Docs MCP

Name: Docs MCP
Author: frumu-ai

de frumu-aiversión 0.3.2i★ 125iSe ejecuta en la nube

Nombre en el registroac.tandem/docs-mcp

Instalar

Resumen

Descripción del creador (original en inglés)

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

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi4 de 5 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiInicial★ 125

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en la nube
Transporte: Streamable HTTP
Categoría: Búsqueda y memoria de IA

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 4 de 5 superadas
Se ejecuta en el servidor del creador: lo que le pidas pasa por su servidor.
Puede hacer 13 cosas (herramientas) search_docs, get_doc, get_start_path, recommend_next_docs …
El registro no indica ninguna clave que completar.

Necesitas

Se ejecuta en la nubeNo hay nada que instalar; se conecta por internet

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Funciona en Claude para web, escritorio y móvil:

Abre Settings → Connectors
Presiona Add custom connector
Pega la dirección de abajo y presiona Add
Si te pide iniciar sesión, inicia sesión en el servicio del creador

https://tandem.ac/mcp

Ejecuta esto en tu terminal

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

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

ChatGPT solo se conecta a servidores en internet:

Abre ChatGPT en la web → Settings → Connectors (Apps)
Presiona Create o Add (en algunos planes primero hay que activar Developer mode en Advanced)
Pega la dirección de abajo, ponle un nombre y guarda
Si te pide iniciar sesión, inicia sesión en el servicio del creador

https://tandem.ac/mcp

Los nombres de los menús pueden variar un poco según el plan y con el tiempo.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Nombres y descripciones de las herramientas tal como los informó el servidor el 6 nov 2026. Los escribió el creador, no nosotros; los mostramos como texto sin formato.

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.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 7 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con el dominio tandem.ac (el registro comprueba quién es dueño del dominio)
✓ Superada
Sigue en mantenimiento
Último cambio de código: hace 32 días
! Precaución
Tiene licencia
GitHub no pudo identificar el tipo de licencia; abre el archivo para comprobarlo
✓ Superada
El endpoint responde
Respondió en 260 ms (HTTP 200)
– No aplica
Inicio de sesión con OAuth
No hace falta iniciar sesión
✓ Superada
Sin instrucciones ocultas en las descripciones de herramientas
Leímos 13 descripciones de herramientas y no encontramos instrucciones ocultas para la IA

Comparado con otros en Búsqueda y memoria de IAi

Más estrellas que el 100% de los otros 7251 servidores de esta categoría
Publicado en el registro más recientemente que el 10% de los otros 7251 servidores de esta categoría
Revisiones básicas iguales o mejores que el 40% de los otros 7251 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Docs MCP?

Superó 4 de 5 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en la nube del creador. Te conectas por internet sin instalar nada, pero lo que envías pasa por los servidores del creador.

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez hace 32 días, y la última versión (0.3.2) llegó al registro hace 7 meses.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. Se conecta por URL, así que también funcionan las apps que aceptan servidores MCP remotos, como ChatGPT en modo desarrollador.

¿Qué puedo usar en su lugar?

En la misma categoría: Context7, Codebase Memory, Exa

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Context7

de upstash

Up-to-date docs for AI agents

Computadora o nube★ 64.224MITActualizado hoy

Instalar

Codebase Memory

de DeusData

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

Se ejecuta en tu computadora★ 48.148MITActualizado hace 20 días

Instalar

Exa

de exa-labs

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

Se ejecuta en la nube★ 5213MITActualizado el mes pasado

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

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 this	Instead
Chatbot wrapper	Runtime layer underneath agents and workflows
Agent framework only	Policy layer that controls what agent workflows can see and do
Approval UI only	Runtime enforcement with approvals as one controlled gate
LLM gateway only	Governs workflow state, tools, memory, approvals, artifacts, and audit
Flat RAG system	Runtime-scoped memory and source-bound retrieval
Prompt-only safety layer	Enforcement 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 case	What Tandem adds
Approval-gated email and workflows	Agent proposes work, Tandem pauses before the action, a human approves or requests rework.
Permissioned company knowledgebase	Company memory and knowledge spaces with tenant-aware retrieval and resource-grant vocabulary.
Governed coding agents	Coder runs, worktree context, handoff artifacts, approval points, and auditable implementation state.
Project, sprint, and event brain	Long-running context, tasks, artifacts, and memory that survive across sessions and teams.
Tenant-isolated hosted automations	Hosted runtime records, event streams, provider credentials, MCP secrets, and memory scoped by tenant.
Internal agent and tool governance	A 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 capabilities	Enterprise roadmap
Runtime auth modes: `local_single_tenant`, `hosted_single_tenant`, `enterprise_required`	Full RBAC, OIDC, SCIM, SIEM integrations, SOC2 package, and enterprise identity policy bridge
Tenant context and signed context assertions for hosted/enterprise ingress	Private enterprise sidecar with fail-closed policy authorization
Tenant-aware sessions, automation runs, context runs, events, coder routes, and memory APIs	Complete artifact/export isolation across every path
Provider credential and MCP secret tenant boundaries	Full tool-discovery masking before model invocation
Memory tenant partitioning, tenant-scoped knowledge spaces, and resource-scoped retrieval APIs	Production connector ingestion admin platform with live external source ingestion

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

Solo se muestra el principio; lee el resto en el repo

Docs MCP

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Búsqueda y memoria de IAi

Preguntas frecuentes

Alternativas

Context7

Codebase Memory

Exa

README del creador

What Tandem Does

Simple Example

What Tandem Is Not

Why Tandem Exists

What Tandem Governs

Core Use Cases

Why Platform And Security Teams Care

Deployment Model

Current Status