World Monitor
Real-time global intelligence on conflict, markets, energy, trade, shipping and cyber. 100 tools.
Read-only data patrol for AI agents: find broken partitions, prove fixes, escalate the rest.
Texto original del autor
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 11/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 12/12 | Puntuación completa con una versión o cambio de código en 30 días |
| Sigue respondiendo | 0/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 23/100 |
Calidad: Pasó 3/3 revisiones básicas (se muestra, no ordena) · Impulso: 7 (Solo se usa en la pestaña En auge)
Elige la app de IA que usas y copia la configuración.
Que tu IA lo instale con una frase
Instala DataRanger. Sigue https://mcp.popnx.com/i/akshaysharma1088-dataranger.md, enséñame los comandos y espera mi OK antes de ejecutarlos.Pégala en una IA que trabaje en tu equipo (como Claude Code o Cursor). Lee nuestros pasos, te muestra los comandos y espera tu OK. Sin clave ni registro. · Ver el texto completo que lee tu IA
Pasó 3/3 revisiones · Funciona en tu computadora · ✓ Comandos revisados el 20 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez) · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil
Copia este mensaje en un chat de Claude. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DataRanger para Claude en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "dataranger": { "command": "uvx", "args": [ "dataranger", "mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DataRanger aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
SettingsDeveloperEdit Config
{
"mcpServers": {
"dataranger": {
"command": "uvx",
"args": [
"dataranger",
"mcp"
]
}
}
}Usa DataRanger y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando DataRanger o muestra una herramienta de DataRanger en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
ChatGPT todavía no puede conectar DataRanger
DataRanger se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar DataRanger
B · Otros en Otros que funcionan con ChatGPT
Elegidos entre los más usados de la misma categoría, solo los que se conectan con una dirección y sin clave
Funciona con Claude Code, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Claude Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DataRanger para Claude Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): claude mcp add --scope user dataranger -- uvx dataranger mcp 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DataRanger aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --scope user dataranger -- uvx dataranger mcpDeberías ver DataRanger en la lista como conectado
Usa DataRanger y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando DataRanger o muestra una herramienta de DataRanger en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con Cursor, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de Cursor. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DataRanger para Cursor en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "dataranger": { "command": "uvx", "args": [ "dataranger", "mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DataRanger aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Usa DataRanger y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando DataRanger o muestra una herramienta de DataRanger en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Cursor el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con VS Code, pero hay que preparar algo antes
Instala Python (uv) en tu computadora primero (una sola vez)
Copia este mensaje en un chat de VS Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.
Instala el MCP server DataRanger para VS Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "servers": { "dataranger": { "type": "stdio", "command": "uvx", "args": [ "dataranger", "mcp" ] } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) No hace falta clave. 5) Haz lo acordado y comprueba que las herramientas de DataRanger aparecen de verdad.Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
uv --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita
Abrir la página de descarga de uv ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version
Se instala una vez y sirve para todo lo que usa uv
Usa DataRanger y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando DataRanger o muestra una herramienta de DataRanger en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de VS Code el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps
Ver todas las apps que usan MCP →
La configuración JSON está en “Para desarrolladores”, abajo
Claude Code
claude mcp add --scope user dataranger -- uvx dataranger mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"dataranger": {
"command": "uvx",
"args": [
"dataranger",
"mcp"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"dataranger": {
"command": "uvx",
"args": [
"dataranger",
"mcp"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"dataranger": {
"type": "stdio",
"command": "uvx",
"args": [
"dataranger",
"mcp"
]
}
}
}Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
pypi: datarangerSegún cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se ejecutan en tu computadora en
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 21 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub akshaysharma1088, dueña del repo
Último cambio de código: ayer
Usa MIT
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Aún no revisado
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/akshaysharma1088-dataranger)Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.
Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.
Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.
Aún no hay reseñas
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 3 de 3 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.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez ayer, y la última versión (0.6.3) llegó al registro ayer.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.
En la misma categoría: World Monitor, openstatus, Oh My Posh Validator, Strata, Jitsu
Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.
Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Real-time global intelligence on conflict, markets, energy, trade, shipping and cyber. 100 tools.
Manage monitors, status pages, incidents and maintenances in your openstatus workspace.
Validate oh-my-posh configurations and segment snippets against the official schema.
MCP server for progressive tool usage at any scale (see https://klavis.ai)
Manage Jitsu data pipelines: destinations, streams, connections, functions, live events.
| Este DataRanger | World Monitor | openstatus | Oh My Posh Validator | Strata | Jitsu | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Se instala en tu equipo | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada |
| Necesita clave | No | No | No | No | No | No |
| Se añade con + en Claude | No | No | No | No | No | No |
| Revisiones básicas | 3/3 | 4/4 | 4/4 | 4/4 | 1/4 | 4/4 |
| Licencia | MIT | AGPL-3.0 | AGPL-3.0 | MIT | Apache-2.0 | MIT |
| Precio | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro |
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.
DataRanger patrols your data, fixes what it can prove, and calls you for the rest.
A park ranger walks the trails, fixes what is safe to fix on the spot, radios in anything dangerous, and files a report. DataRanger does the same for your tables. It finds data-quality incidents, tests every candidate fix on a copy against the source's control totals, applies only the fixes it can prove, and keeps wrong fixes under a rate you choose. Everything else goes to a person, with the evidence attached.
The dotted line under the name is a patrol trail: one marker per daily partition, the same marks the patrol console uses.
Most data-quality tools stop at an alert. Letting an AI agent fix data is the obvious next step, and a risky one: a wrong fix can pass every monitor you have. In the DQ-Repair benchmark, a rules engine left wrong data behind in 31% of incidents and an agent checked only by monitors in 24%. DataRanger's calibrated gate kept it under 1% while handling 59% of incidents without a person.
Every patrol writes one self-contained page that answers a data team's morning question: what broke, what DataRanger fixed, and what needs a person.
Run the demo notebook in your browser to see the summary, audit rows and interactive dashboard without installing anything locally.
pip install dataranger
dataranger demo # patrol a sample table with planted problems; opens as dataranger-demo/dashboard.html
On Windows, if dataranger is "not recognized" after installing, run it as python -m dataranger instead.
On your own DuckDB tables (a fact table partitioned by date, a reference table, and the source's control totals):
dataranger patrol --db warehouse.duckdb --table payments --ref-table customers \
--manifest-table control_totals --key payment_id --reference customer_id \ --date booking_date --segment channel --amount amount
Or point it straight at exported files, no database needed (.csv, .tsv or .parquet; the reader follows the extension):
dataranger patrol --facts-file payments.csv --ref-file customers.csv \
--manifest-file control_totals.csv --key payment_id --reference customer_id \ --date booking_date --segment channel --amount amount
Use one source at a time. With files, --table is optional and only sets the report title (it defaults to the facts file name). Add --days 45 to any source to patrol only the most recent days.
The control-totals table has one row per date and segment, plus a row with segment * for the whole day, with columns n (rows) and amount (sum). DataRanger never modifies your tables: fixed partitions go to fixed_version.csv, every decision and its evidence to audit.jsonl, a one-row-per-incident summary for spreadsheets to incidents.csv, and the morning report to dashboard.html.
If you don't keep a control-totals table yet, build it from the raw or landing table the facts are loaded from, with the same column flags:
dataranger totals --db warehouse.duckdb --table raw.payments --out-table ops.payments_totals \
--date booking_date --segment channel --amount amount dataranger totals --facts-file raw_payments.parquet --out control_totals.csv \ --date booking_date --segment channel --amount amount
totals counts each day's rows (a timestamp counts toward its calendar day) and sums the amount, per segment and for the whole day. It stops if a row has no date, or has the segment value *. Rows with no segment count only toward the day's * row. Running it again replaces the output. --out-table is the only way DataRanger writes to your database: it writes only the table you name, replaces an existing table only if that table already has the control-totals columns, and never replaces the --table it reads from. The totals are only as independent as the table they come from, so build them upstream of the load you want to check.
For scheduled jobs, add --json to either patrol command to print one JSON object with incidents, auto_fixed, no_action, escalate, and the report path. Add --fail-on-escalate to return exit code 2 when any incident needs review, or 0 otherwise. The flags work independently: --fail-on-escalate also works with the normal text summary.
To hear about escalations without opening the report, add --notify-webhook URL (or set DATARANGER_WEBHOOK) with a Slack or Microsoft Teams incoming webhook. When at least one incident needs a person, the patrol posts {"text": ...} with the table, the counts and the partitions to look at (the same text as --summary-md). A Teams webhook made with the Workflows app (a logic.azure.com or powerplatform.com URL) gets the same text in an Adaptive Card instead, which is the shape it expects. --notify-always also posts when nothing needs a person. A failed post prints a note and leaves the exit code alone, and the webhook URL is never printed.
To run a daily patrol and download the morning report, copy the GitHub Actions example. It runs on demo data without credentials and includes instructions for your own tables.
The default threshold was calibrated on the DQ-Repair benchmark for a 1% target. Once people have reviewed some of DataRanger's decisions, calibrate on your own data:
dataranger calibrate --audit report/audit.jsonl --labels reviewed.csv --alpha 0.01
reviewed.csv has columns partition and verdict (right or wrong). About 300 reviewed incidents certify a 1% target and about 60 certify 5%.
DataRanger does not replace your tests or monitoring. It picks up where they stop: at the fix.
| Tests (dbt tests, Great Expectations, Soda) | Observability platforms (for example Monte Carlo) | AI coding agents | DataRanger | |
|---|---|---|---|---|
| Finds problems | Rules you write | Learned patterns and anomalies | When asked | Rules and statistics, against the source's control totals |
| Fixes data | No | No, it alerts and helps find the cause | Yes, without independent proof | Yes, only fixes proven against the source |
| Says how often a fix is wrong | No | No | No | Yes: a wrong-fix rate you choose, with a statistical guarantee |
| When unsure | Fails the run | Sends an alert | Often guesses | Escalates to a person, with the evidence |
| Where it runs | Your pipeline | Vendor service | Your editor or CI | Your machine or CI, open source |
Keep your tests: they catch problems DataRanger is not designed for, such as a new column breaking a contract. Use DataRanger for the night-shift part, where something has to decide whether a fix is safe to apply without waking anyone up.
DataRanger reads from Snowflake, dbt models, DuckDB and files, and runs from the command line, a GitHub Action or an AI agent. Whatever the source, a patrol is three SELECT statements: nothing is written back.
pip install "dataranger[snowflake]"
dataranger patrol --snowflake --table ANALYTICS.GOLD.PAYMENTS --ref-table ANALYTICS.GOLD.CUSTOMERS \ --manifest-table ANALYTICS.OPS.CONTROL_TOTALS --key payment_id --reference customer_id \ --date booking_date --segment channel --amount amount --days 45
DataRanger runs three SELECT statements and nothing else, so a read-only role is enough and the warehouse is never modified. It selects only the mapped columns, and --days limits both the facts and the control totals, so a patrol costs a few seconds of a small warehouse. Use at least 30 days so the checks have a baseline. Queries carry the query tag dataranger, so they are easy to find in query history.
Credentials are read from where you already keep them; DataRanger stores nothing:
--snowflake uses SNOWFLAKE_ACCOUNT and SNOWFLAKE_USER, with SNOWFLAKE_PASSWORD, SNOWFLAKE_PRIVATE_KEY_PATH (and SNOWFLAKE_PRIVATE_KEY_PASSPHRASE) or SNOWFLAKE_AUTHENTICATOR, plus SNOWFLAKE_ROLE, SNOWFLAKE_WAREHOUSE, SNOWFLAKE_DATABASE and SNOWFLAKE_SCHEMA. With multi-factor login, set SNOWFLAKE_AUTHENTICATOR=username_password_mfa and put the current code from your authenticator app in SNOWFLAKE_PASSCODE. For scheduled jobs, use a key pair.--snowflake prod uses the connection named prod in ~/.snowflake/connections.toml, the file the Snowflake CLI uses.Column names are matched without regard to case, so --key payment_id finds PAYMENT_ID. To try it on a trial account with demo data, follow examples/snowflake.
Patrol the table behind a db