Spec Driven Development
de formulahendry
MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.
Se ejecuta en tu computadora★ 440MITActualizado hace 14 meses
Instalar
Neural MCP
Resumen
Descripción del creador (original en inglés)
GPU-accelerated MCP server for neural network training, deep learning, and model experimentation
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 básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
- UsoiAún sin medir★ –
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 tu computadora
- Transporte: stdio
- Categoría: Otros
Instalación
Elige la app de IA que usas y copia la configuración.
Antes de instalar
- Revisiones básicas: 1 de 1 superadas
- Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
- El registro no indica ninguna clave que completar.
Necesitas
- PyPIuv de Python instalado (para el comando uvx)
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"neural": {
"command": "uvx",
"args": [
"scicomp-neural-mcp"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add neural -- uvx scicomp-neural-mcpO copia la configuración tú
Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"neural": {
"command": "uvx",
"args": [
"scicomp-neural-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.
O copia la configuración tú
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"neural": {
"type": "stdio",
"command": "uvx",
"args": [
"scicomp-neural-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.
Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.
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
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
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 la cuenta de GitHub andylbrummer, dueña del repo
- … Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
- … Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
- – No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
- – No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
- … Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Comparado con otros en Otrosi
- Más estrellas que el 0% de los otros 32712 servidores de esta categoría
- Publicado en el registro más recientemente que el 1% de los otros 32712 servidores de esta categoría
- Revisiones básicas iguales o mejores que el 100% de los otros 32712 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 Neural MCP?
Superó 1 de 1 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 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).
¿Sigue en mantenimiento?
El repo de GitHub cambió por última vez –, y la última versión (0.1.6) llegó al registro hace 10 meses.
¿Qué apps pueden usarlo?
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.
¿Qué puedo usar en su lugar?
En la misma categoría: Spec Driven Development, Remote Desktop Commander, Aiterm MCP
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
Remote Desktop Commander
de desktop-commander
Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.
Se ejecuta en la nube★ 211Actualizado anteayer
Instalar
Aiterm MCP
de kitepon
Persistent terminals and one launcher for Claude, Codex, Grok, Cursor, and Antigravity harnesses.
Se ejecuta en tu computadoraActualizado hoy
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.
scicomp-neural-mcp
mcp-name: io.github.andylbrummer/neural-mcp
MCP server for neural network training and experimentation.
Overview
This server provides tools for building, training, and analyzing neural networks:
- Model building - Pre-trained models (ResNet, MobileNet) and custom architectures
- Dataset loading - CIFAR-10, MNIST, ImageNet datasets with standard preprocessing
- Training - Full training loops with configurable learning rates and batch sizes
- Evaluation - Model evaluation, metrics computation, and analysis
- Hyperparameter tuning - Automated hyperparameter search
- Export - Export models to ONNX and TorchScript formats
- GPU acceleration - Optional CUDA acceleration for training
Installation & Usage
# Run directly with uvx (no installation required)uvx scicomp-neural-mcp
Or install with pip
pip install scicomp-neural-mcp
With GPU support (recommended for training)
pip install scicomp-neural-mcp[gpu]
Run as command
scicomp-neural-mcp
Available Tools
Model Management
define_model- Create neural network models (ResNet18, MobileNet, custom)load_pretrained- Load pretrained models from torchvision or Hugging Faceget_model_summary- Get detailed layer-by-layer breakdownexport_model- Export to ONNX or TorchScript
Data Loading
load_dataset- Load standard datasets (CIFAR-10, MNIST, ImageNet)create_dataloader- Create batched dataloaders with shuffling
Training
train_model- Train model on dataset with configurable parametersget_experiment_status- Monitor training progressevaluate_model- Evaluate on test set
Analysis
compute_metrics- Compute detailed performance metricsconfusion_matrix- Generate confusion matricesplot_training_curves- Visualize loss and accuracy curvesvisualize_predictions- Inspect model predictions on samples
Hyperparameter Optimization
tune_hyperparameters- Automated hyperparameter search
Configuration
Enable GPU acceleration with environment variable:
MCP_USE_GPU=1 scicomp-neural-mcpExamples
📖 Code Examples
Practical tutorials in EXAMPLES.md:
- MNIST digit recognition (complete workflow)
- Transfer learning with ResNet
- Hyperparameter optimization
- Confusion matrix analysis
- Progressive learning path (beginner → advanced)
📚 Full Documentation
See the API documentation for complete API reference.
Part of Math-Physics-ML MCP System
Part of a comprehensive system for scientific computing. See the documentation for the complete ecosystem.