ExpertPack MCP

Name: ExpertPack MCP
Author: brianhearn

de brianhearnversión 0.7.0i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.brianhearn/ep-mcp

Instalar

Resumen

Descripción del creador (original en inglés)

Serve ExpertPack knowledge packs over MCP with hybrid search, graph traversal and provenance.

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: Búsqueda y memoria de IA
Debes completar: GEMINI_API_KEY, AZURE_OPENAI_API_KEY

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).
Debes completar tú: GEMINI_API_KEY, AZURE_OPENAI_API_KEY

Los valores marcados como secretos son llaves de tu cuenta. Nunca los compartas ni los pegues en un chat.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

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": {
    "ep": {
      "command": "uvx",
      "args": [
        "ep-mcp",
        "serve",
        "--config",
        "your-value",
        "--transport",
        "stdio"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value",
        "AZURE_OPENAI_API_KEY": "your-value"
      }
    }
  }
}

Ejecuta esto en tu terminal

claude mcp add ep --env GEMINI_API_KEY=your-value --env AZURE_OPENAI_API_KEY=your-value -- uvx ep-mcp serve --config your-value --transport stdio

Completa los valores vacíos antes de ejecutarlo.

Este necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

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

{
  "mcpServers": {
    "ep": {
      "command": "uvx",
      "args": [
        "ep-mcp",
        "serve",
        "--config",
        "your-value",
        "--transport",
        "stdio"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value",
        "AZURE_OPENAI_API_KEY": "your-value"
      }
    }
  }
}

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 necesita valores en su línea de comandos, así que copia la configuración y complétalos.

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

{
  "servers": {
    "ep": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "ep-mcp",
        "serve",
        "--config",
        "your-value",
        "--transport",
        "stdio"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value",
        "AZURE_OPENAI_API_KEY": "your-value"
      }
    }
  }
}

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.

Valores que debes completar

GEMINI_API_KEY secreto env
Gemini API key for embeddings (or set AZURE_OPENAI_API_KEY when using Azure OpenAI)
AZURE_OPENAI_API_KEY secreto env
Azure OpenAI key, if the config uses the Azure embedding provider

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 brianhearn, 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 Búsqueda y memoria de IAi

Más estrellas que el 0% de los otros 7251 servidores de esta categoría
Publicado en el registro más recientemente que el 69% de los otros 7251 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% 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 ExpertPack 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?

Debes completar: GEMINI_API_KEY, AZURE_OPENAI_API_KEY

¿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 (0.7.0) llegó al registro hace 17 días.

¿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: 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.

ep-mcp

Expertise-as-a-Service over the Model Context Protocol.

An MCP server that turns any ExpertPack into a live, queryable knowledge service. Any MCP-compatible agent (Claude Desktop, Cursor, Windsurf, Claude.ai, custom hosts) can connect and retrieve high-quality, provenance-rich domain expertise via standardized tools.

[🌐 expertpack.ai](https://expertpack.ai) · [📦 ExpertPack Framework](https://github.com/brianhearn/expert-pack) · [📖 Architecture](ARCHITECTURE.md)

97.6% retrieval hit rate / 0 full misses on a 22-question benchmark against a production v4.1 atomic-conceptual pack (658 chunks). Prior v4.0 baseline on the same pack and eval set: 65.1%.

Features

Schema-aware hybrid retrieval: BM25 + vector search (sqlite-vec), metadata boosting, MMR re-ranking, adaptive threshold filtering, length penalty
`requires:` expansion (schema v4.1 atomic-conceptual): When a top-K atom's frontmatter declares requires: [B, C], the referenced atoms are auto-appended to results as additional SearchResults flagged requires_expanded=True. Directional (A→B does not imply B→A), transitive up to 2 hops, capped at 3 atoms and 3,500 cumulative tokens, appended after the max_results slice so it never displaces top-K.
Intent-aware routing: Automatic query classification (ENTITY/HOW/WHY/WHEN/GENERAL) adjusts vector/BM25 fusion weights per query — no LLM required
Query embedding cache: SQLite-backed cache keyed by (model, dimension, sha256(query)) — warm query latency drops from ~4s (live Gemini API) to ~1ms
Deep graph traversal: Optional multi-hop BFS expansion over knowledge graph edges with per-hop score decay and drift prevention
Reserved-slot graph merge: Configurable protected slots in the final top-K reserved for graph-expanded neighbors so related files surface even against dominant core results
BM25 fallback mode: Embedding provider outage degrades gracefully to lexical-only search (coverage + density + path + length scoring) instead of a hard error
Cross-encoder reranker: Optional second-pass precision reranker (disabled by default, ~70ms warm latency when enabled)
Provenance-first: Every result includes id, content_hash, verified_at, source_file
Reconstruct mode (RFC-003): Opt-in reconstruct=true / reconstruct: true enriches results with fragment_id, line_range, original_markdown, span-level content_hash, excerpt, stale, and byte offsets so agents can prove exactly what source text grounded an answer
EP-native chunking: Files are treated as atomic retrieval units (split at ##/### only for oversized content). Split chunks keep the original span as content/span_hash, carry a computed line_range, and record a heading_path (0.7.0+)
Heading paths (0.7.0+): every hit carries heading_path (e.g. ["Routing", "Setup", "Ports"]) so an H3 hit keeps its H2 parent; ep_read(path, section=..., neighbors=true) reads just that section plus its previous/next siblings
Freshness (0.7.0+, ExpertPack Core 4.2): hits and ep_read carry verified_age_days, age_stale (verified_at older than the file's refresh or the manifest freshness.refresh_cycle), expired and expires_at (volatile TTL). stale keeps its old meaning — index drift (file changed since indexing, reconstruct mode only). Optional down-rank via retrieval.freshness_penalty (default 0.0 = off)
Skills over MCP (0.7.0+, opt-in): set mcp.skills.enabled: true in a pack's manifest.yaml to declare the io.modelcontextprotocol/skills extension (SEP-2640). Each pack becomes one skill at skill://{slug}/SKILL.md (generated) with every non-on_demand file served verbatim at skill://{slug}/{path}; skills/list / skills/get publish the manifest with SHA-256 digests, sizes, ttlMs and cacheScope. Host support is still thin, so the ep_* tools remain the primary path
Frontmatter aware: Strips metadata for embedding, extracts type, tags, requires, etc. for boosting/expansion/filtering
Incremental indexing: Content-hash based staleness detection — only re-embeds changed files
Multi-pack support: Path-based routing at /packs/{slug}/mcp
Graph-aware retrieval: optional post-retrieval expansion via _graph.yaml adjacency, including accepted ontology/entity nodes when graph export provides them
`context_prefix` (RFC-004): sidecar situating strings are prepended at index time for embed + BM25 only; returned/reconstruct text stays the original atom body
Tier / navigation filter: retrieval_strategy: navigation, _index.md, source-coverage.md, and context.on_demand files are excluded from the RAG pool (still readable via ep_read / resources)
Tools:
ep_search — primary hybrid retrieval tool
ep_read — load a whole atom by path or provenance id (consume-loop step 2)
ep_list_topics — browse pack structure and available content types
ep_graph_traverse
Multi-pack stdio support: All tools accept a pack parameter for routing when multiple packs are configured. Single-pack configs make pack optional (defaults to the only configured pack).
Resources:
ep://{slug}/manifest
ep://{slug}/authority
ep://{slug}/files
ep://{slug}/file/{+path} (raw content with frontmatter)
skill://{slug}/SKILL.md, skill://{slug}/{+path} (only when mcp.skills.enabled: true)
Transports: Streamable HTTP (primary, cloud-ready), stdio (local dev)
stdio multi-pack support (0.6.0+): When using --transport stdio with multiple packs configured, all tools accept an optional pack parameter (slug string) to specify which pack to query. For single-pack configurations, the pack parameter is optional and defaults to the only configured pack. This allows MCP hosts (Cursor, Claude Desktop) to use a single stdio process for multiple packs instead of requiring one process per pack.
HTTP endpoint: GET /search (for non-MCP HTTP clients)
Golden retrieval eval (0.7.0+): tests/eval/ — YAML query sets (expected best-first, must_not, category) scored as recall@1/3/5, MRR and must_not violations per pack and category. Skipped in the default run; pytest tests/eval -m golden --golden --packs-root with EP_EVAL_TODAY=2026-10-20 and optional EP_EVAL_MIN="recall@5=0.9,mrr=0.7", or python tests/eval/golden_eval.py --golden --today 2026-10-20
Auth: API key (Phase 1), designed for OAuth 2.1 (Phase 2)

Quick Start

Installation

git clone https://github.com/brianhearn/ep-mcp.git

cd ep-mcp pip install -e .[dev]

Configuration

Create config.yaml with at minimum:

server:

host: "127.0.0.1" port: 8000 log_level: "info"

Required for public Host headers (SDK v2 DNS-rebinding protection).

See DEPLOYMENT.md — omit and Streamable HTTP returns 421.

mcp_allowed_hosts:

"localhost"
"localhost:*"
"127.0.0.1"
"127.0.0.1:*"

packs:

slug: "my-pack" path: "/path/to/your/expertpack" api_keys:
"your-secret-key-here"

embedding: provider: "gemini" # "gemini" (default) or "azure-openai" model: "gemini-embedding-001"

For the full configuration reference — embedding providers, retrieval tuning (mmr_lambda, min_score, default_max_results, graph expansion, reranker, requires: expansion, etc.), production systemd setup, and deployment gotchas — see [DEPLOYMENT.md](DEPLOYMENT.md).

Running

ep-mcp serve --config config.yaml

The server builds/updates the SQLite index (FTS5 + sqlite-vec) on startup. 0.5.0 requires a rebuild of existing indexes (index_features=context_prefix_v1+nav_filter_v1); startup does this automatically, or delete /.ep-mcp/ first.

The GET /search HTTP endpoint is available at:

GET /search?q= &pack= &n=10

Add &reconstruct=true to include original markdown spans and provenance blocks for verification.

with header Authorization: Bearer .

Environment Variables

Only the key for your configured embedding provider is required.

Variable	Required	Description
`GEMINI_API_KEY`	If `embedding.provider: gemini`	Gemini embedding API key
`AZURE_OPENAI_ENDPOINT`	If `embedding.provider: azure-openai`	Azure OpenAI resource endpoint
`AZURE_OPENAI_API_KEY`	If `embedding.provider: azure-openai`	Azure OpenAI API key
`EP_MCP_KEY_{SLUG}`	Optional	Per-pack API key override (uppercase slug, hyphens→underscores)
`EP_MCP_REMOTE_HOST`	Optional	Deploy target for `scripts/deploy.sh`
`EP_MCP_REMOTE_SRC`	Optional	Remote source path for `deploy.sh`
`EP_MCP_REMOTE_SITE_PKG`	Optional	Remote site-packages path for `deploy.sh`

Tech Stack

Language: Python 3.12+
MCP Framework: official mcp SDK v2 (MCPServer, spec 2026-07-28, dual-era with 2025 clients)
Storage: SQLite with FTS5 + sqlite-vec
Embeddings: Gemini (default), configurable Azure OpenAI / OpenAI providers
Web: Starlette + Uvicorn (for Streamable HTTP)
CLI: Click

See pyproject.toml for exact dependencies.

Project Structure

See ARCHITECTURE.md for detailed module breakdown, retrieval pipeline, indexing strategy, and design decisions.

[expertpack.ai](https://expertpack.ai) — Framework website, community packs, and documentation
[ExpertPack](https://github.com/brianhearn/expert-pack) — Schema framework, validation tools, Obsidian compatibility, community packs
[ExpertPacks](https://github.com/brianhearn/expert-packs) — Published knowledge packs (private)
EasyTerritory MCP (future) — Domain-specific layer built on top of this repo + ezt-designer pack

License

Author

Brian Hearn — Built in 3 days (April 10–11, 2026).

ExpertPack MCP

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Valores que debes completar

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

ep-mcp

Features

Quick Start

Installation

Configuration

Required for public Host headers (SDK v2 DNS-rebinding protection).

See DEPLOYMENT.md — omit and Streamable HTTP returns 421.

Running

Environment Variables

Tech Stack

Project Structure

Related

License

Author