Learning Optimizer MCP server
Commit 13 Nov 2026Menjadwalkan review berkala dan rencana belajar ujian dengan memodelkan kurva lupa individu menggunakan algoritma spaced-repetition tingkat lanjut.
Juga dikenal sebagai Saify-Technologies/saifs-ai-mcps-docs, learning-optimizer
- Stars
- 4
- Tools
- 6
- Unduhan, 30 hari
- —
- Versi terbaru
- 1.0.1
- Commit terakhir
- 13 Nov 2026
- Lisensi
- MIT
Apa itu Learning Optimizer MCP?
Learning Optimizer adalah MCP server. Menjadwalkan review berkala dan rencana belajar ujian dengan memodelkan kurva lupa individu menggunakan algoritma spaced-repetition tingkat lanjut. Server ini menyediakan 6 tool, seperti schedule_review, due_reviews, predict_retention.
Ringkasan dibuat dari README proyek
Tentang Learning Optimizer MCP server
Learning Optimizer bertindak sebagai engine spaced-repetition personal yang dirancang untuk membantu pelajar mengelola memori jangka panjang melalui pemodelan ilmiah. Engine ini menggunakan algoritma seperti FSRS, Half-Life Regression, dan SM-2 untuk menghitung kurva lupa individu untuk item tertentu. Hal ini memungkinkan sistem untuk menjadwalkan jumlah review minimum yang diperlukan guna mencapai target retensi tertentu.
Pengguna dapat terhubung ke remote server ini melalui Streamable HTTP menggunakan nama registry ai.saifs/learning-optimizer. Server ini memerlukan autentikasi OAuth 2.1 dengan PKCE, yang berarti client Anda akan meminta Anda untuk login melalui halaman web saat penggunaan pertama kali. Anda dapat mengintegrasikannya ke dalam VS Code, GitHub Copilot, Claude Desktop, atau Claude Code dengan mengarahkan client Anda ke endpoint yang disediakan.
Server ini menyediakan tool khusus seperti schedule_review untuk menghitung probabilitas recall dan optimize_study_plan untuk membuat jadwal yang komprehensif. Tersedia juga explain_schedule untuk memberikan alasan di balik interval tertentu dan forgetting_curve untuk menampilkan parameter decay yang telah disesuaikan.
Apa yang bisa Anda lakukan dengannya
- 1Menghitung waktu review berikutnyaMinta AI untuk menentukan waktu review optimal berikutnya dan prediksi probabilitas recall untuk item tertentu.
- 2Menghasilkan antrean belajar harianMinta daftar item yang diprioritaskan yang perlu di-review oleh pelajar hari ini.
- 3Membuat jadwal persiapan ujianInstruksikan AI untuk membangun rencana belajar lengkap untuk seluruh item bank guna memastikan retensi memori mencapai puncaknya pada tanggal ujian tertentu.
- 4Menganalisis penurunan memoriGunakan tool ini untuk melihat kurva decay yang telah disesuaikan serta parameter spesifik untuk satu pasangan pelajar-item.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal Learning Optimizer MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal Learning Optimizer MCP di Claude Code
$ claude mcp add --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcpInstal Learning Optimizer MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"learning-optimizer": {
"url": "https://learning-optimizer-mcp.saifs.ai/mcp"
}
}
}Instal Learning Optimizer MCP di VS Code
.vscode/mcp.json
{
"servers": {
"learning-optimizer": {
"type": "http",
"url": "https://learning-optimizer-mcp.saifs.ai/mcp"
}
}
}Instal Learning Optimizer MCP di VS Code CLI
$ code --add-mcp '{"name":"learning-optimizer","type":"http","url":"https://learning-optimizer-mcp.saifs.ai/mcp"}'Instal Learning Optimizer MCP di Codex
$ codex mcp add learning-optimizer --url https://learning-optimizer-mcp.saifs.ai/mcpInstal Learning Optimizer MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.learning-optimizer] url = "https://learning-optimizer-mcp.saifs.ai/mcp"
Instal Learning Optimizer MCP di Gemini CLI
$ gemini mcp add -s user --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcpInstal Learning Optimizer MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"learning-optimizer": {
"url": "https://learning-optimizer-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Tool Learning Optimizer MCP 6
Terdeteksi dari READMEschedule_reviewdue_reviewspredict_retentionoptimize_study_planforgetting_curveexplain_schedule
| schedule_review | — | |
| due_reviews | — | |
| predict_retention | — | |
| optimize_study_plan | — | |
| forgetting_curve | — | |
| explain_schedule | — |
Pengecekan otomatis
Berjalan 13 Nov 2026Laporan lengkap →Belum diverifikasi. Sebuah server memerlukan skor 80, tidak ada temuan serius, dan data yang cukup untuk kami periksa. Cara kerja checks · Yang perlu diperbaiki untuk menambah poin
- Source repository terhubung dan dapat dijangkausaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Lolos
- Nama paket mencantumkan repositori ini sebagai sumbernyaTidak diperiksa
- Provenance build (atestasi Sigstore)Tidak diperiksa
- Lisensi open source (OSI)MITspdx.org/licenses/MIT.html ↗Lolos
- Ada commit atau release dalam satu tahun terakhirLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Lolos
- OpenSSF ScorecardTidak diperiksa
- Nama package tidak mirip dengan package populerTidak diperiksa
- Tidak ada advisory kritis pada paket atau dependensinyaTidak diperiksa
- Tidak ada instruksi tersembunyi untuk model6 tool descriptions and the README read; no override phrases, credential paths or hidden charactersLolos
- Tools yang bersifat destruktif telah diberi labelNo tool named like delete, drop or execLolos
- Endpoint remote merespons handshake MCPHTTPS endpoint answered 401 (sign-in required)Lolos
README
Lihat di GitHubLearning Optimizer
A personalised spaced-repetition engine: it models each learner’s forgetting curve per item and schedules the fewest reviews that still hit a target retention. Built on Ebbinghaus, Leitner / SM-2 (Anki’s baseline), Half-Life Regression and FSRS. Also builds a full study plan that peaks retention by exam day.
| Registry name | ai.saifs/learning-optimizer |
| Endpoint | https://learning-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-learning-optimizer": {
"type": "http",
"url": "https://learning-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://learning-optimizer-mcp.saifs.ai/mcp
Claude Code
claude mcp add --transport http saifs-learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcp
Any other MCP client
Point it at https://learning-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 |
|---|---|
schedule_review |
Next optimal review time and predicted recall probability for one learner-item after the last result. |
due_reviews |
Today’s review queue for a learner, priority-ordered. |
predict_retention |
Probability of recall for an item at a future date. |
optimize_study_plan |
Full schedule over an item bank so retention peaks on exam day. |
forgetting_curve |
Fitted decay curve and parameters for one learner-item. |
explain_schedule |
Why this interval: model, evidence and confidence. |
Example prompts
- “This student just missed item 142. When should they review it next, and what’s P(recall) then?”
- “What should this learner review today, in priority order?”
- “Exam is 28 days out. Build a study plan over this item bank so they peak on the day.”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
Pertanyaan tentang Learning Optimizer MCP
Bagaimana cara menambahkan Learning Optimizer MCP ke Claude Code?
Jalankan claude mcp add --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcp di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan Learning Optimizer MCP ke Cursor?
Buka ~/.cursor/mcp.json dan tambahkan server di bawah mcpServers, menggunakan config Cursor yang ditunjukkan di bagian instalasi di atas.
Tool apa yang disediakan Learning Optimizer MCP?
Server ini menyediakan 6 tool, termasuk schedule_review, due_reviews, predict_retention, optimize_study_plan, forgetting_curve.
Algoritma apa yang digunakan server ini untuk penjadwalan?
Engine ini dibangun di atas Ebbinghaus, Leitner / SM-2, Half-Life Regression, dan FSRS.
Bagaimana cara membuat rencana belajar untuk ujian mendatang?
Anda dapat menggunakan tool optimize_study_plan untuk membangun jadwal lengkap dari sebuah item bank agar retensi memori mencapai puncaknya pada hari ujian Anda.