Context7
von upstash
Up-to-date docs for AI agents
Computer oder Cloud★ 64.224MITAktualisiert heute
Installieren
Tool Search Proxy
Überblick
Beschreibung vom Entwickler (englisches Original)
Lets a model search and call a large MCP tool catalog through five tools instead of loading it
Die drei Säulen von PopNx MCP
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
- Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
- Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
- NutzungiNoch nicht gemessen★ –
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 auf deinem Computer
- Transport: Streamable HTTP, stdio
- Kategorie: Suche & KI-Gedächtnis
- Das musst du eintragen: MCP_TRANSPORT, TOOLSEARCH_UPSTREAM
Installation
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Bevor du installierst
- Basischecks: 1 von 1 bestanden
- Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
- Das trägst du selbst ein:
MCP_TRANSPORT,TOOLSEARCH_UPSTREAM,TOOLSEARCH_EMBEDDER
Du brauchst
- DockerDocker installiert
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"toolsearch-proxy": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"MCP_TRANSPORT",
"-e",
"TOOLSEARCH_UPSTREAM",
"-e",
"TOOLSEARCH_EMBEDDER",
"ghcr.io/datolabs-io/mcp-toolsearch-proxy:0.9.0"
],
"env": {
"MCP_TRANSPORT": "your-value",
"TOOLSEARCH_UPSTREAM": "your-value",
"TOOLSEARCH_EMBEDDER": "your-value"
}
}
}
}Führe das in deinem Terminal aus
claude mcp add toolsearch-proxy --env MCP_TRANSPORT=your-value --env TOOLSEARCH_UPSTREAM=your-value --env TOOLSEARCH_EMBEDDER=your-value -- docker run -i --rm -e MCP_TRANSPORT -e TOOLSEARCH_UPSTREAM -e TOOLSEARCH_EMBEDDER ghcr.io/datolabs-io/mcp-toolsearch-proxy:0.9.0Trag die leeren Werte ein, bevor du ihn startest.
Oder kopier die Einstellungen selbst
In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"toolsearch-proxy": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"MCP_TRANSPORT",
"-e",
"TOOLSEARCH_UPSTREAM",
"-e",
"TOOLSEARCH_EMBEDDER",
"ghcr.io/datolabs-io/mcp-toolsearch-proxy:0.9.0"
],
"env": {
"MCP_TRANSPORT": "your-value",
"TOOLSEARCH_UPSTREAM": "your-value",
"TOOLSEARCH_EMBEDDER": "your-value"
}
}
}
}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.
Oder kopier die Einstellungen selbst
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"toolsearch-proxy": {
"type": "stdio",
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"MCP_TRANSPORT",
"-e",
"TOOLSEARCH_UPSTREAM",
"-e",
"TOOLSEARCH_EMBEDDER",
"ghcr.io/datolabs-io/mcp-toolsearch-proxy:0.9.0"
],
"env": {
"MCP_TRANSPORT": "your-value",
"TOOLSEARCH_UPSTREAM": "your-value",
"TOOLSEARCH_EMBEDDER": "your-value"
}
}
}
}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.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Werte, die du selbst einträgst
- stdio: MCP on standard input and output. Upstream requests then carry no token, so this suits only an upstream that needs no authentication
- Streamable HTTP URL of an MCP server that needs no authentication
TOOLSEARCH_EMBEDDERenvbuiltin for semantic search, which needs the model in a volume at /model (see docs/deploy.md); none for lexical search only
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Was er kann
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
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 mit dem GitHub-Konto datolabs-io bestätigt, dem das Repo gehört
- … Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
- … Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
- – Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
- – Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
- … Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Im Vergleich mit anderen in Suche & KI-Gedächtnisi
- Mehr Sterne als 0 % der anderen 7249 Server in dieser Kategorie
- Neuer in der Registry veröffentlicht als 92 % der anderen 7249 Server in dieser Kategorie
- Basischecks gleich gut wie oder besser als bei 100 % 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 Tool Search Proxy sicher?
Er hat 1 von 1 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?
Das musst du eintragen: MCP_TRANSPORT, TOOLSEARCH_UPSTREAM
Läuft er auf meinem Computer oder in der Cloud?
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Wird er noch gepflegt?
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.9.0) kam vor 3 Tagen in die Registry.
Welche Apps können ihn nutzen?
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Docker auf deinem Computer.
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
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.
mcp-toolsearch-proxy
mcp-toolsearch-proxy lets a model use hundreds or thousands of MCP tools without loading them. On 500 tools, each request carries 97% fewer tokens of tool definitions, a task costs about half as much, and the model reaches the right tool nearly as often as with every tool loaded (benchmarks).
It is an MCP server that puts five tools in front of an MCP server with far too many to list to a model, such as a gateway that aggregates dozens of servers:
| Tool | Does |
|---|---|
search_tools | finds the tools that can do what a query describes, with the input schemas of the best few, for up to 5 queries at once; with the built-in model, in English, Lithuanian or any of 100 other languages |
describe_tool | returns the full description and input schema of up to 10 tools |
call_read_tool | calls a tool the upstream marks read-only, and refuses any other |
call_read_tools | calls up to 10 read-only tools at once, in parallel, with a result for each (-max-batch-calls; 0 leaves it out) |
call_write_tool | calls any tool, for those that may create, change or delete something |
A catalog of a thousand tools costs a model over 100,000 tokens of tool definitions before it does anything, and many clients cap how many tools they load anyway. Behind the proxy, the model sees five, in 1,735 tokens.
A call whose arguments do not fit the tool's input schema (a required property missing, a wrong type, a value outside an enum) is refused before it reaches the upstream, with what is wrong and the schema, so the model can fix it at once. The same goes for an unknown name that is clearly a typo of one tool, and for an upstream that answers invalid params.
Calls come in separate tools so that a client can tell them apart: call_read_tool and call_read_tools are marked read-only and can be allowed to run without asking, while call_write_tool is marked destructive and can keep asking every time. Writes are never batched, so each keeps its own approval. A tool counts as read-only only when the upstream server marks it so (readOnlyHint); unmarked tools are writes, and so are any the operator lists in -write-tools. Allowing call_read_tool allows every read-only tool of every server behind the upstream, including servers added later; docs/clients.md says what that grant covers and how to set up claude.ai and Claude Code.
client ──▶ gateway /mcp/search ──▶ mcp-toolsearch-proxy ──▶ gateway /mcp/all ──▶ MCP serversHow it works
The proxy has no credentials. Each request it sends upstream carries the caller's Authorization header and nothing else, so the upstream server (usually the same gateway, on another route) authenticates and authorizes the caller as if they had come directly. Whatever the caller isn't allowed to see or call, the proxy can't see or call either.
Each caller gets their own catalog: the tools the upstream lists for that caller. It is kept for ten minutes, then listed again in the background while the old one is still used, and it is looked up by a hash of the token. A claim inside the token, such as sub, would be easier to key on but can't be trusted without verifying the token, so the proxy doesn't use one.
Search combines two rankings. BM25 matches words in tool names, descriptions and parameters, with Lithuanian and English endings stemmed and diacritics ignored. A multilingual embedding model, potion-multilingual-128M (MIT), matches by meaning. The model runs inside the proxy, in pure Go, without a GPU or an embedding service, and embedding a query takes microseconds. Without the model, search falls back to BM25 alone, which matches only words a tool's text shares with the query: it stems no endings but Lithuanian and English ones, and does not split Chinese or Japanese text into words.
The upstream server's own instructions still reach the model. The proxy answers each caller's handshake with its own short guidance followed by the upstream's instructions, unchanged, as the caller's catalog received them, up to -max-instructions characters (10,000 by default; longer ones are cut, with a note saying so). Clients cut it again, much sooner: Claude Code keeps about 4,000 characters of a server's instructions, so only the start of a long upstream text reaches the model (see docs/clients.md). And search_tools returns the input schemas of its best few matches (-search-schemas, 3 by default), so a call usually follows a search directly.
Logs and metrics record tool names, outcomes and timings. Queries, arguments, results and tokens never appear in them; docs/privacy.md has the details. The transport is streamable HTTP without sessions, for MCP 2026-07-28 clients and older ones, so a restart or a load balancer doesn't break a client's connection. -transport stdio serves the same tools on standard input and output instead, for clients that start servers as local commands. There is no caller's token there, and the proxy has none of its own, so stdio works only with an upstream that needs no authentication (docs/clients.md).
It works with any upstream that speaks streamable HTTP MCP and authorizes by bearer token. docs/agentgateway.md shows a complete agentgateway setup, which the end-to-end tests run.
Status
Early development. The tools, their arguments and the settings may still change before 1.0.
Install
Homebrew, on macOS or Linux:
brew install --cask datolabs-io/tap/mcp-toolsearch-proxyPackages (.deb, .rpm), archives and a container image are attached to each release. See docs/deploy.md.
mcp-toolsearch-proxy fetch-model -model-dir ./model # once: ~530 MB, checked against pinned digestsmcp-toolsearch-proxy -upstream https://gateway.example.com/mcp/all -model-dir ./model
-embedder none skips the model and searches lexically only. docs/configuration.md lists every setting, as mcp-toolsearch-proxy -h does; each has an environment variable too. Then connect a client: docs/clients.md.
Clients that already defer MCP tools and search them on demand, as Claude Code does, gain less from the proxy; see when you don't need this.
Search quality
The repository holds an evaluation set of made-up tools, described in English, and questions people ask about them in English and Lithuanian. Recall at 5 today:
| Search | English | Lithuanian |
|---|---|---|
lexical only (-embedder none) | 52% | 0% |
| hybrid with the built-in model | 81% | 79% |
Words alone can't connect a Lithuanian question to an English description. The model can. Tests hold changes to ranking to these numbers.
Benchmarks
On a made-up catalog of 500 tools, a model given 30 questions reaches the right tool nearly as often through the proxy (90%) as with every tool loaded (95%), at about half the cost per task, and more often than with Anthropic's tool search (87%). docs/benchmarks.md has the numbers, what a client loads in each mode at up to 1,490 tools, and how to run the benchmarks.
Development
mise install # the pinned toolchain and the git hooksmise run ci # lint, scan and unit tests, as CI runs them mise run test:model # the built-in model against its reference implementation and the evaluation set mise run e2e:up # agentgateway, the proxy and fixture MCP servers, with Docker Compose mise run test:e2e # the end-to-end tests, against that stack or any at E2E_SEARCH_URL and E2E_ALL_URL mise run docs:config # regenerate docs/configuration.md after changing a flag
See CONTRIBUTING.md and ARCHITECTURE.md.
Licence
MIT. The built-in model is published by Minish under the MIT licence and is downloaded, not distributed, by this project.