Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Mit Google anmelden, um Bewertungen zu schreiben.Prototyp · alle 30 Min. aktualisiert
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

Krauncher analyzer

von Ilya-a-sergeyev-gerVersion 0.5.0i★ 0iLäuft auf deinem ComputerRepository ↗
Name in der Registryio.github.Ilya-a-sergeyev-ger/krauncher-mcp

So installierst du es

What it does

How long a GPU job will run and cost, before running it — static code analysis, never executed.

  • Connects Läuft auf deinem Computer
  • Account or key No key needed
  • Category Entwicklertools

Zusammen nutzen mit

Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem

rea

Reverse engineer anything with agents, from app behavior down to native binaries.

von morluto★ 467.2351 Skills

Skill · Anleitung

andrej-karpathy-skills

A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.

von multica-ai★ 234.1251 Skills

Skill · AnleitungKeine Lizenz angegeben

graphify

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.

von Graphify-Labs★ 149.8731 Skills

Skill · Anleitung

Warum es hier steht

Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert

Beliebtheit0/80GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20
Aktualität7/12Volle Punkte für Release oder Codeänderung in 30 Tagen
Antwortet noch0/8Der Cloud-Endpoint antwortete bei der letzten Prüfung
Nutzungswert7/100

Qualität: 3/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)

Installation

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

Mit einem Satz von deiner KI installieren lassen

Installiere bitte Krauncher analyzer. Folge https://mcp.popnx.com/i/ilya-a-sergeyev-ger-krauncher-mcp.md, zeig mir die Befehle und warte auf mein OK, bevor du sie ausführst.

Füge ihn in eine KI ein, die auf deinem Rechner arbeitet (z. B. Claude Code oder Cursor). Sie liest unsere Schritte, zeigt dir die Befehle und wartet auf dein OK. Kein Schlüssel, keine Anmeldung. · Vollständigen Text ansehen

3/3 Prüfungen bestanden · Läuft auf deinem Computer · ✓ Befehle geprüft am 14. Nov. 2026

Zuerst: Welche KI nutzt du?

Wähle deine App, dann erscheinen die Schritte unten.

Klappt mit Claude, aber erst etwas vorbereiten

Installiere zuerst Python (uv) auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

Von der KI installieren lassen

Kopiere diese Nachricht in einen Claude-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.

Installiere bitte den MCP server Krauncher analyzer für Claude auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "krauncher": { "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Krauncher analyzer wirklich erscheinen.

Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Einstellungsdatei der Claude-Desktop-App öffnen

    SettingsDeveloperEdit Config

  3. Diese Einstellungen einfügen und speichern

    {
      "mcpServers": {
        "krauncher": {
          "command": "uvx",
          "args": [
            "krauncher-mcp"
          ]
        }
      }
    }
  4. Claude beenden und neu öffnen

  5. Ausprobieren

    Nutze Krauncher analyzer und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Claude sagt, dass es Krauncher analyzer nutzt, oder ein Werkzeug von Krauncher analyzer in der Antwort zeigt, bist du verbunden

1 optionale Einstellung(en) (geht auch ohne)

Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.

  • KRAUNCHER_API_KEY Optionaler Krauncher-API-Schlüssel (erhältlich unter https://krauncher.com). Ohne ihn ruft der Server den öffentlichen Analysator ohne Schlüssel auf, mit einem täglichen Kontingent pro IP; mit ihm wird dein Konto mit Schlüssel verwendet, und das Kontingent…
    Englisches Original anzeigenOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

ChatGPT kann Krauncher analyzer noch nicht verbinden

Krauncher analyzer läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen

Das kannst du stattdessen tun

A · Eine App nutzen, die Krauncher analyzer verbinden kann

  • Installiere zuerst Python (uv) auf deinem Computer (nur einmal) · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy
  • Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
  • Installiere zuerst Python (uv) auf deinem Computer (nur einmal)
  • Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

B · Andere in Entwicklertools, die mit ChatGPT funktionieren

Aus den meistgenutzten derselben Kategorie, nur solche, die per Adresse ohne Schlüssel verbinden

Klappt mit Claude Code, aber erst etwas vorbereiten

Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

Kopiere diese Nachricht in einen Claude Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.

Installiere bitte den MCP server Krauncher analyzer für Claude Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): claude mcp add --scope user krauncher -- uvx krauncher-mcp 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Krauncher analyzer wirklich erscheinen.

Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Terminal öffnen

    Mac: Command+Leertaste drücken und Terminal tippen · Windows: PowerShell öffnen

  3. Diesen Befehl einfügen und Enter drücken

    claude mcp add --scope user krauncher -- uvx krauncher-mcp
  4. /mcp in Claude Code eingeben

    Krauncher analyzer sollte in der Liste als verbunden erscheinen

  5. Ausprobieren

    Nutze Krauncher analyzer und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Claude Code sagt, dass es Krauncher analyzer nutzt, oder ein Werkzeug von Krauncher analyzer in der Antwort zeigt, bist du verbunden

1 optionale Einstellung(en) (geht auch ohne)

Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.

  • KRAUNCHER_API_KEY Optionaler Krauncher-API-Schlüssel (erhältlich unter https://krauncher.com). Ohne ihn ruft der Server den öffentlichen Analysator ohne Schlüssel auf, mit einem täglichen Kontingent pro IP; mit ihm wird dein Konto mit Schlüssel verwendet, und das Kontingent…
    Englisches Original anzeigenOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

Klappt mit Cursor, aber erst etwas vorbereiten

Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

Kopiere diese Nachricht in einen Cursor-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.

Installiere bitte den MCP server Krauncher analyzer für Cursor auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "mcpServers": { "krauncher": { "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Krauncher analyzer wirklich erscheinen.

Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Mit diesem Button Cursor öffnen

    In Cursor öffnen

    Cursor fragt nach einer Bestätigung; klicke Install

  3. KI-Chat in Cursor im Agent-Modus öffnen

  4. Ausprobieren

    Nutze Krauncher analyzer und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Cursor sagt, dass es Krauncher analyzer nutzt, oder ein Werkzeug von Krauncher analyzer in der Antwort zeigt, bist du verbunden

1 optionale Einstellung(en) (geht auch ohne)

Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.

  • KRAUNCHER_API_KEY Optionaler Krauncher-API-Schlüssel (erhältlich unter https://krauncher.com). Ohne ihn ruft der Server den öffentlichen Analysator ohne Schlüssel auf, mit einem täglichen Kontingent pro IP; mit ihm wird dein Konto mit Schlüssel verwendet, und das Kontingent…
    Englisches Original anzeigenOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

Menünamen am 11. Nov. 2026 mit der Hilfe von Cursor abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

Klappt mit VS Code, aber erst etwas vorbereiten

Installiere zuerst Python (uv) auf deinem Computer (nur einmal)

Von der KI installieren lassen

Kopiere diese Nachricht in einen VS Code-Chat. Die KI prüft deinen Rechner, sagt dir, welche Datei sie ändert, und wartet jedes Mal auf dein OK.

Installiere bitte den MCP server Krauncher analyzer für VS Code auf diesem Rechner, in dieser Reihenfolge: 1) Prüfe uv mit uv --version. Fehlt es, sag mir, dass ich es von https://docs.astral.sh/uv/getting-started/installation/ installiere; installiere es nicht selbst. 2) Verwende nur diese Konfiguration (von PopNx MCP geprüft): { "servers": { "krauncher": { "type": "stdio", "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) Nenne mir den vollständigen Pfad der Datei, die du änderst, oder den Befehl, den du ausführst, und warte auf mein OK. 4) Kein Schlüssel nötig. 5) Führe das Vereinbarte aus und prüfe, dass die Tools von Krauncher analyzer wirklich erscheinen.

Diese Nachricht enthält keinen Schlüssel. Wird einer gebraucht, bittet dich die KI, ihn selbst in die Datei oder das Feld der App einzufügen.

  1. uv installieren (falls noch nicht vorhanden)

    Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

    uv --version
    • Eine Versionsnummer wie uv … = installiert, diesen Schritt überspringen
    • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
    So öffnest du das Terminal

    Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

    Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

    Noch nicht installiert: uv hat keinen Klick-Installer. Kopiere den Einzeiler für dein System (macOS oder Windows) von der offiziellen uv-Seite ins Terminal · Python muss nicht extra installiert werden, uv lädt es bei Bedarf selbst

    Download-Seite von uv öffnen ↗

    Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: uv --version

    Einmal installieren, gilt für alles, was uv braucht

  2. Mit diesem Button VS Code öffnen

    In VS Code öffnen

    VS Code fragt nach einer Bestätigung; klicke Install

  3. KI-Chat in VS Code im Agent-Modus öffnen

  4. Ausprobieren

    Nutze Krauncher analyzer und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn VS Code sagt, dass es Krauncher analyzer nutzt, oder ein Werkzeug von Krauncher analyzer in der Antwort zeigt, bist du verbunden

1 optionale Einstellung(en) (geht auch ohne)

Der Befehl oben funktioniert auch ohne diese Werte. Füge sie nur hinzu, wenn du etwas ändern willst, nach der Beschreibung des Autors.

  • KRAUNCHER_API_KEY Optionaler Krauncher-API-Schlüssel (erhältlich unter https://krauncher.com). Ohne ihn ruft der Server den öffentlichen Analysator ohne Schlüssel auf, mit einem täglichen Kontingent pro IP; mit ihm wird dein Konto mit Schlüssel verwendet, und das Kontingent…
    Englisches Original anzeigenOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

Menünamen am 11. Nov. 2026 mit der Hilfe von VS Code abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

Andere Apps mit MCP, etwa Windsurf, Zed oder Gemini CLI, fügen Server unterschiedlich hinzu. Sieh in der App-Liste nach

Alle Apps mit MCP ansehen →

JSON-Einstellungen stehen unten unter „Für Entwickler“

Hängst du fest? Frag Leute, die Krauncher analyzer nutzen💬 Diskussion →
Für Entwickler: Terminal-Befehle und JSON-Einstellungen

Auf deinem Computer installiert

Claude Code

claude mcp add --scope user krauncher -- uvx krauncher-mcp

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "krauncher": {
      "command": "uvx",
      "args": [
        "krauncher-mcp"
      ]
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "krauncher": {
      "command": "uvx",
      "args": [
        "krauncher-mcp"
      ]
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "krauncher": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "krauncher-mcp"
      ]
    }
  }
}

Werte, die du selbst einträgst

  • KRAUNCHER_API_KEY geheim env
    Optionaler Krauncher-API-Schlüssel (erhältlich unter https://krauncher.com). Ohne ihn ruft der Server den öffentlichen Analysator ohne Schlüssel auf, mit einem täglichen Kontingent pro IP; mit ihm wird dein Konto mit Schlüssel verwendet, und das Kontingent…
    Englisches Original anzeigenOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

Beschreibungen automatisch übersetzt; Variablennamen bleiben wie im Original. Im Zweifel das Original ansehen.

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

Auf einen Blick

Downloads pro Wochei
45/Wo.
Verbindung
Läuft auf deinem Computer
Neueste Versioni
0.5.0
In der Registry veröffentlichti
13. Aug. 2026
Code zuletzt geänderti
7. Okt. 2026
Entwickler
Ilya-a-sergeyev-ger
Pakete
pypi: krauncher-mcp
Registry-Status
Aktiv

Welche Apps ihn nutzen können

Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.

Laufen auf deinem Computer in

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

Alle Apps, mit Vor- und Nachteilen →

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 19. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto Ilya-a-sergeyev-ger bestätigt, dem das Repo gehört

  • ✓ Bestanden

    Wird noch gepflegt

    Code zuletzt geändert: vor 43 Tagen

  • ✓ Bestanden

    Hat eine Lizenz

    Nutzt MIT

  • – 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

Veröffentlichte Schwachstellen (OSV.dev)

Keine Einträge auf OSV.dev für krauncher-mcp@0.5.0

Prüft nur diese Paketversion, nicht alle Abhängigkeiten · geprüft 16. Nov. 2026

Was wir prüfen → · JSON

Entwickler: neue Prüfung anfordern oder falsche Angaben melden
Für Anbieter: Badge ins README

Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/ilya-a-sergeyev-ger-krauncher-mcp.svg)](https://mcp.popnx.com/en/servers/ilya-a-sergeyev-ger-krauncher-mcp)

Diskussion

Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.

Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.

Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.

Anmelden, um zu posten

Nutzerbewertungen

Noch keine Bewertungen

Anmelden, um eine Bewertung zu schreiben

Im Vergleich mit anderen in Entwicklertoolsi

  • Mehr Sterne als 0 % der anderen 6103 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 26 % der anderen 6103 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 99 % der anderen 6103 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 Krauncher analyzer sicher?

Er hat 3 von 3 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 vor 43 Tagen geändert, und die neueste Version (0.5.0) kam vor 3 Monaten 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: GitDiagram, Appllama, Cloudflare MCP, Omnara, Repowise

Ähnliche Alternativen

Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.

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

GitDiagram

Architecture diagrams, explanations and Mermaid source for public GitHub repositories.

von ahmedkhaleel2004Weit verbreitet★ 18.989Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ vom Dienst · gitdiagram.comVom PopNx-Team ausprobiert

Appllama

Study screens, flows and paywalls from top-earning iOS apps, then build from what wins.

von AppllamaWeit verbreitet★ 5227Aktualisiert vor 3 Monaten

Läuft in der Cloud✓ vom Dienst · appllama.io

Cloudflare MCP

Cloudflare MCP servers

von cloudflareWeit verbreitet★ 4474Aktualisiert vor 14 Monaten

Läuft in der Cloud✓ vom Dienst · mcp.cloudflare.comVom PopNx-Team ausprobiert

Omnara

Deploy durable AI agents with Omnara, an open-source managed-agent platform.

von omnara-aiWeit verbreitet★ 3417Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ vom Dienst · omnara.com

Repowise

Codebase intelligence for AI coding agents: graph, git history, docs, decisions, code health.

von repowise-devWeit verbreitet↓ 6506/Wo.★ 8170 Sterne des ganzen ReposAktualisiert vor 6 Tagen

Computer oder Cloud✓ vom Dienst · repowise.dev
Im Vergleich mit ähnlichen
Dieser
Krauncher analyzer
GitDiagramAppllamaCloudflare MCPOmnaraRepowise
Läuft woWird auf deinem Rechner installiertLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationIn der Cloud oder auf deinem Rechner
Braucht SchlüsselNeinNeinNeinNeinNeinNein
Mit + in Claude hinzufügenNeinNeinNeinJaNeinNein
Basisprüfungen3/34/44/44/44/45/5
LizenzMITMITMITApache-2.0Apache-2.0AGPL-3.0
PreisKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im Register

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.

Krauncher

Run your training script on a remote GPU. Nothing more.

Krauncher is a minimal Python library for researchers who have a working local script and need a GPU — not a platform.

Website & API keys: [krauncher.com](https://krauncher.com)


Quickstart

pip install krauncher

export CAS_API_KEY="cas_..." # krauncher.com → Account → API Keys

Requires Python 3.11+.

import asyncio

from krauncher import KrauncherClient

client = KrauncherClient() # reads CAS_API_KEY / CAS_BROKER_URL from env or .env

@client.task(vram_gb=1, timeout=120) def multiply(size: int): import numpy as np # imports go INSIDE the function a, b = np.random.rand(size, size), np.random.rand(size, size) return {"mean": float((a @ b).mean())}

async def main(): handle = await multiply(size=1000) # submit → TaskHandle print("task:", handle.task_id) result = await handle # await the handle → TaskResult print("output:", result.output) print("gpu:", result.actual_gpu, "·", f"{result.execution_time_sec:.1f}s")

asyncio.run(main())

The decorated function becomes async: calling it submits the task and returns a TaskHandle; awaiting the handle (or await handle.wait(...)) returns a TaskResult.

Using an LLM / coding agent? Read [AGENTS.md](AGENTS.md) — a single

accurate reference of the API, parameters, result fields, errors and

constraints. Runnable examples live in [tutorial/](tutorial/).


The problem with serverless ML platforms

Serverless orchestration platforms are genuinely impressive pieces of infrastructure. They handle container builds, secret management, artifact storage, scheduling, persistent volumes, and team dashboards.

They also charge you for all of it — whether you use it or not.

If you're fine-tuning a small model, running ablations, or iterating on a research experiment with a dataset under 2 GB, you're likely paying for an orchestration layer you don't need.

Krauncher does less, on purpose. It runs your existing Python function on a remote GPU, returns the result, and gets out of the way.


What Krauncher is (and isn't)

Good fit:

  • Fine-tuning, LoRA, small-scale experiments with training datasets up to ~2 GB
  • Researchers who already have a working local script
  • Anyone tired of rewriting their code to fit a platform's abstractions
  • Teams where "infrastructure" means one person and a credit card

Not the right tool if:

  • You need managed versioned artifact storage
  • Your team requires persistent shared volumes across runs
  • Your dataset is hundreds of GBs with complex multi-node sharding
  • You want a UI dashboard for experiment tracking

How it works

Add a decorator. Await your function. Get a result. Your existing code doesn't change — no base images, no volume mounts, no platform imports.

import asyncio

from krauncher import KrauncherClient

client = KrauncherClient()

@client.task(gpu_name="RTX4090", group_id="mistral-run", timeout=3600) def finetune(): from transformers import AutoModelForCausalLM, Trainer, TrainingArguments from datasets import load_dataset

Weights download to worker storage on first run (~15 GB for 7B);

later runs in the same group_id reuse the cached weights.

model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1") dataset = load_dataset("tatsu-lab/alpaca", split="train[:2000]")

... your training logic, unchanged from local ...

model.save_pretrained("/tmp/output")

Worker storage is ephemeral — sync checkpoints out before returning.

upload_to_s3("/tmp/output", "my-checkpoints/run-1") return {"status": "done", "checkpoint": "s3://my-checkpoints/run-1"}

async def main(): result = await finetune() # submit and wait print(result.output)

asyncio.run(main())

The decorated function is async — always call it from an async

context and await the handle (which submits and waits). See the

Quickstart for the canonical shape.

Choosing a GPU
Decorator argumentEffect
vram_gb=24Require at least 24 GB VRAM
gpu_name="H100"Require a specific model (case-insensitive substring)
gpu_arch="Ada"Require a GPU architecture
*(omit vram_gb)*Auto-classify: the analyzer inspects your code and picks the VRAM tier for you

Leaving vram_gb unset is the recommended default — Krauncher analyzes your code statically and sizes the GPU automatically.


Security model

Krauncher doesn't store anything. Your API key and training code are encrypted on your machine before leaving it, and decrypted only inside the ephemeral worker. The relay that routes your jobs cannot read the payload — it doesn't have the keys.

WhatVisible to Krauncher
Your storage credentialsNo
Your training codeNo
Your model weights/outputsNo
Job timing and GPU typeYes

Storage keys are part of that: the S3 / HuggingFace credentials a task needs (AWS_*, HF_TOKEN) are read from your environment and travel sealed inside the same payload as the code, straight to the worker. Set CAS_SEND_CREDENTIALS=false to attach none.

This isn't a feature we added. It's a consequence of not wanting to be in the data custody business. E2E encryption is mandatory — there is no opt-out.


Data locality

Tasks with the same group_id are routed to the same physical host, so whatever your first run downloaded to local NVMe is still there for the next.

@client.task(gpu_name="RTX4090", group_id="my-experiment-v1")

def train_epoch(epoch: int): import os cache_path = "/tmp/dataset.bin" if not os.path.exists(cache_path): download_from_s3("my-bucket", "dataset.bin", cache_path)

subsequent tasks in this group skip this step

run_training(cache_path, epoch=epoch) return {"epoch": epoch, "status": "complete"}

async def main(): for epoch in range(10): await train_epoch(epoch=epoch)

For larger or registered datasets, use the data bridge (data_urls= / data=), which downloads into /data inside the sandbox — see tutorial/06 and tutorial/15.


Beyond a single function

  • Notebook / editor cells. await client.run_code(code, inputs={...}, outputs=[...]) runs a code *string* instead of a decorated function: named local values go in, named variables come back (JSON-safe, 16 MB budget). This is the primitive the krauncher-jupyter %%krauncher magic is built on. See tutorial/50.
  • Multi-phase runs. group = await client.group(task_a, task_b) derives a shared-requirements envelope (VRAM floor, GPU pins, disk) from the tasks and keeps them on one warm worker; submit with await group.submit(task, ...). See tutorial/52.
  • Files in, files out. Pass files={"input.csv": b"..."} when calling the task and set artifacts=True to get back what it wrote beside itself (result.artifacts, result.download("received")). Both directions ride the encrypted payload — no storage to configure. See tutorial/54.
  • Price it before you run it. Analysis and execution are separate phases: await client.estimate_code(code, ...) returns the classification without submitting, and run_code(code, ..., classification=...) then executes without a second analysis. CAS_ESTIMATE_ONLY=true does the same for decorated tasks; POST /api/estimate returns per-GPU predicted time and cost.

Inspecting a finished task

After a task completes, the broker keeps a structured record — the same one the web UI renders on the task detail page.

task   = await client.get_task(task_id)         # what GET /tasks/{id} returns

report = await client.get_task_report(task_id) # task + extended report

get_task returns status, timing breakdown (queue / download / pip / setup / execution), classification, costs, GPU and worker specs, and the result.

get_task_report adds an extended report field: peak/average GPU utilization, peak VRAM, the actual GPU's hardware specs, and an estimated time/cost comparison across all known GPUs at the worker's measured host capabilities. It is intended as feedback for an LLM author of the user code — pure data, no interpretation.


Examples

Numbered, runnable tutorials in tutorial/:

#FileDemonstrates
0101_remote_simple.pyMinimal submit + await
0202_remote_with_deps.pypip= dependencies in the sandbox
0303_error_handling.pyCatching TaskError / remote tracebacks
0404_timeout.pyExecution timeout behaviour
0505_task_groups.pygroup_id host affinity
0606_data_bridge.pydata_urls= downloads into /data
0909_streaming_logs.pyLive logs via wait(on_log=...)
1010_progress_bar.pyProgress reporting
1111_e2e_encryption.pyEnd-to-end encryption
1212_helper_functions.pyShipping helper functions with the task
1313_bert_finetune.pyReal ML code → analyzer classification
1515_data_sources_s3.pyRegistered S3 data sources
1717_multiphase_training.pyMulti-phase training in one group
1818_resnet152_food101.pyResNet-152 on Food-101
1919_huggingface_dataset.pyHuggingFace dataset bridge
2020_bert_imdb.pyBERT fine-tuning on IMDB
2121_qwen25_7b_lora_alpaca.pyQwen2.5-7B LoRA fine-tuning
2222_qwen25_7b_inference_gsm8k.pyQwen2.5-7B inference
2323_gnn_node_classification_cora.pyGCN node classification
30+30_…–36_…LLM inference and batched inference
5050_run_code_values.pyrun_code with named in/out values
5252_group_envelope.pyclient.group() multi-phase envelope
5353_hf_native.pyHuggingFace-native auto pre-fetch
5454_artifact_roundtrip.pyFiles in / artifacts out
5555_assay_ladder.pyAssay and per-GPU time ladder, before running

Install

pip install krauncher

export CAS_API_KEY="your_api_key"

Requires Python 3.11+.


License

MIT