Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Bewertungen und Benutzerkonten folgen in einem späteren Schritt.
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt
Einsteigermodus An
FarbenSystemHellDunkel
SpracheไทยEnglish中文日本語한국어EspañolDeutsch
☰ MenüEinstellungen
Einsteigermodus An
FarbenSystemHellDunkel
SpracheไทยEnglish中文日本語한국어EspañolDeutsch

Docs MCP

von frumu-aiVersion 0.3.2i★ 125iLäuft in der Cloud
Name in der Registryac.tandem/docs-mcp

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Remote MCP server for Tandem docs, install guides, SDKs, workflows, and agent setup help.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

  • Verbindung: Läuft in der Cloud
  • Transport: Streamable HTTP
  • Kategorie: Suche & KI-Gedächtnis

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Du brauchst

Welche App nutzt du?

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Funktioniert in Claude im Web, auf dem Desktop und auf dem Handy:

  1. Öffne Settings → Connectors
  2. Tippe auf Add custom connector
  3. Füge die Adresse unten ein und tippe auf Add
  4. Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an
SettingsConnectors1+ Add2https://…3
https://tandem.ac/mcp

Führe das in deinem Terminal aus

claude mcp add --transport http docs https://tandem.ac/mcp

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "docs": {
      "url": "https://tandem.ac/mcp"
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "docs": {
      "type": "http",
      "url": "https://tandem.ac/mcp"
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

ChatGPT verbindet sich nur mit Servern im Internet:

  1. Öffne ChatGPT im Web → Settings → Connectors (Apps)
  2. Tippe auf Create oder Add (bei manchen Tarifen musst du zuerst Developer mode unter Advanced einschalten)
  3. Füge die Adresse unten ein, gib ihr einen Namen und speichere
  4. Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an
SettingsConnectors1+ Create2https://…3
https://tandem.ac/mcp

Menünamen können sich je nach Tarif und mit der Zeit leicht unterscheiden.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Tool-Namen und -Beschreibungen genau so, wie der Server sie am 6. Nov. 2026 gemeldet hat. Geschrieben hat sie der Entwickler, nicht wir; wir zeigen sie als reinen Text.

  • search_docs

    Search the published Tandem docs index for relevant pages.

  • get_doc

    Fetch and normalize a published Tandem docs page by path or URL.

  • get_start_path

    Recommend the best Tandem docs starting path for a desktop user, server admin, or developer.

  • recommend_next_docs

    Recommend the next Tandem docs to read after a current page, optionally biased toward a goal.

  • answer_how_to

    Answer how to install or use Tandem, build workflows, or use the SDKs by synthesizing relevant published docs.

  • get_tandem_guide

    Return a structured Tandem learning guide for install-engine, python-sdk, typescript-sdk, build-workflows, or headless-deploy.

  • warmup_docs_cache

    Refresh the docs index and preload the most important Tandem docs pages into cache.

  • get_docs_cache_status

    Inspect the current docs cache state for index sources and warmed pages.

  • refresh_docs_index

    Force-refresh docs indexes and report whether data came from the network, cache, or stale fallback.

  • refresh_doc_page

    Force-refresh a docs page and report whether content came from the network, cache, or stale fallback.

  • invalidate_docs_cache

    Invalidate docs cache entries for index data, all pages, or a specific page path.

  • compare_docs_index_refresh

    Force-refresh the docs indexes and return before/after hashes so content changes can be proven.

  • compare_doc_page_refresh

    Force-refresh a docs page and return before/after hashes so page content changes can be proven.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde über die Domain tandem.ac bestätigt (die Registry prüft, wem die Domain gehört)

  • ✓ Bestanden

    Wird noch gepflegt

    Code zuletzt geändert: vor 31 Tagen

  • ! Vorsicht

    Hat eine Lizenz

    GitHub konnte die Lizenzart nicht erkennen; öffne die Datei, um nachzusehen

  • ✓ Bestanden

    Endpunkt antwortet

    Antwort in 260 ms (HTTP 200)

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Keine Anmeldung nötig

  • ✓ Bestanden

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Wir haben 13 Tool-Beschreibungen gelesen und keine versteckten Anweisungen an die KI gefunden

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

  • Mehr Sterne als 100 % der anderen 7249 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 10 % der anderen 7249 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 40 % der anderen 7249 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Docs MCP sicher?

Er hat 4 von 5 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft in der Cloud des Entwicklers. Du verbindest dich übers Internet, ohne etwas zu installieren, aber was du sendest, läuft über die Server des Entwicklers.

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt vor 31 Tagen geändert, und die neueste Version (0.3.2) kam vor 7 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Er verbindet sich per URL, also funktionieren auch Apps, die Remote-MCP-Server akzeptieren, zum Beispiel ChatGPT im Entwicklermodus.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Context7, Codebase Memory, Exa

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Context7

von upstash

Up-to-date docs for AI agents

Computer oder Cloud★ 64.224MITAktualisiert heute
Installieren

Codebase Memory

von DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

Läuft auf deinem Computer★ 48.148MITAktualisiert vor 20 Tagen
Installieren

Exa

von exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

Läuft in der Cloud★ 5.213MITAktualisiert letzten Monat
Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

English | 简体中文

Interested in Tandem Hosted? Join the waitlist

Tandem

Tandem enforces policy between AI agents and the tools, data, memory, and actions they use.

Agents can reason, draft, and propose work. Tandem decides what they are authorized to see, which tools they can call, which actions must pause for approval, what memory/context they can access, and what evidence gets recorded.

This makes Tandem useful when agents touch real company systems: files, repositories, email, MCP tools, customer data, internal docs, production workflows, and long-running automations.

For platform and security teams, Tandem acts as a runtime control plane for agentic systems: scoped tool access, approval gates, permissioned memory, tenant/resource boundaries, and audit evidence.

The model proposes. Tandem enforces.

In governance terms, Tandem manages delegated authority for AI agents at runtime.

What Tandem Does

  • Runs AI workflows with durable state instead of transcript-only execution.
  • Scopes which built-in tools and MCP connectors are visible at each workflow step.
  • Blocks tool calls that fall outside runtime policy before execution.
  • Pauses consequential actions for human approval.
  • Controls which company memory and context a run can retrieve.
  • Records artifacts, tool events, approval decisions, and audit evidence outside the model context window.

Simple Example

An agent may be allowed to draft a customer email, but not send it.

Tandem can expose the draft tool, hide or block the send tool, pause at an approval gate, resume only after a human approves, and record the decision in the audit trail.

What Tandem Is Not

Not thisInstead
Chatbot wrapperRuntime layer underneath agents and workflows
Agent framework onlyPolicy layer that controls what agent workflows can see and do
Approval UI onlyRuntime enforcement with approvals as one controlled gate
LLM gateway onlyGoverns workflow state, tools, memory, approvals, artifacts, and audit
Flat RAG systemRuntime-scoped memory and source-bound retrieval
Prompt-only safety layerEnforcement happens outside the model

Tandem calls this runtime authority: authorization, execution control, approval, scoped memory, and audit enforced outside the model. Entrypoints such as the desktop app, TUI, web control panel, channels, and SDKs are clients of the same engine runtime.

  • Runtime-owned controls: Runs, sessions, memory, context, provider secrets, MCP tools, approvals, artifacts, and audit records live outside the model.
  • Governed tool execution: Built-in tools and MCP connectors can be scoped per workflow step, with approval gates for consequential actions.
  • Tenant-aware runtime: Hosted and enterprise modes carry tenant/principal context through sessions, runs, context runs, memory, provider credentials, MCP secrets, and events.
  • Deployable where the data lives: Tandem can run locally, headlessly, hosted, or inside customer infrastructure.
  • Provider agnostic: Use OpenRouter, Anthropic, OpenAI, OpenCode Zen, or local Ollama endpoints.

Agent intent -> Runtime policy -> Scoped tool/data access -> Approval gates -> Artifacts -> Audit trail

-> [AI runtime infrastructure](docs/AI_RUNTIME_INFRASTRUCTURE.md) | [Enterprise readiness](docs/ENTERPRISE_READINESS.md) | [Runtime trust boundaries](docs/RUNTIME_TRUST_BOUNDARIES.md) | [EU AI Act readiness](docs/EU_AI_ACT_COMPLIANCE.md) | [Compliance starter pack](docs/compliance/README.md) | [Connect an agent via MCP](https://tandem.ac/docs-mcp)

Why Tandem Exists

Agents are becoming workers. They read company context, call tools, open pull requests, draft customer communication, operate project boards, and prepare decisions that used to stay inside human-only systems.

Prompts are not permissions. A system prompt can ask a model to avoid a tool, skip a folder, or wait for approval, but the model should not be the security boundary. Tandem puts those controls in the runtime, so a workflow can grant the agent only the tools, memory, and actions needed for the current step — and deny anything outside that scope.

Companies also need central AI context without flat access. A permissioned company memory should know what the company knows, but an agent acting for one team, tenant, project, or user should only retrieve the slice it is allowed to use.

What Tandem Governs

  • Company knowledge and memory: Runtime-owned memory, knowledge spaces, and retrieval paths designed around tenant and workspace boundaries.
  • Tool and MCP visibility: Step-scoped built-in tools and MCP connector tools, with broader pre-invocation masking planned for enterprise deployments.
  • Workflow execution: Durable automation and context-run state instead of fragile transcript-only execution.
  • Human approvals: Runtime gates pause runs, collect approve/rework/cancel decisions, and leave evidence.
  • Tenant and workspace boundaries: Tenant-aware sessions, runs, context runs, events, provider credentials, MCP secrets, memory, and contract vocabulary for resource scopes and grants.
  • Connector credentials and secrets: Provider and MCP secret references are runtime-owned; connector source binding gives scoped ingestion a shared contract as that layer matures.
  • Artifacts and audit trails: Outputs, validations, tool ledger events, approval decisions, and protected audit records survive outside the model context window.

Core Use Cases

Use caseWhat Tandem adds
Approval-gated email and workflowsAgent proposes work, Tandem pauses before the action, a human approves or requests rework.
Permissioned company knowledgebaseCompany memory and knowledge spaces with tenant-aware retrieval and resource-grant vocabulary.
Governed coding agentsCoder runs, worktree context, handoff artifacts, approval points, and auditable implementation state.
Project, sprint, and event brainLong-running context, tasks, artifacts, and memory that survive across sessions and teams.
Tenant-isolated hosted automationsHosted runtime records, event streams, provider credentials, MCP secrets, and memory scoped by tenant.
Internal agent and tool governanceA control point for which agents can see which tools, execute which actions, and leave which evidence.

Why Platform And Security Teams Care

Tandem is designed for teams that need to run AI work under real operational controls:

  • Runtime authority, not prompt authority: The model can request context or a tool call; the runtime decides what is visible and executable.
  • Tenant-aware records: Sessions, automation runs, context runs, event streams, provider credentials, MCP secrets, and memory paths carry tenant context in hosted/shared modes.
  • Resource and grant model: Tandem models resources, principals, grants, data classes, and data boundaries so access decisions can be enforced by the runtime.
  • Permissioned memory: Memory and knowledge paths carry tenant boundaries so company knowledge can become useful without becoming globally flat.
  • Deployable runtime: The same runtime can run on a laptop, as a headless engine, hosted, or inside customer infrastructure as the enterprise layer matures.
  • Auditability: Approval decisions, policy denials, provider secret changes, MCP activity, tool ledger events, artifacts, and protected audit records can be inspected outside chat transcripts.

Deployment Model

Tandem is useful locally and grows toward stricter company deployments:

  • Local desktop: Single-user desktop runtime with local workspace scope, provider setup, and approval-gated tools.
  • Headless engine: tandem-engine serve for SDKs, control panels, automations, and CI/dev environments.
  • Hosted/private managed: Hosted deployments with transport-token and signed context assertions for tenant-aware access.
  • Customer infrastructure: A deployment model for running where company data, connector credentials, and operational evidence need to live.

Current Status

Current capabilitiesEnterprise roadmap
Runtime auth modes: local_single_tenant, hosted_single_tenant, enterprise_requiredFull RBAC, OIDC, SCIM, SIEM integrations, SOC2 package, and enterprise identity policy bridge
Tenant context and signed context assertions for hosted/enterprise ingressPrivate enterprise sidecar with fail-closed policy authorization
Tenant-aware sessions, automation runs, context runs, events, coder routes, and memory APIsComplete artifact/export isolation across every path
Provider credential and MCP secret tenant boundariesFull tool-discovery masking before model invocation
Memory tenant partitioning, tenant-scoped knowledge spaces, and resource-scoped retrieval APIsProduction connector ingestion admin platform with live external source ingestion

| Resource access-control contract types and strict context projection vocab

Nur der Anfang wird gezeigt; den Rest findest du im Repo

PopNx fragen