Prototipo · Versión preliminar: todos los servidores del registro oficial, sincronizados cada 30 minutos. Las reseñas y las cuentas llegarán en una etapa posterior.
PopNx MCPServidores MCP para quienes usan IA · explicados con palabras sencillas

Stallhunt

de guillemversión 0.5.1i★ –iSe ejecuta en tu computadora
Nombre en el registroio.github.guillem/stallhunt

Instalar

Resumen

Descripción del creador (original en inglés)

Evidence-backed Linux performance triage over MCP

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.

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

¿Qué app usas?

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

Descargar el archivo .mcpb del creador

El enlace lleva al archivo del propio creador; no lo alojamos ni lo reempaquetamos. Abre el archivo y Claude Desktop lo instalará.

Ejecuta esto en tu terminal

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.

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 guillem, 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 32673 servidores de esta categoría
  • Publicado en el registro más recientemente que el 30% de los otros 32673 servidores de esta categoría
  • Revisiones básicas iguales o mejores que el 100% de los otros 32673 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 Stallhunt?

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 (0.5.1) llegó al registro hace 2 meses.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas MCPB en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Spec Driven Development, Remote Desktop Commander, Systemdox

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

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

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

Systemdox

de puglieseweb

Your architecture in your agents' context: checks, specs, ADRs and docs over MCP, at write time.

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.

Stallhunt

Stallhunt is a Linux-first command-line performance triage tool.

Repository: https://github.com/guillem/stallhunt

Traditional tools such as top, htop, iotop, vmstat, and iostat expose measurements. They are excellent tools, but the human operator still has to answer the harder question:

What is actually constraining useful work right now, who is suffering, and who is probably responsible?

Stallhunt aims to automate that reasoning.

Install

Requirements:

  • Linux 4.20 or newer with procfs mounted; readable PSI files under /proc/pressure are required for pressure verdicts,
  • Rust 1.85 or newer for source builds.

See docs/install.md for cargo install, release tarballs, and the support matrix.

From a clone:

cargo install --path .

stallhunt

Bare stallhunt runs a default 10-second hunt. On a terminal it renders a compact, color-coded report; piped or redirected output (stallhunt | cat, >file, CI) is unchanged plain text. Use --json for the full structured evidence, --verbose to expand the compact report's collapsed caveats back to full text, or --no-color (also NO_COLOR=1) to disable color without changing the layout:

stallhunt --json

stallhunt hunt --duration 30s stallhunt hunt --verbose

Capture and replay a normalized observation:

stallhunt record --duration 10s --output incident.json

stallhunt replay incident.json stallhunt redact incident.json --output incident.redacted.json

Follow finding lifecycle for a bounded number of rolling windows. On a terminal this opens a full-screen TUI (q quit, arrows/jk select, Enter/Space show or hide detail, PageUp/PageDown/Home/End scroll, h/? help). At 120×30 or larger it also shows the selected host/cgroup's six process-role lists beside the lifecycle panels; piped output or --json remain append-only text/JSON and carry the same scoped roles:

stallhunt watch --interval 2s --count 3

Serve Model Context Protocol tools over stdio so coding agents can query diagnoses directly — a resident sampler keeps a rolling view of recent pressure for instant answers (for Claude Code: claude mcp add stallhunt -- stallhunt mcp; see docs/mcp-server.md):

stallhunt mcp [--interval 2s] [--no-sampler]

Source packaging for an OpenAI local plugin, a Linux MCPB extension for compatible clients, and official MCP Registry metadata lives in the repository. These packages deliberately keep diagnosis local instead of hosting Stallhunt on a machine other than the one being investigated. See docs/directory-distribution.md.

Generate shell completions:

stallhunt completions bash > ~/.local/share/bash-completion/completions/stallhunt

stallhunt completions zsh > ~/.local/share/zsh/site-functions/_stallhunt

Recording output paths are not overwritten unless --force is supplied. Ten-second hunts are the normal diagnostic path; sub-second observations are telemetry smoke tests and do not receive healthy or pressure verdicts. See docs/development.md for validation and opt-in acceptance commands.

Core idea

The primary abstraction is lost time, not utilization.

High utilization is not automatically a problem. A machine using 95% of its RAM may be perfectly healthy. A CPU at 70% utilization may still have latency-sensitive work suffering from scheduler contention. The project therefore focuses on evidence of stalled progress:

  • CPU scheduler pressure,
  • I/O stalls,
  • memory pressure/reclaim,
  • lock contention,
  • network-related waits,
  • eventually deeper blocking chains.

Example output shape:

$ stallhunt

SYSTEM HEALTH: DEGRADED

  1. CPU scheduling contention SEVERE Impact: 23.4% pressure during observation Victims: postgres [4812], nginx [5120] Suspects: rustc [9231], ffmpeg [9401] Confidence: high

Evidence: CPU PSI some avg10: 23.4% run queue latency estimate: elevated rustc CPU consumption: 735% postgres runnable delay: 3.8s / 10s

  1. Block I/O contention MODERATE Device: nvme0n1 Victim: postgres [4812] Suspect: restic [7712] Confidence: medium

Memory: no significant pressure detected. High memory occupancy alone is not treated as a bottleneck.

This output is aspirational; the project will reach it incrementally.

Product principles

  1. Diagnose, do not merely display.
  2. Measure stalled progress whenever possible.
  3. Separate observation from inference.
  4. Show evidence for every diagnosis.
  5. Express uncertainty explicitly.
  6. Remain useful without eBPF.
  7. Stay cheap enough to run on a stressed system.
  8. Treat Git as the complete project memory.

Initial scope

The first useful release targets Linux and focuses on:

  • CPU scheduling contention,
  • memory pressure,
  • block I/O pressure,
  • per-process attribution where Linux exposes enough evidence,
  • cgroup/systemd-aware grouping when practical,
  • human-readable terminal output,
  • versioned machine-readable JSON (the pre-1.0 shape may evolve),
  • bounded observation windows,
  • deterministic offline fixture/replay analysis.

Later releases may add:

  • eBPF-based off-CPU analysis,
  • futex/lock contention,
  • syscall/blocking attribution,
  • network queue/socket diagnosis,
  • dependency/wait graphs,
  • richer cgroup/container analysis.

Repository map

.

├── AGENTS.md ├── CHANGELOG.md ├── Cargo.toml ├── LICENSE-APACHE ├── LICENSE-MIT ├── README.md ├── src/ │ ├── analysis.rs │ ├── cgroup.rs │ ├── cli.rs │ ├── cpu.rs │ ├── duration_us.rs │ ├── io.rs │ ├── main.rs │ ├── mcp/ │ ├── memory.rs │ ├── observe.rs │ ├── psi.rs │ ├── record.rs │ ├── render.rs │ ├── report.rs │ ├── style.rs │ ├── tui/ │ └── watch.rs ├── tests/ │ ├── cgroup_acceptance.rs │ ├── cli.rs │ ├── cpu_acceptance.rs │ ├── io_acceptance.rs │ ├── mcp.rs │ ├── memory_acceptance.rs │ └── fixtures/ │ ├── cpu/ │ └── proc-* └── docs/ ├── README.md ├── install.md ├── product.md ├── architecture.md ├── data-model.md ├── telemetry.md ├── inference-engine.md ├── cli-ux.md ├── security-privileges.md ├── testing.md ├── development.md ├── codex-workflow.md ├── experiments.md ├── references.md ├── roadmap.md ├── status.md ├── glossary.md └── decisions/

Start with AGENTS.md, then docs/README.md.

Privacy Policy

Stallhunt reads bounded local Linux telemetry and does not independently send it over the network. MCP clients may transmit tool results according to their own data policies. See the full Stallhunt privacy policy for the data, storage, sharing, retention, and contact disclosures.

License

Dual-licensed under MIT or Apache-2.0, at your option.

Current state

For the current milestone, implemented capabilities, validation, known limits, and the next recommended task, see docs/status.md. Planned sequencing remains in docs/roadmap.md.

Pregunta a PopNx