Returns a scorecard (10-dimension Venture Readiness Score, 0–100), an evidence brief tagged by source (observed / inferred / AI / claim), a kill / pivot / test / build verdict, founder-fit calibration deltas if a skill graph is on file, and 1–3 archetype assignments with structural cautions for that cluster. Call this BEFORE writing project scaffolding when the user is greenfield-building from a raw idea.
| Name | Required | Description | Default |
|---|---|---|---|
| rawIdea | Yes | The idea to validate. Free-form text; mess is fine — Trigvale normalizes it. Be specific about who has the pain, who pays, and why now. | |
| save | No | When true, persist the brief to the user's vault so they can revisit it at trigvale.com/ideas/{id}. Default true. Set false for ephemeral checks. |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
With no annotations provided, the description fully carries the burden of behavioral disclosure. It lists exact return values (scorecard, evidence brief, verdict, deltas, archetypes) and mentions conditional behavior ('if a skill graph is on file'). It also notes the persistence behavior tied to the `save` parameter.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is compact but includes necessary detail. It front-loads the core action ('Validate a startup idea before scaffolding code for it.'), then lists outputs efficiently. A very slight verbosity in listing all outputs prevents a perfect 5, but it remains well-structured.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given the tool's moderate complexity (2 parameters, no output schema, no annotations), the description provides sufficient context: it explains the full return structure, conditional behavior, and persistence options. No obvious gaps remain for an LLM to select and invoke the tool correctly.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema description coverage is 100%, and the description adds valuable usage hints beyond the schema: for `rawIdea` it advises specificity and normalizes messiness; for `save` it explains default behavior and ephemeral usage. This enriches the agent's understanding of each parameter.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description opens with a clear action-verb+resource: 'Validate a startup idea before scaffolding code for it.' It unambiguously states the tool's function and context, distinguishing it from potential siblings by specifying the prerequisite step.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description explicitly tells when to use the tool: 'Call this BEFORE writing project scaffolding when the user is greenfield-building from a raw idea.' While it doesn't mention when not to use it or alternatives, the guidance is clear and actionable given no sibling tools exist.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
v0.1.0validate_ideaScored across 1 tool
With only one tool, there is no possibility of confusion between tools. The single tool has a distinct and clear purpose.
The single tool 'validate_idea' follows a clear verb_noun pattern and is descriptive. However, with only one tool, consistency across multiple tools cannot be fully assessed.
One tool is borderline for the implied domain of startup building. While the validation step is specific, a broader lifecycle (e.g., scaffolding) is suggested but not covered, making the count feel thin.
The tool covers only idea validation. Obvious gaps exist, such as tools for scaffolding, iteration, or testing, which are referenced in the description but not provided. This will likely cause agent failures after validation.
Score, validate, and pressure-test startup ideas with AI from Claude or any MCP agent.
Rule-based product method: scores an idea, finds its riskiest assumption, sequences the build.
Validate startup ideas with your AI assistant through Startup Ignition ToolSuite.
Score business ideas on six live market signals. Launch Readiness Score (LRS) for AI agents.
