Serveur MCP Inventory Intelligence & Optimizer
Commit 13 nov. 2026Analyse les listes de stocks et l'historique des ventes pour calculer les quantités à commander, les points de commande, le stock de sécurité et les listes d'achats groupées par fournisseur.
Aussi connu sous Saify-Technologies/saifs-ai-mcps-docs, inventory-intelligence-optimizer
- Étoiles
- 4
- Outils
- 2
- Téléchargements, 30 jours
- —
- Dernière version
- 1.0.1
- Dernier commit
- 13 nov. 2026
- Licence
- MIT
Qu'est-ce que Inventory Intelligence & Optimizer MCP ?
Inventory Intelligence & Optimizer est un serveur MCP. Analyse les listes de stocks et l'historique des ventes pour calculer les quantités à commander, les points de commande, le stock de sécurité et les listes d'achats groupées par fournisseur. Il expose 2 outils, comme inventory_optimizer, inventory_optimizer_get_engine.
Résumé généré à partir du README du projet
À propos du MCP server Inventory Intelligence & Optimizer
Ce serveur distant permet aux gestionnaires de la chaîne d'approvisionnement et aux chefs d'entreprise de calculer les besoins de réapprovisionnement et d'analyser les niveaux de stock directement depuis un client IA. En traitant les listes de stocks et l'historique des ventes, il identifie les quantités à commander, les points de commande, le stock de sécurité et les niveaux de surstock. Il calcule également la trésorerie totale immobilisée dans l'inventaire et génère des listes d'achats organisées par fournisseur.
Les utilisateurs se connectent via streamable HTTP en utilisant OAuth 2.1 avec PKCE pour une authentification sécurisée, ce qui déclenche une page de connexion lors de la première utilisation. L'outil inventory_optimizer gère directement jusqu'à 200 produits et 2 500 lignes de ventes. Pour les jeux de données plus importants où la confidentialité est une priorité, l'outil inventory_optimizer_get_engine fournit un script Python exécutable qui permet de réaliser l'analyse localement sur la machine de l'utilisateur afin que les données restent privées. Cette configuration fonctionne avec Claude Desktop, Claude Code et VS Code via de simples mises à jour de configuration.
Ce que vous pouvez faire avec
- 1Générer des commandes de réapprovisionnementDemandez à l'IA de déterminer précisément quels articles acheter et en quelles quantités sur la base d'un rapport de stock fourni.
- 2Identifier le capital excédentaireDemandez une analyse des articles en surstock pour comprendre quelle somme d'argent est actuellement immobilisée dans l'inventaire.
- 3Créer des listes d'achats par fournisseurDonnez instruction au client de construire une file d'attente d'achats organisée par fournisseur et respectant un budget spécifique.
- 4Effectuer une analyse de données localeDemandez un script Python pour traiter des inventaires massifs localement afin de garantir que les données sensibles ne quittent jamais votre machine.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer Inventory Intelligence & Optimizer MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller Inventory Intelligence & Optimizer MCP dans Claude Code
$ claude mcp add --transport http inventory-intelligence-optimizer https://inventory-optimizer-mcp.saifs.ai/mcpInstaller Inventory Intelligence & Optimizer MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"inventory-intelligence-optimizer": {
"url": "https://inventory-optimizer-mcp.saifs.ai/mcp"
}
}
}Installer Inventory Intelligence & Optimizer MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"inventory-intelligence-optimizer": {
"type": "http",
"url": "https://inventory-optimizer-mcp.saifs.ai/mcp"
}
}
}Installer Inventory Intelligence & Optimizer MCP dans VS Code CLI
$ code --add-mcp '{"name":"inventory-intelligence-optimizer","type":"http","url":"https://inventory-optimizer-mcp.saifs.ai/mcp"}'Installer Inventory Intelligence & Optimizer MCP dans Codex
$ codex mcp add inventory-intelligence-optimizer --url https://inventory-optimizer-mcp.saifs.ai/mcpInstaller Inventory Intelligence & Optimizer MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.inventory-intelligence-optimizer] url = "https://inventory-optimizer-mcp.saifs.ai/mcp"
Installer Inventory Intelligence & Optimizer MCP dans Gemini CLI
$ gemini mcp add -s user --transport http inventory-intelligence-optimizer https://inventory-optimizer-mcp.saifs.ai/mcpInstaller Inventory Intelligence & Optimizer MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"inventory-intelligence-optimizer": {
"url": "https://inventory-optimizer-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Outils MCP Inventory Intelligence & Optimizer 2
Détectés depuis le READMEinventory_optimizerinventory_optimizer_get_engine
| inventory_optimizer | — | |
| inventory_optimizer_get_engine | — |
Vérifications automatisées
Exécuté le 13 nov. 2026Rapport complet →Pas encore vérifié. Un serveur nécessite un score de 80, aucune faille sérieuse et suffisamment de données pour que nous puissions effectuer les vérifications. Fonctionnement des vérifications · Ce qu'il faut corriger pour gagner des points
- Dépôt source lié et accessiblesaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Réussi
- Le nom du package correspond au dépôt sourceNon vérifié
- Provenance du build (attestation Sigstore)Non vérifié
- Licence open source (OSI)MITspdx.org/licenses/MIT.html ↗Réussi
- Commit ou version publiée au cours de l'année écouléeLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Réussi
- OpenSSF ScorecardNon vérifié
- Nom du package non proche d'un package populaireNon vérifié
- Aucun avis critique dans le package ou ses dépendancesNon vérifié
- Aucune instruction cachée destinée au modèle2 tool descriptions and the README read; no override phrases, credential paths or hidden charactersRéussi
- Les outils destructifs sont étiquetésNo tool named like delete, drop or execRéussi
- Le point de terminaison distant répond à la poignée de main MCPHTTPS endpoint answered 401 (sign-in required)Réussi
README
Voir sur GitHubInventory Intelligence & Optimizer
Takes a stock list (and sales history if available) and returns order quantities, reorder points, safety stock, overstock, cash tied up in inventory, and a buying list grouped by supplier. Accepts normal business column names (Item Code, Closing Stock, Open PO, Lead Time…) without renaming.
| Registry name | ai.saifs/inventory-intelligence-optimizer |
| Endpoint | https://inventory-optimizer-mcp.saifs.ai/mcp |
| Transport | Streamable HTTP (remote, nothing to install) |
| Auth | OAuth 2.1 — PKCE (S256) and dynamic client registration; your client opens a sign-in page on first use |
| Publisher | SAIFS AI |
Install
VS Code / GitHub Copilot
Add to .vscode/mcp.json (workspace) or your user mcp.json:
{
"servers": {
"saifs-inventory-optimizer": {
"type": "http",
"url": "https://inventory-optimizer-mcp.saifs.ai/mcp"
}
}
}
Then start the server from the MCP view and sign in when prompted.
Claude (claude.ai, Desktop)
Settings → Connectors → Add custom connector, and paste:
https://inventory-optimizer-mcp.saifs.ai/mcp
Claude Code
claude mcp add --transport http saifs-inventory-optimizer https://inventory-optimizer-mcp.saifs.ai/mcp
Any other MCP client
Point it at https://inventory-optimizer-mcp.saifs.ai/mcp using the Streamable HTTP transport. The server returns 401 with a
WWW-Authenticate: Bearer … resource_metadata=… challenge, so OAuth-aware clients sign in automatically.
Tools
| Tool | What it does |
|---|---|
inventory_optimizer |
Scores up to about 200 products and 2,500 sales rows: order quantities, reorder points, overstock, cash exposure and a supplier-grouped purchase queue. |
inventory_optimizer_get_engine |
For larger stock books: returns a runnable Python script that does the same analysis locally, so the data never leaves the user's machine. |
Example prompts
- “Here's our stock report. What should we order this week and how much?”
- “Which items are overstocked and how much cash is stuck in them?”
- “Build a purchase list grouped by supplier within a budget of ₹5,00,000.”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
Questions sur Inventory Intelligence & Optimizer MCP
Comment ajouter Inventory Intelligence & Optimizer MCP à Claude Code ?
Exécutez claude mcp add --transport http inventory-intelligence-optimizer https://inventory-optimizer-mcp.saifs.ai/mcp dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter Inventory Intelligence & Optimizer MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils Inventory Intelligence & Optimizer MCP fournit-il ?
Il expose 2 outils, dont inventory_optimizer, inventory_optimizer_get_engine.
Comment le serveur gère-t-il les inventaires volumineux ?
Pour les jeux de données plus importants, il fournit un script Python exécutable qui effectue l'analyse localement afin que les données restent sur votre machine.
Quel type de données en entrée accepte-t-il ?
Il accepte les noms de colonnes standards du monde de l'entreprise tels que Item Code, Closing Stock, Open PO et Lead Time sans nécessiter de renommage.
Quelles métriques spécifiques peut-il calculer ?
L'outil calcule les quantités à commander, les points de commande, le stock de sécurité, le surstock, la trésorerie immobilisée dans l'inventaire et les listes d'achats groupées par fournisseur.