timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Red-team LLM apps: 41 OWASP LLM Top 10 probes, adaptive attacks, CI gate, audit reports.
Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…
scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 6/80 | 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 | 18/100 |
Calidad: Pasó 3/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (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 LLM Assure. Sigue https://mcp.popnx.com/i/k11-software-solutions-llm-assure.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 14 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 LLM Assure 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": { "llm-assure": { "command": "uvx", "args": [ "k11-llm-assure-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 LLM Assure 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": {
"llm-assure": {
"command": "uvx",
"args": [
"k11-llm-assure-mcp"
]
}
}
}Usa LLM Assure y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando LLM Assure o muestra una herramienta de LLM Assure en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
ANTHROPIC_API_KEY Opcional: habilita el juez LLM de Claude y el red teaming adaptativo Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
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 LLM Assure
LLM Assure se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar LLM Assure
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 LLM Assure 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 llm-assure -- uvx k11-llm-assure-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 LLM Assure 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 llm-assure -- uvx k11-llm-assure-mcpDeberías ver LLM Assure en la lista como conectado
Usa LLM Assure y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando LLM Assure o muestra una herramienta de LLM Assure en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
ANTHROPIC_API_KEY Opcional: habilita el juez LLM de Claude y el red teaming adaptativo Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
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 LLM Assure 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": { "llm-assure": { "command": "uvx", "args": [ "k11-llm-assure-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 LLM Assure 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 LLM Assure y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando LLM Assure o muestra una herramienta de LLM Assure en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
ANTHROPIC_API_KEY Opcional: habilita el juez LLM de Claude y el red teaming adaptativo Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
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 LLM Assure 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": { "llm-assure": { "type": "stdio", "command": "uvx", "args": [ "k11-llm-assure-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 LLM Assure 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 LLM Assure y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando LLM Assure o muestra una herramienta de LLM Assure en la respuesta, ya está conectado
El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.
ANTHROPIC_API_KEY Opcional: habilita el juez LLM de Claude y el red teaming adaptativo Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
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 llm-assure -- uvx k11-llm-assure-mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"llm-assure": {
"command": "uvx",
"args": [
"k11-llm-assure-mcp"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"llm-assure": {
"command": "uvx",
"args": [
"k11-llm-assure-mcp"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"llm-assure": {
"type": "stdio",
"command": "uvx",
"args": [
"k11-llm-assure-mcp"
]
}
}
}ANTHROPIC_API_KEY secreto envDescripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
pypi: k11-llm-assure-mcpSegún 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 19 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub K11-Software-Solutions, dueña del repo
Último cambio de código: hace 3 días
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
Sin entradas en OSV.dev para k11-llm-assure-mcp@0.1.0
Solo revisa esta versión del paquete, no todas sus dependencias · revisado 15 nov 2026
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/k11-software-solutions-llm-assure)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 hace 3 días, y la última versión (0.1.0) llegó al registro hace 6 días.
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: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
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
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| Este LLM Assure | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 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 | Sí | Sí | Sí | No | No |
| Revisiones básicas | 3/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Licencia | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 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.
Red-team your LLM application before your users do.
llm-assure runs automated attack and evaluation suites against any chatbot, RAG app or AI agent. It fails your CI build on serious findings and produces an audit-ready HTML report. It also includes an MCP server, so Claude (or any MCP client) can run assessments and adaptive red-team sessions for you.
--fail-on severity gate, and a GitHub step summary--pack DIRBuilt by K11 Software Solutions, part of the
K11 Tech Lab agentic-QA series. It complements
which covers bias, fairness and robustness.
git clone https://github.com/K11-Software-Solutions/k11techlab-llm-assurance-toolkit
cd k11techlab-llm-assurance-toolkit pip install -e ".[all]"
llm-assure run -t examples/targets/demo_vulnerable.yaml -o reports/before --fail-on none
llm-assure run -t examples/targets/demo_hardened.yaml -o reports/after
| Before | After | |
|---|---|---|
| Assurance score | 0 / 100 (F) | 99 / 100 (A) |
| Critical findings | 6 | 0 |
| High findings | 13 | 0 |
Open reports/before/report.html to see the full audit report. Pre-generated samples are in docs/sample-report/.
llm-assure init target.yaml # writes a commented template
llm-assure run -t target.yaml
name: My Support Assistant
type: http # http | openai | anthropic | python url: https://api.example.com/chat headers: Authorization: "Bearer ${BOT_API_TOKEN}" request_template: message: "{{prompt}}" history: "{{history}}" response_path: reply # e.g. data.answer or choices.0.message.content context: company: Acme Corp purpose: customer support for Acme Corp's online store canary: K11-CANARY-REPLACE-ME # put this exact string in your system prompt forbidden_topics: [politics, religion]
Tip: put a unique canary string in your system prompt and set context.canary to it. The toolkit then detects system-prompt leaks even when they are reversed, spaced out or base64-encoded.
More examples are in examples/targets/: Claude, OpenAI-compatible (vLLM, Ollama, Azure) and HTTP.
| Suite | OWASP LLM 2025 | Probes |
|---|---|---|
prompt_injection | LLM01 Prompt Injection | 8 |
system_prompt_leakage | LLM07 System Prompt Leakage | 6 |
sensitive_information | LLM02 Sensitive Information Disclosure | 5 |
jailbreak_policy | LLM01 (jailbreak) | 5 |
excessive_agency | LLM06 Excessive Agency | 4 |
misinformation | LLM09 Misinformation | 4 |
improper_output_handling | LLM05 Improper Output Handling | 4 |
scope_control | Business risk | 5 |
llm-assure suites -v # list all probes
llm-assure run -t target.yaml --tag baseline # quick 15-probe smoke scan llm-assure run -t target.yaml -s prompt_injection -s excessive_agency
Some failures can't be caught with patterns. Examples: "did the bot *imply* it issued a refund?" or "is this a usable phishing email?" Add --judge to evaluate these probes with Claude:
export ANTHROPIC_API_KEY=...
llm-assure run -t target.yaml --judge # default: claude-opus-5-5 llm-assure run -t target.yaml --judge --judge-effort low
The judge returns structured JSON verdicts and treats the transcript as untrusted data, so it resists injection attempts aimed at the judge itself. Judge calls are made only when the deterministic detectors haven't already found a failure. Without --judge, judge-only probes are marked needs review rather than silently passed.
# .github/workflows/llm-assurance.yml
--fail-on critical|high|medium|low|none sets the exit code (default high)junit.xml works with any CI test reportersummary.md is appended to $GITHUB_STEP_SUMMARY automaticallyA complete workflow is in docs/ci-example.yml.
Listed in the official MCP Registry as io.github.K11-Software-Solutions/llm-assure.
Claude Code plugin (adds the tools plus /red-team and /assurance-report; needs uv):
/plugin marketplace add K11-Software-Solutions/k11techlab-llm-assurance-toolkit
/plugin install llm-assure@k11-llm-assure
MCP server only:
claude mcp add llm-assure -- uvx k11-llm-assure-mcp
Claude Desktop (claude_desktop_config.json):
{ "mcpServers": { "llm-assure": { "command": "uvx", "args": ["k11-llm-assure-mcp"] } } }
Or pip install k11-llm-assure-mcp and use the llm-assure-mcp command. From a clone: pip install -e ".[mcp]".
| Tool | What it does |
|---|---|
list_suites / list_probes | Browse attack categories and probes |
run_assessment | Run a full audit and write all reports |
send_probe | Send a custom prompt (with history) and get leak/PII/refusal checks, for adaptive multi-turn attacks |
get_findings | Read findings from an earlier assessment.json |
Try asking Claude: *"Run a baseline assessment against examples/targets/demo_vulnerable.yaml, then use send_probe to find a prompt-injection variant the suite missed."*
llm-assure adaptive gives a Claude attacker agent a fixed query budget and lets it attack the target on its own. It reads each reply, adapts, runs multi-turn conversations and records every distinct vulnerability it finds. This is the harness for the K11 adaptive-vs-static study.
export ANTHROPIC_API_KEY=...
llm-assure adaptive -t target.yaml --budget 100 --runs 5 -o runs/
llm-assure adaptive -t target.yaml --budget 100 --runs 5 --cold -o runs/
Each run writes one JSON record to the output directory. It contains every conversation, each finding with a snapshot of its transcript, the static results (seeded arm), the query count, attacker token usage including cache reads, timings, and a final status (finished, budget_exhausted, refused, stalled, max_turns or error). The attacker never sees the target's canary value; it is only told whether a reply leaked it.
type: instrumented targets pair a real model (Claude or any OpenAI-compatible endpoint) with simulated tools and ground-truth instruments: a unique canary, a policy-checked tool-call log and seeded synthetic PII. The tool_log, seeded_pii and poison detectors judge what the app actually did, not what it claimed. See study/README.md.
id: fintech_pack
title: FinTech Pack owasp: LLM02:2025 remediation: Enforce payee-change verification server-side. probes:
llm-assure run -t target.yaml --pack ./packs/fintech
Detectors: contains, regex (both support invert), canary, pii (email, SSN, Luhn-checked cards, phone, API keys, IBAN), expect_refusal, expect_uncertainty, llm_judge. Probe text can use {{company}}, {{purpose}}, {{forbidden_topics}} and any other context key.
Premium probe packs (FinTech, Healthcare, HR and Customer Support) and a done-for-you LLM Readiness Audit are available from K11 Software Solutions.
Only test systems you own or are authorized to assess. Automated testing reduces risk but does not eliminate it. Treat a passing score as one input to a security review, not a certificate.
artifacts/documents/ARCHITECTURE.md explains every component, the end-to-end execution flow, how the canary detector works, and how scores and the quality gate are calculated. artifacts/documents/STUDY_DESIGN.md describes the adaptive-vs-static red-teaming study this toolkit supports.
pip install -e ".[dev]"
pytest
MIT License © K11 Software Solutions