MCP server de Implicit Core
Commit 16 oct 2026Virtualiza entornos de agentes de gran escala materializando únicamente el estado específico necesario para cada interacción, reduciendo así el consumo de memoria y almacenamiento.
También conocido como zeitcow/implicit-core, implicit-core
- Stars
- 0
- Herramientas
- —
- Descargas, 30 días
- —
- Última versión
- 1.0.0
- Último commit
- 16 oct 2026
- Licencia
- Apache-2.0
¿Qué es Implicit Core MCP?
Virtualiza entornos de agentes de gran escala materializando únicamente el estado específico necesario para cada interacción, reduciendo así el consumo de memoria y almacenamiento.
Resumen generado a partir del README del proyecto
Acerca del MCP server de Implicit Core
Implicit Core permite a los desarrolladores de IA virtualizar entornos de agentes de gran escala materializando solo el estado específico necesario para cada interacción. Esto reduce la carga de memoria y almacenamiento al trabajar con coordenadas específicas en un entorno versionado, en lugar de construir un entorno completo para cada episodio. Esto resulta especialmente útil en escenarios de entrenamiento y evaluación donde el entorno total (como un almacén con millones de pedidos) es mucho más grande que cualquier interacción individual.
Los desarrolladores utilizan esta infraestructura construyendo adaptadores con protocolos de Python para cargar las páginas necesarias bajo demanda. El sistema opera en la capa lógica del estado del entorno y puede integrarse con agentes, learners y evaluadores existentes. Para quienes utilizan agentes de programación como Claude Code, Cursor o VS Code, el paquete proporciona ocho herramientas locales de MCP mediante stdio con límites definidos para direccionamiento sintético, paginación, procedencia y validación. La configuración requiere Python 3.11+ y se puede instalar vía pip usando la distribución implicit-ai.
Qué puedes hacer con él
- 1Reducir el consumo de almacenamiento del entornoUn desarrollador puede minimizar los bytes necesarios para almacenar estados de agentes materializando únicamente los datos específicos requeridos para una interacción.
- 2Permitir episodios de agentes reproduciblesPuedes garantizar un comportamiento repetible del agente utilizando versiones de origen inmutables y semillas fijas dentro del entorno.
- 3Conectar agentes de programación a estados virtualizadosIntegra herramientas como Cursor o Claude Code para gestionar el direccionamiento sintético y la procedencia a través de MCP.
- 4Gestionar entornos a escala masivaManeja entornos que son demasiado grandes para cargarse por completo, como un almacén que contiene millones de pedidos.
Escrito a partir del README del proyecto. Cada caso de uso se verifica con una cita del mismo.
Verificaciones automáticas
Ejecutado 14 nov 2026Informe completo →Aún no verificado. Un servidor necesita una puntuación de 80, ningún hallazgo grave y suficientes datos para que podamos revisarlo. Cómo funcionan las verificaciones · Qué corregir para obtener más puntos
- Repositorio de origen vinculado y accesiblezeitcow/implicit-core is public and reachablegithub.com/zeitcow/implicit-core ↗Aprobado
- El paquete indica este repositorio como su origenNo verificado
- Procedencia de la compilación (atestación de Sigstore)No verificado
- Licencia de código abierto (OSI)Apache-2.0spdx.org/licenses/Apache-2.0.html ↗Aprobado
- Commit o lanzamiento en el último añoLast commit or release 2026-10-16github.com/zeitcow/implicit-core ↗Aprobado
- OpenSSF ScorecardNo verificado
- El nombre del paquete no es similar a un paquete popularNo verificado
- No hay avisos críticos en el paquete ni en sus dependenciasNo verificado
- Sin instrucciones ocultas para el modelo0 tool descriptions and the README read; no override phrases, credential paths or hidden charactersAprobado
- Las herramientas destructivas están etiquetadasNo verificado
- El endpoint remoto responde al handshake de MCPNo verificado
README
Ver en GitHubImplicit Core
Implicit is the experience layer for AI agents.
Virtualize large agent environments. Materialize only the state each experience actually needs.
Implicit Core is AI agent experience/environment infrastructure from zeitcow/implicit-core, distributed as implicit-ai under Apache-2.0. Current stable: 1.0.1.
pip install implicit-ai
Website and docs · PyPI · 60-second quickstart · Measured evidence · Connect a coding agent · Install the Codex integration skill
Why virtualize an experience?
In agent training and evaluation, the possible environment can be much larger than any individual episode. A warehouse may contain millions of orders; processing one order needs only its inventory and policy records. Instead of eagerly constructing the complete environment for every episode, an Implicit experience addresses a coordinate in a versioned environment. Your adapter supplies the initial pages and loads further required state on demand, including declared dependencies.
An experience is one addressable interaction: instruction, required state, execution and evaluation. The address identifies the environment version and coordinate. Your adapter chooses pages; your existing agent executes; your native evaluator verifies the result. Core records execution state, provenance and explicit recovery.
Immutable source versions, fixed seeds and deterministic adapters, state sources and agents support reproducible episodes. External services and effects need application-owned control or reconciliation; Implicit does not make arbitrary programs deterministic. Architecture explains the conditions.
This works at the logical experience/environment-state layer. VM or container snapshots can supply an execution sandbox; Implicit determines which addressed state is needed inside an experience. FAQ distinguishes this from filesystem paging, dataset streaming, prompt compression and lazy MCP tool discovery.
Use Implicit for large separable state, repeatable identities, expensive environment construction or durable execution evidence. Measure overhead for small, already lazy or mostly accessed environments.
Try it in 60 seconds
Python 3.11+; zero third-party runtime dependencies. In a fresh virtual environment:
pip install implicit-ai
implicit --version
implicit demo
implicit benchmark
The public toy compares eager and selective serialized state, verifies the shipping result and prints a provenance hash. Its output is its own workload measurement.
The distribution is implicit-ai; the import is implicit. Use an isolated environment because the unrelated implicit recommendation library shares that import namespace. Installation includes Windows setup and verified release artifacts.
Measured evidence and its limits
In the preserved rc1 native systems population, 155/155 comparable cases preserved equivalent state, tool behavior and reward.
| Measurement | Result |
|---|---|
| Aggregate retained serialized/materialized-state reduction | 93.88% |
| Mean case reduction | 94.40% |
| Median case reduction | 99.55% |
Serialized/materialized bytes are not RAM. The measurements belong to rc1, not a new 1.0.0 native replay or the toy/MCP demo. The public numeric summary supports arithmetic verification; restricted native replay assets are not shipped. Methodology, measured latency tradeoffs, hashes and limitations.
Keep your existing stack
Keep your agent, learner, framework and evaluator. Build an adapter in your project using ordinary Python protocols:
Universe proposes versioned addresses
-> Environment plans required pages
-> ResourceSource loads pages as needed
-> existing agent executes
-> native Evaluator verifies
-> Core records provenance and recovery state
Adapter contract, agent integration prompts and three public adapter shapes show the mapping. With the public repository downloaded and the package installed:
python -I examples/core_adapters.py
No allocator or new learner is required. Default selection preserves your proposed order. Core does not establish improved learning, general speedups, allocator superiority or universal infrastructure guarantees.
Let a coding agent try Implicit
The package includes eight bounded local stdio MCP tools for synthetic addressing, paging, provenance and validation. MCP quickstart gives Codex, Claude Code, VS Code and Cursor configurations. Real environment adapters use the Python SDK.
Repository plugin packages integration guidance and local MCP configuration. Public directory acceptance and hosted ChatGPT connectivity are separate; see the dated ecosystem status.
Documentation
- Quickstart, installation and architecture
- Adapters, configuration and agent integration
- Benchmarks, citation guide and FAQ
- Local MCP, MCP quickstart and ecosystem status
- Security and privacy, troubleshooting and contributing
- Agent commands, release history and public adoption measurement
Demo, benchmark and local MCP make no outbound connections. Python adapters are trusted application code and may use your services. There is no product telemetry. Journals may retain application data; see SECURITY.md.
Implicit Core 1.0.1 is licensed under Apache-2.0. Licensing inventory and NOTICE describe included assets.
Preguntas sobre Implicit Core MCP
¿Para qué se utiliza Implicit Core?
Es una capa de experiencia para agentes de IA que permite la virtualización de entornos extensos mediante la materialización exclusiva del estado requerido para experiencias específicas.
¿La implementación local de MCP realiza conexiones salientes?
No, ni la demo, ni el benchmark, ni las herramientas locales de MCP realizan conexiones salientes.
¿Qué nivel de reducción de estado se puede alcanzar?
En sistemas nativos probados, la reducción agregada del estado serializado/materializado retenido fue de aproximadamente 93.88%.