MCP-сервер Nodegrove

• Имя в реестреio.nodegrove/vram-mcpподтверждён в реестре MCP

Имя в реестре лежит в пространстве nodegrove.io. Реестр пускает в такое пространство только того, кто доказал владение доменом через DNS или HTTP.

• Состояниеотвечаетпроверено 2026-10-21
• Инструменты6
• Сервер называет себяnodegrove-vram
• Версия сервера1.1.4
• Версия протокола2025-06-18

2026-10-21 сервер ответил на initialize и tools/list без входа. Первый ответ за 157 мс.

• Делают ли инструменты работу продукта, ещё не проверено.
• Проверок пока 2 из 7, нужных, чтобы судить о надёжности.

Вывод сделан правилами по замерам выше. Вероятный первый вызов выбрала модель по списку инструментов: прочитайте описание, прежде чем на него полагаться.

• Оценка INITE MCPчерез неделюдля оценки нужно 7 ежедневных проверок, пока 2
• Использование112 загрузок npm в неделю
• Отвечалидёт замерпроверок пока 2, долю покажем после 7
• Медиана первого ответа179 мс
• Место в контексте агента≈ 2 658 токеновописания всех инструментов (6), агент держит их в контексте на каждом ходу
• Описания инструментовA · 100 из 100
• Типизированные ответы0 из 6 инструментовобъявлен outputSchema: ответ приходит с типами и читается сразу

• Все инструменты проходят все шесть проверок.

Программа проверяет сервер раз в день: initialize и tools/list, без модели. Токены - это длина описаний из расчёта примерно четыре символа на токен. Оценка - среднее шести проверок имени, описания, схемы и аннотаций каждого инструмента. Она говорит, насколько понятно описаны инструменты, а не о том, работают ли они. Оценка складывается только из замеренного: отвечает ли сервер (30%), делает ли работу продукта (25%), описания (20%), контекст (10%) и использование (15%). Незамеренная часть не учитывается, а скрытая инструкция ограничивает оценку 40 баллами. Состояние MCP-серверов вендоров: методика и цифры →

• can_i_run

  Can this GPU run this open-weight LLM? Returns fits, tight or no, the memory split (weights, KV cache, overhead), a decode-speed ceiling, the longest context that fits and, on a no, every change that would make it fit: quantisation, KV…

• what_fits

  Which open-weight LLMs fit this GPU: every model in list_models checked at one quantisation and context, with a recommended everyday model (the biggest class that fits with room for context at conversational speed), the largest that fits…

• estimate_vram

  How much memory an LLM needs: weights + KV cache + overhead at each quantisation (or one), at a given context, and the smallest common card class that holds each. Model: a name or id from list_models, any Hugging Face repo id, or its…

• estimate_from_hf_repo

  Reads any Hugging Face model repo's config.json and parameter count and estimates its memory: the attention layout found (standard, sliding-window, hybrid or latent), how much each 1,000 tokens of context costs, and weights + KV cache +…

• list_models

  The open-weight LLMs nodegrove.io has verified against their config.json (data version 2026-10-16): id, size, attention design, native context, licence, memory at Q4 with 8k context and each model's page.

• list_gpus

  The GPUs and machines nodegrove.io covers: memory, the memory a runtime can use and bandwidth, from the makers' specs, with each one's page.