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

vardoger

von dstruplVersion 0.4.0i★ –iLäuft auf deinem Computer
Name in der Registryio.github.dstrupl/vardoger

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Personalize AI coding assistants by analyzing local conversation history. Runs on your machine.

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 auf deinem Computer
  • Transport: stdio
  • Kategorie: Sonstiges

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: VARDOGER_MCP_PLATFORM

Du brauchst

  • PyPIuv für Python installiert (für den Befehl uvx)

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": {
    "vardoger": {
      "command": "uvx",
      "args": [
        "vardoger",
        "mcp"
      ],
      "env": {
        "VARDOGER_MCP_PLATFORM": "your-value"
      }
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add vardoger --env VARDOGER_MCP_PLATFORM=your-value -- uvx vardoger mcp

Trag die leeren Werte ein, bevor du ihn startest.

In Cursor öffnen

Oder kopier die Einstellungen selbst

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

{
  "mcpServers": {
    "vardoger": {
      "command": "uvx",
      "args": [
        "vardoger",
        "mcp"
      ],
      "env": {
        "VARDOGER_MCP_PLATFORM": "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.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "vardoger": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "vardoger",
        "mcp"
      ],
      "env": {
        "VARDOGER_MCP_PLATFORM": "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

  • VARDOGER_MCP_PLATFORM env
    Override the host platform identifier (cursor, claude-code, codex, copilot, devin, windsurf, cline, openclaw). When unset, vardoger uses the calling host's defaults.

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 6. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto dstrupl 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 Sonstigesi

  • Mehr Sterne als 0 % der anderen 32531 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 50 % der anderen 32531 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 100 % der anderen 32531 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 vardoger 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?

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 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 (0.4.0) kam vor 40 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 Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, Reelsaw

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

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten
Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert gestern
Installieren

Reelsaw

von osbytes

Drive a self-hosted Reelsaw: turn long videos into vertical clips, edit, re-render and export them.

Läuft auf deinem ComputerAktualisiert heute
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.

vardoger

A cross-platform plugin for AI coding assistants (Cursor, Claude Code, OpenAI Codex, OpenClaw, GitHub Copilot CLI, Devin Local, legacy Windsurf, and Cline) that reads supported local conversation-history formats, extracts behavioral patterns, and generates personalized system prompt additions — making the assistant progressively better suited to how you work. Current format limitations are called out per platform below rather than silently reading undocumented stores.

History discovery, parsing, checkpoints, and generated rules stay on your machine. Analysis is performed by the host assistant you invoke, so selected conversation excerpts follow that assistant and model provider's data policy. Vardoger operates no backend and sends no telemetry.

Prerequisites

Python 3.11+
PlatformCommand
macOSbrew install python@3.13 (install Homebrew) or python.org/downloads/macos
Debian / Ubuntusudo apt install python3
Fedorasudo dnf install python3
Windowswinget install Python.Python.3.13 or python.org/downloads/windows
pipx

Recommended for installing vardoger as an isolated CLI tool. Full instructions at pipx.pypa.io/stable/installation.

PlatformCommand
macOSbrew install pipx && pipx ensurepath
Debian / Ubuntusudo apt install pipx && pipx ensurepath
Fedorasudo dnf install pipx && pipx ensurepath
Windowsscoop install pipx or pip install --user pipx && pipx ensurepath

Quick Start

pipx install vardoger

vardoger setup cursor # or claude-code, codex, openclaw, copilot, devin, windsurf, cline

Then tell your assistant: "Personalize my assistant."

Looking for the in-app plugin listings? Track review status for each

marketplace (PyPI, Cursor, Claude Code, Codex, Copilot CLI, Devin Desktop,

Cline,

ClawHub) in MARKETPLACE_STATUS.md.

Vardoger is currently live on PyPI, the Claude Code community catalog,

self-hosted Codex and Copilot marketplaces, McpMux, and the Official MCP

Registry. The former Cursor listing is currently unavailable. ClawHub has

regressed to 0.3.1 and is intentionally frozen because its mandatory MIT-0

terms conflict with this Apache-2.0 project. Current OpenClaw history has a

live-accepted, opt-in full-read Gateway CLI path through the direct install.

Previous pre-releases. pipx install vardoger now resolves to the stable

0.4.0 release. The beta install paths below stay here for anyone still pinning

an earlier release; new installs should not need them.

`bash

# opt into future pre-releases (0.2.0bN, etc.):

pipx install --pip-args="--pre" vardoger

# or pin an older pre-release:

pipx install vardoger==0.1.0b3

# or run without installing:

uvx vardoger --help

`

CLI Commands

CommandPurpose
vardoger setup Register vardoger with a platform (cursor, claude-code, codex, openclaw, copilot, devin, windsurf, cline).
vardoger status [--platform X] [--json]Report whether each personalization is fresh or stale.
vardoger prepare --platform X [--batch N] [--synthesize]Produce the batched prompts used by the AI-driven skill pipeline.
vardoger write --platform XRead synthesized personalization from stdin and write it to the platform's rules file (supports YAML-frontmatter confidence metadata).
`vardoger feedback accept\reject --platform X [--reason TEXT]`Record whether you kept or rejected the last generation. reject auto-reverts to the prior generation.
`vardoger compare --platform X \--all [--window DAYS] [--json]`Compare heuristic conversation-quality metrics before vs. after the latest personalization.
vardoger profile sources [--platform X] [--json]List saved generations and their stable one-based selection IDs.
vardoger profile preview --source X:N [--source Y:latest]Compile explicitly selected generations into a normalized cross-host profile and show the portable AGENTS.md diff without writing.
vardoger profile write --source X:N --target ./AGENTS.md [--apply]Show the same diff; update only Vardoger's fenced block when the user explicitly adds --apply.

How It Works

  1. Read — Parses supported conversation files already stored on disk, including opted-in Devin ATIF exports
  2. Analyze — The host AI model identifies patterns in your communication style, tech stack, workflow, and preferences
  3. Generate — Produces a system prompt addition tailored to you
  4. Deliver — Writes the addition to the platform's native config (.cursor/rules/, .claude/rules/, AGENTS.md, etc.)

First run vs. incremental runs. By default vardoger does not apply a

time window — the first run reads your full local history (that is when the

signal is richest and a windowed default would silently drop older sessions

you never get a second chance to feed in). After that, a per-conversation

checkpoint store at ~/.vardoger/state.json ensures every subsequent run

only reprocesses new or changed conversations, so refreshes stay fast.

If you have very large local history and want to cap the first-run cost,

pass --since DAYS (e.g. vardoger prepare --platform cursor --since 90);

use --full to force a full re-crawl that bypasses the checkpoint.

Cross-host profile compiler

The profile compiler combines only existing Vardoger generations that you select; it does not silently reopen raw transcripts. Generation indexes are one-based, while latest resolves to the newest saved generation for that platform:

# Discover the reviewed generations available for selection.

vardoger profile sources

Read-only: render the profile, audit summary, and exact AGENTS.md diff.

vardoger profile preview \ --source claude-code:latest \ --source codex:2 \ --target ./AGENTS.md

Optional controls are applied before rendering and included in the audit.

vardoger profile preview \ --source codex:latest \ --min-confidence medium \ --max-age 180 \ --redact '@example\.com' \ --target ./AGENTS.md

Still preview-only without --apply. This is the explicit write step.

vardoger profile write \ --source claude-code:latest \ --source codex:2 \ --target ./AGENTS.md \ --apply

The normalized JSON audit is available with profile preview --json. It records source platform, generation, output hash/path, observation time, recency, confidence, conflicts, supersession, and exclusions. Opposing rules such as “Prefer tabs” and “Avoid tabs” are withheld from active instructions until reviewed. Writes preserve everything outside and .

Supported Platforms

PlatformHistory SourcePrompt DeliveryIntegration
CursorAgent transcript JSONL.cursor/rules/vardoger.mdcMarketplace plugin + MCP
Claude CodeSession JSONL.claude/rules/vardoger.mdCommunity/custom plugin
OpenAI CodexSession rollout JSONL~/.codex/AGENTS.mdRepository marketplace plugin
OpenClawLegacy JSONL or opt-in full read through official Gateway CLI; private SQLite is never queried~/.openclaw/skills/vardoger-personalization/SKILL.mdAnalyzer + Gateway compatibility status
GitHub Copilot CLI~/.copilot/session-state/ /events.jsonl plus legacy flat JSONL~/.copilot/copilot-instructions.md (global) or /.github/copilot-instructions.md (project) — managed inside a fenced sectionCustom plugin + published skill
Devin LocalUser-enabled Devin CLI --export ATIF JSON under ~/.vardoger/imports/devin/~/.config/devin/AGENTS.md (global, fenced section) or /.devin/rules/vardoger.mdATIF + skill + rules integration
Legacy Windsurf / Cascade~/.codeium/windsurf/**/*.jsonl~/.codeium/windsurf/memories/global_rules.md (global, fenced section) or /.windsurf/rules/vardoger.md (project, dedicated file)Legacy Cascade skill + CLI + MCP
ClineVS Code globalStorage/.../tasks/*/api_conversation_history.json~/Documents/Cline/Rules/vardoger.md (global) or the existing .clinerules project layoutsCLI + MCP

Development

Requires uv (Python package manager):

git clone https://github.com/dstrupl/vardoger.git

cd vardoger uv sync .venv/bin/vardoger --help

Project Layout
src/vardoger/          # shared core — history reading, analysis, prompt generation

.agents/plugins/ # repository-level Codex marketplace catalog plugins/_shared/ # shared analysis/personalization skill authored once plugins/cursor/ # Cursor MCP server config, install script plugins/claude-code/ # Claude Code plugin manifest, skills plugins/codex/ # Codex plugin manifest, skills plugins/openclaw/ # OpenClaw skill plugins/copilot/ # GitHub Copilot CLI plugin manifest, skills plugins/devin/ # Devin Local ATIF export, skill, and rules integration plugins/windsurf/ # Legacy Cascade install snippet and rules delivery plugins/cline/ # Cline integration and marketplace install guidance tests/ # all tests, mirroring src/ structure

  • Platform-agnostic logic lives under src/vardoger/.
  • Platform-specific integration (manifests, skills, install scripts) lives under plugins/ /.
  • Tests live in tests/, mirroring the source tree.

See AGENTS.md for full coding standards and quality checks.

Quality gates

CI enforces a combined quality bar on every push and pull request:

  • ruff check / ruff format --check — lint (incl. complexity, pylint, return, pathlib, tryceratops rules) and formatting.
  • mypy src/ — strict type checking.
  • pytest --cov=vardoger --cov-fail-under=80 — tests across Python 3.11–3.13 with a combined 80% coverage floor.
  • A parallel security job runs bandit -r src/ and pip-audit --skip-editable to catch common code smells and dependency CVEs.

Run the full bundle locally before pushing:

uv run ruff check . && uv run ruff format --check . && uv run mypy src/ && uv run pytest --cov=vardoger --cov-fail-under=80

Contributing

Contributions are welcome. Short version:

  1. Fork dstrupl/vardoger on GitHub and clone your fork.
  2. uv sync and create a topic branch.
  3. Make your changes with tests and run the quality-gate one-liner above.
  4. Push to your fork and open a PR against main.

CI (test on Python 3.11/3.12/3.13 plus a security job) will run automatically on the PR. First-time contributors may need a maintainer to click Approve and run before the first workflow execution.

See CONTRIBUTING.md for the full walkthrough and AGENTS.md for coding standards and commit-message conventions.

Releasing to PyPI

CI runs automatically on every push and PR (lint, type check, tests across Python 3.11–3.13). To publish a new version:

  1. Bump the package, generated setup manifests, platform manifests, and registry metadata together; close the matching section in CHANGELOG.md.
  2. Run the complete quality, security, plugin-validation, and build checks.
  3. Commit and push to main, then wait for all required checks.
  4. Create an annotated vX.Y.Z tag and publish the matching [GitHub release](https://github.com/dstru

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

PopNx fragen