MCP server Learning Optimizer
Коммит 13 нояб. 2026 г.Планирует интервальные повторения и программы подготовки к экзаменам, моделируя индивидуальные кривые забывания с помощью продвинутых алгоритмов интервальных повторений.
Также известен как Saify-Technologies/saifs-ai-mcps-docs, learning-optimizer
- Звёзды
- 4
- Инструменты
- 6
- Загрузки, 30 дней
- —
- Последняя версия
- 1.0.1
- Последний коммит
- 13 нояб. 2026 г.
- Лицензия
- MIT
Что такое Learning Optimizer MCP?
Learning Optimizer — это MCP server. Планирует интервальные повторения и программы подготовки к экзаменам, моделируя индивидуальные кривые забывания с помощью продвинутых алгоритмов интервальных повторений. Он предоставляет 6 инструментов, например schedule_review, due_reviews, predict_retention.
Сводка сгенерирована из README проекта
О Learning Optimizer MCP server
Learning Optimizer работает как персонализированный движок интервальных повторений, разработанный для помощи студентам в управлении долговременной памятью с помощью научного моделирования. Он использует такие алгоритмы, как FSRS, Half-Life Regression и SM-2, для расчета индивидуальных кривых забывания для конкретных элементов. Это позволяет системе планировать минимальное количество повторений, необходимое для достижения определенной цели по удержанию знаний.
Пользователи подключаются к этому удаленному серверу через streamable HTTP, используя имя реестра ai.saifs/learning-optimizer. Требуется аутентификация OAuth 2.1 с PKCE, что означает, что при первом использовании ваш клиент предложит вам войти в систему через веб-страницу. Вы можете интегрировать его в VS Code, GitHub Copilot, Claude Desktop или Claude Code, указав ваш клиент на предоставленный эндпоинт.
Сервер предоставляет специализированные инструменты, такие как schedule_review для расчета вероятности вспоминания и optimize_study_plan для создания комплексных графиков. Он также включает explain_schedule для объяснения логики конкретных интервалов и forgetting_curve для отображения параметров затухания модели.
Что вы можете с ним делать
- 1Расчет времени следующего повторенияПопросите ИИ определить оптимальное время для следующего повторения и прогнозируемую вероятность вспоминания конкретного элемента.
- 2Генерация ежедневных очередей на обучениеЗапросите список всех элементов, которые учащемуся необходимо повторить сегодня, с учетом приоритетности.
- 3Создание графиков подготовки к экзаменамДайте ИИ команду построить полный план обучения по всей базе элементов, который обеспечит пик удержания знаний к конкретной дате экзамена.
- 4Анализ забыванияИспользуйте инструмент для просмотра построенной кривой затухания и специфических параметров для конкретного пользователя и элемента.
Взято из README проекта. Каждый вариант использования проверен на соответствие цитате из него.
Как установить Learning Optimizer MCP
Форматы проверены 10 ноя 2026Добавить в CursorДобавить в GooseУстановка Learning Optimizer MCP в Claude Code
$ claude mcp add --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcpУстановка Learning Optimizer MCP в Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"learning-optimizer": {
"url": "https://learning-optimizer-mcp.saifs.ai/mcp"
}
}
}Установка Learning Optimizer MCP в VS Code
.vscode/mcp.json
{
"servers": {
"learning-optimizer": {
"type": "http",
"url": "https://learning-optimizer-mcp.saifs.ai/mcp"
}
}
}Установка Learning Optimizer MCP в VS Code CLI
$ code --add-mcp '{"name":"learning-optimizer","type":"http","url":"https://learning-optimizer-mcp.saifs.ai/mcp"}'Установка Learning Optimizer MCP в Codex
$ codex mcp add learning-optimizer --url https://learning-optimizer-mcp.saifs.ai/mcpУстановка Learning Optimizer MCP в Codex config.toml
~/.codex/config.toml
[mcp_servers.learning-optimizer] url = "https://learning-optimizer-mcp.saifs.ai/mcp"
Установка Learning Optimizer MCP в Gemini CLI
$ gemini mcp add -s user --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcpУстановка Learning Optimizer MCP в Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"learning-optimizer": {
"url": "https://learning-optimizer-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Инструменты Learning Optimizer MCP 6
Определено из READMEschedule_reviewdue_reviewspredict_retentionoptimize_study_planforgetting_curveexplain_schedule
| schedule_review | — | |
| due_reviews | — | |
| predict_retention | — | |
| optimize_study_plan | — | |
| forgetting_curve | — | |
| explain_schedule | — |
Автоматические проверки
Запущено 13 нояб. 2026 г.Полный отчёт →Еще не проверено. Для сервера требуется оценка 80, отсутствие серьезных проблем и достаточно данных для нашей проверки. Как работают проверки · Что исправить, чтобы получить больше баллов
- Связанный и доступный исходный репозиторийsaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Пройдено
- Пакет указывает этот репозиторий как источникНе проверялось
- Происхождение сборки (аттестация Sigstore)Не проверялось
- Open source лицензия (OSI)MITspdx.org/licenses/MIT.html ↗Пройдено
- Коммит или релиз за последний годLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Пройдено
- OpenSSF ScorecardНе проверялось
- Имя пакета не похоже на популярный пакетНе проверялось
- Нет критических предупреждений в пакете или его зависимостяхНе проверялось
- Нет скрытых инструкций для модели6 tool descriptions and the README read; no override phrases, credential paths or hidden charactersПройдено
- Деструктивные инструменты помеченыNo tool named like delete, drop or execПройдено
- Удалённая конечная точка отвечает на рукопожатие MCPHTTPS endpoint answered 401 (sign-in required)Пройдено
README
Открыть на 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
Вопросы о Learning Optimizer MCP
Как добавить Learning Optimizer MCP в Claude Code?
Выполните claude mcp add --transport http learning-optimizer https://learning-optimizer-mcp.saifs.ai/mcp в терминале. Добавьте --scope user, чтобы сервер был доступен во всех проектах.
Как добавить Learning Optimizer MCP в Cursor?
Откройте ~/.cursor/mcp.json и добавьте сервер в mcpServers, используя конфигурацию Cursor из раздела установки выше.
Какие инструменты предоставляет Learning Optimizer MCP?
Он предоставляет 6 инструментов, включая schedule_review, due_reviews, predict_retention, optimize_study_plan, forgetting_curve.
Какие алгоритмы использует сервер для планирования?
Движок построен на базе Ebbinghaus, Leitner / SM-2, Half-Life Regression и FSRS.
Как я могу составить план подготовки к предстоящему экзамену?
Вы можете использовать инструмент optimize_study_plan, чтобы выстроить полный график по всей базе элементов так, чтобы уровень запоминания достиг пика к дню экзамена.