Nerf Watch MCP server
Commit 21 Okt 2026Memberikan akses read-only ke skor performa model harian dan tren historis dari suite evaluasi berbasis grading kode privat.
Juga dikenal sebagai stdcmms-lang/tokenusage-codex-mcp, nerfwatch
- Stars
- 0
- Tools
- 2
- Unduhan, 30 hari
- —
- Versi terbaru
- 1.0.0
- Commit terakhir
- 21 Okt 2026
- Lisensi
- MIT
Apa itu Nerf Watch MCP?
Memberikan akses read-only ke skor performa model harian dan tren historis dari suite evaluasi berbasis grading kode privat. Server ini menyediakan 2 tool, seperti get_nerfwatch_scores, get_nerfwatch_history.
Ringkasan dibuat dari README proyek
Tentang Nerf Watch MCP server
Nerf Watch menyediakan akses read-only ke skor performa publik dan tren historis dari suite evaluasi berbasis grading kode privat. Developer dapat menggunakan hosted MCP server ini untuk memantau data performa model tanpa perlu API key, akun, atau proses sign-in. Server ini terhubung melalui endpoint streamable HTTP, sehingga kompatibel dengan Claude Code, Codex, dan client lainnya yang mendukung format mcpServers HTTP.
Server ini menawarkan dua tool khusus untuk pengambilan data. Tool get_nerfwatch_scores menyediakan skor publik terbaru, hasil run sebelumnya, perubahan, baseline, dan tren termasuk model ids. Tool get_nerfwatch_history memungkinkan pengguna untuk menarik riwayat yang tersimpan untuk model id tertentu, diurutkan dari yang terlama ke yang terbaru. Kedua tool ini berbagi satu read cache berdurasi 300 detik per instance server untuk mengelola akses data secara efisien.
Apa yang bisa Anda lakukan dengannya
- 1Monitor performa model terbaruMinta AI untuk mengambil skor publik terbaru dan tren baseline untuk berbagai model.
- 2Analisis tren historis modelMinta data historis lengkap untuk model tertentu guna melihat bagaimana performanya berubah dari waktu ke waktu.
- 3Identifikasi perubahan performa modelGunakan server ini untuk menemukan perubahan skor model terbaru dalam versi suite tertentu.
Ditulis berdasarkan README proyek. Setiap use case diperiksa terhadap kutipan dari README tersebut.
Cara menginstal Nerf Watch MCP
Format diverifikasi 10 Nov 2026Tambahkan ke CursorTambahkan ke GooseInstal Nerf Watch MCP di Claude Code
$ claude mcp add --transport http nerfwatch https://tokenusage.dev/mcp/nerfwatchInstal Nerf Watch MCP di Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"nerfwatch": {
"url": "https://tokenusage.dev/mcp/nerfwatch"
}
}
}Instal Nerf Watch MCP di VS Code
.vscode/mcp.json
{
"servers": {
"nerfwatch": {
"type": "http",
"url": "https://tokenusage.dev/mcp/nerfwatch"
}
}
}Instal Nerf Watch MCP di VS Code CLI
$ code --add-mcp '{"name":"nerfwatch","type":"http","url":"https://tokenusage.dev/mcp/nerfwatch"}'Instal Nerf Watch MCP di Codex
$ codex mcp add nerfwatch --url https://tokenusage.dev/mcp/nerfwatchInstal Nerf Watch MCP di Codex config.toml
~/.codex/config.toml
[mcp_servers.nerfwatch] url = "https://tokenusage.dev/mcp/nerfwatch"
Instal Nerf Watch MCP di Gemini CLI
$ gemini mcp add -s user --transport http nerfwatch https://tokenusage.dev/mcp/nerfwatchInstal Nerf Watch MCP di Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"nerfwatch": {
"url": "https://tokenusage.dev/mcp/nerfwatch",
"type": "http"
}
}
}Tool Nerf Watch MCP 2
Terdeteksi dari READMEget_nerfwatch_scoresget_nerfwatch_history
| get_nerfwatch_scores | — | |
| get_nerfwatch_history | — |
Pengecekan otomatis
Berjalan 14 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 dijangkaustdcmms-lang/tokenusage-codex-mcp is public and reachablegithub.com/stdcmms-lang/tokenusage-codex-mcp ↗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 2026-10-21github.com/stdcmms-lang/tokenusage-codex-mcp ↗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 model2 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 MCPinitialize answered with protocol 2025-06-18 in 230 msLolos
README
Lihat di GitHubNerf Watch MCP server
A hosted, read-only MCP server for the public scores and history behind Nerf Watch.
A lower score is a lower score on this suite, not proof that a provider changed a model.
Runs are noisy, and a provider's defaults, the endpoint or the runner itself can change.
Data: tokenusage.dev linked to https://tokenusage.dev/nerfwatch.
- Endpoint:
https://tokenusage.dev/mcp/nerfwatch(Streamable HTTP) - No API key, account or sign-in
- Read-only public score data
- Both tools share one 300-second read cache per server instance
This directory contains client documentation and Registry metadata. The hosted implementation source is not in this repository.
Tools
| Tool | Arguments | Result |
|---|---|---|
get_nerfwatch_scores |
none | Latest public scores, previous runs, changes, baselines and trends; model ids are included. |
get_nerfwatch_history |
required model id from get_nerfwatch_scores |
That model's retained history, oldest first, with each point's suite version. |
Missing days are missing, not zero. Scores and changes are rounded to two decimals. Comparisons are within one suite version. Retention and baseline settings come from the responses. Evidence answers, grader check lines and test questions are not returned.
Install
Claude Code:
claude mcp add --transport http nerfwatch https://tokenusage.dev/mcp/nerfwatch
Codex:
codex mcp add nerfwatch --url https://tokenusage.dev/mcp/nerfwatch
For Claude Code project scope, add this to .mcp.json. Other clients that accept
this HTTP mcpServers format can use the same entry:
{
"mcpServers": {
"nerfwatch": {
"type": "http",
"url": "https://tokenusage.dev/mcp/nerfwatch"
}
}
}
Discovery
- Registry name:
dev.tokenusage/nerfwatch - Manifest: server.json
- Server card: https://tokenusage.dev/mcp/nerfwatch/server-card
- AI catalog: https://tokenusage.dev/.well-known/ai-catalog.json
- Fields, caching and access: https://tokenusage.dev/developers
The separate Codex reset server remains at https://tokenusage.dev/mcp.
Credit and terms
When showing this data to other people, show Data: tokenusage.dev linked to
https://tokenusage.dev/nerfwatch on the same screen or in the same message.
Personal use needs no visible credit. Relays retain the source URL and pass
on this credit condition.
Please poll no faster than every five minutes and retain the score qualification above.
Terms: https://tokenusage.dev/terms
Privacy: https://tokenusage.dev/privacy
Questions and corrections: https://tokenusage.dev/contact
Unofficial; not affiliated with OpenAI or Anthropic.
Pertanyaan tentang Nerf Watch MCP
Bagaimana cara menambahkan Nerf Watch MCP ke Claude Code?
Jalankan claude mcp add --transport http nerfwatch https://tokenusage.dev/mcp/nerfwatch di terminal Anda. Tambahkan --scope user agar tersedia di semua proyek.
Bagaimana cara menambahkan Nerf Watch 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 Nerf Watch MCP?
Server ini menyediakan 2 tool, termasuk get_nerfwatch_scores, get_nerfwatch_history.
Data apa saja yang disediakan oleh server ini?
Server menyediakan skor publik terbaru, hasil run sebelumnya, perubahan, baseline, tren, dan riwayat model.
Apakah saya memerlukan API key untuk menggunakan server ini?
Tidak, server ini tidak memerlukan API key, akun, atau proses sign-in.
Seberapa sering saya harus melakukan polling ke server?
Anda sebaiknya melakukan polling ke server tidak lebih sering dari setiap lima menit.
Apakah skor yang lebih rendah berarti model telah berubah?
Tidak, skor yang lebih rendah hanyalah skor yang lebih rendah pada suite spesifik ini dan bukan bukti definitif adanya perubahan model.