io.github.Anarkitty1/semantic-frame
Token-efficient semantic compression for numerical data. 95%+ token reduction.
Serveur MCP · par Anarkitty1
Aperçu
io.github.Anarkitty1/semantic-frame est un serveur MCP publié par Anarkitty1. Places de marché que nous lisons et qui le référencent : 1 (Official MCP Registry). Nous l'avons vu pour la première fois le 2026-10-11 et n'avons enregistré aucun changement depuis. Selon notre passage sur les places de marché du 2026-10-13.
Ce qu'il demande
- S'exécute sur votre machine
Aucune des places de marché que nous lisons ne publie ses outils ni les réglages qu'il demande.
Ce qu'il déclare, demande et exécute, en détail
N’installez que des plugins de développeurs en qui vous avez confiance. Nous reprenons ce que publient les places de marché et ne testons pas les plugins.
Paquet
PyPI semantic-frame (semantic-frame sur PyPI)
- Téléchargements PyPI par semaine: 49 (2026-10-13)
- Téléchargements PyPI par mois: 151 (2026-10-13)
- Dernière version sur PyPI : 0.4.0, publiée le 2025-12-12
Aucune vulnérabilité connue dans OSV pour 0.2.1 (vérifié le 2026-10-13)
Les données PyPI proviennent de pypi.org, les téléchargements PyPI de pypistats.org. Chaque chiffre est celui du registre et ne s'additionne jamais à un autre. Un registre qui ne publie pas de chiffre n'en affiche aucun : pas de chiffre ne veut pas dire zéro. Les entrées de vulnérabilités proviennent d'OSV.dev (CC BY 4.0) et ne concernent que la version déclarée ; une fiche sans version déclarée n'obtient pas de réponse. Nous n'analysons pas le code.
Fonctionne avec
- Claude Code
- Codex
- Cursor
- VS Code
- Copilot CLI
Un lien en un clic ouvre le client, qui demande une confirmation avant d'ajouter le serveur.
D'après les marketplaces qui le listent et le transport MCP qu'il déclare, tels que chaque client les documente. Nous ne testons pas les plugins.
Connecter
Commandes et configurations construites uniquement à partir de ce que déclarent ses places de marché. Nous ne les exécutons pas pour vous et ne testons pas les plugins.
En serveur MCP local : paquet PyPI
Construit à partir de ce que déclare Official MCP Registry.
claude mcp add --transport stdio semantic-frame -- uvx semantic-frame[mcp_servers.semantic-frame]
command = "uvx"
args = ["semantic-frame"]{
"mcpServers": {
"semantic-frame": {
"command": "uvx",
"args": [
"semantic-frame"
]
}
}
}Où il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Official MCP Registry (Ouvrir la fiche du registre) | Référencé | 0.2.1 | Téléchargements par mois (PyPI): 151 Téléchargements par semaine (PyPI): 49 Forks (GitHub): 0 Étoiles (GitHub): 1 |
Non marqué |
Chaque chiffre est celui de la place de marché et n'est jamais additionné entre places de marché. Une place de marché qui ne publie pas de chiffre n'en affiche aucun : pas de nombre ne veut pas dire zéro.
Ce qui a changé
Rien n'a bougé sur ce plugin depuis que nous le suivons.
Plugins similaires
Produits dont les noms, descriptions, outils et skills sont les plus proches de celui-ci par le sens, sur toutes les places de marché que nous lisons. La proximité n'est classée qu'à l'intérieur de cette liste.
-
token-compressor io.github.base76-research-lab/token-compressor
Compress prompts 40-60% using local LLM + embedding validation. Preserves all conditionals.
-
token_optimizer io.github.omkar9854/token_optimizer
Reversible context compression for AI agents: cut token usage up to 94%, originals retrievable
-
Pre-injection context compression for coding agents. Zero LLM calls, zero telemetry, offline-safe.
-
token-optimizer-mcp io.github.ooples/token-optimizer-mcp
Context-window optimization: caching, compression & smart file tools that cut tokens 60-90%.
-
Compress coding-agent context ~64%. Hosted Neural Keep MCP for Cursor/Claude/Codex.
-
LLM token optimization gateway implementing semantic pruning.
-
log-reducer io.github.imankha/log-reducer
Reduces log files for AI consumption — 50-90% token reduction via 18 deterministic transforms.
-
MCP server and proxy that compresses LLM prompts, tool output, and replies to cut token cost.
-
Read large logs, JSON and docs in a fraction of the tokens. Offline, fact-preserving optimizer.
-
devrag io.github.tomohiro-owada/devrag
Lightweight local RAG MCP server. 40x token reduction.
Plugins similaires par place de marché
La même question posée à chaque place de marché séparément : y a-t-il là un équivalent de ce plugin ?
Référencé sur Claude Code: claude-plugins-community (5)
-
AI eXchange Optimised Notation plugin converts your inputs into a machine-to-machine language to reduce token usage by up to 80% depending on the context.
-
Token-optimized document reader — silently compresses .md, .html, and .txt files on every Read, cutting context usage by ~30% with zero workflow change. Adaptive 4-stage…
-
prompt-squeeze builds prompt-cost discipline into Claude Code via three surfaces: /squeeze skill that compresses a verbose prompt into a token-efficient equivalent and renders a…
-
Automatic token optimization for Claude Code. Compresses tool output 40–60%, shows a live token meter in the statusline, auto-compacts at 70% context, builds a self-updating…
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
Référencé sur Claude Code: claude-plugins-official (5)
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
-
Precise local semantic code search via MCP. Indexes your codebase with Go AST parsing, embeds with Ollama or LM Studio, and exposes vector search to Claude through an MCP server…
-
Find the right NVIDIA skill for GPU acceleration, CUDA, AI agents, data loading, training, inference, robotics, Physical AI, Omniverse, simulation, and other NVIDIA-powered…
-
Build, train, and deploy AI models with deep AWS AI/ML expertise brought directly into your coding assistants, covering the surface area of Amazon SageMaker AI.
-
Agent Skills for Together AI platform — inference, training, embeddings, audio, video, images, function calling, and infrastructure. Covers serverless chat completions…
Référencé sur Claude: knowledge-work-plugins (5)
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
Figma design platform integration. Access design files, extract component information, read design tokens, and translate designs into code. Bridge the gap between design and…
-
MCP server for terminal commands, file operations, and process management
Référencé sur Codex: openai-curated (openai/plugins) (5)
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
-
Cloudflare platform plugin with curated skills for Workers, Wrangler, and Agents SDK plus the official Cloudflare API MCP server.
Référencé sur Community GitHub marketplaces (5)
-
Read large logs, JSON and docs in a fraction of the tokens. Offline, fact-preserving optimizer.
-
vision-squeezer io.github.eralpozcan/vision-squeezer
Shrink images to a token budget for vision LLM agents and pipelines. Not for chat-pasted images.
-
Pre-execution cost estimation for LLM agent workflows with calibration learning
-
Tuning Engines - Governed AI Runtime
Govern model, agent, skill, and MCP workflows with policy, approvals, traces, and usage analytics.
-
token-pilot io.github.Digital-Threads/token-pilot
Save up to 80% tokens when AI reads code via AST-aware structural reading
Référencé sur Copilot CLI: github/awesome-copilot (5)
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Visualizes live session AI-credit usage as a Pac-Man board with pellets, ghosts, fruit milestones, and game-over limits.
-
Model, visualize, and deploy applications with Radius from the GitHub Copilot app and CLI.
-
Plain-English translation layer for non-technical Copilot CLI users. Translates every approval prompt, error message, and technical output into clear, jargon-free English with…
-
See your local Copilot token usage by day, model, and session, and get tips to use it more efficiently.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Navigate and interact with your C++ code using the Microsoft C++ Language Server.
-
Bring Azure DevOps work-item, repository, and pull-request workflows into GitHub Copilot.
-
Advanced Security plugin for GitHub Copilot.
-
model-apps
Build and deploy Power Apps generative pages for model-driven apps with specialist agents for planning, entity creation, and parallel code generation. Requires PAC CLI >= 2.7.0…
Référencé sur Cursor: cursor/plugins (5)
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Build apps, scripts, and automations with the TypeScript SDK.
-
Fan large tasks out across parallel cloud agents with planners, workers, verifiers, and structured handoffs.
-
Incremental transcript-driven memory updates for AGENTS.md using high-signal bullet points only.
-
Skills for building on the Cursor Origin API. Fetch the live spec first, then follow the Origin rules for credentials, scopes, webhooks, paging, and errors. Includes a skill that…
Référencé sur Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
The Official Model Context Protocol (MCP) server for Kagi Search & other tools.
-
Giving Claude ability to run code with E2B via MCP (Model Context Protocol).
-
Production-ready RAG service to search and retrieve data from your documents.
Référencé sur Official MCP Registry (5)
-
token-compressor io.github.base76-research-lab/token-compressor
Compress prompts 40-60% using local LLM + embedding validation. Preserves all conditionals.
-
token_optimizer io.github.omkar9854/token_optimizer
Reversible context compression for AI agents: cut token usage up to 94%, originals retrievable
-
Pre-injection context compression for coding agents. Zero LLM calls, zero telemetry, offline-safe.
-
token-optimizer-mcp io.github.ooples/token-optimizer-mcp
Context-window optimization: caching, compression & smart file tools that cut tokens 60-90%.
-
Compress coding-agent context ~64%. Hosted Neural Keep MCP for Cursor/Claude/Codex.
Trouvés par le sens, et non par un code ou un dépôt commun : les plugins similaires restent des produits distincts, et ceci n'est ni un avis ni une recommandation.
C'est votre plugin ?
Ajoutez-le à vos projets et prouvez que vous le maintenez : un fichier dans son dépôt, un fichier sur votre domaine ou un enregistrement DNS. Vous recevez des alertes quand une marketplace le publie, le retire, change sa marque vérifiée ou ce qu'il demande, et son endpoint distant est surveillé comme un service web.
Données issues de Official MCP Registry. Les chiffres proviennent de nos propres passages réguliers sur les places de marché, dernière lecture le . Nous ne publions aucune coordonnée des éditeurs de plugins.