Medplum MCP
Securely access and manage FHIR healthcare data stored in Medplum.
Real-time conversation health for AI agents: drift, desync, causal collapse, plus mission clocks.
Texto original del autor
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 0/80 | 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 | 8/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 20/100 |
Calidad: Pasó 3/5 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 Horizon Fidelity Monitor. Sigue https://mcp.popnx.com/i/leocelis-horizon-fidelity-monitor.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 3/5 revisiones · Lo que preguntas pasa por el servidor del autor (horizon.leocelis.com) · ✓ Comandos revisados el 20 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude · unos 5 min
Necesitas una clave de Horizon Fidelity Monitor (créala en el sitio del autor) · Configúralo una vez en claude.ai o en la app de escritorio y úsalo en el chat · las cuentas gratis pueden añadir 1 · en Team/Enterprise lo añade un Owner
Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.
CustomizeConnectors
Copia cada valor al campo con el mismo nombre en Claude y pulsa Continue
Horizon Fidelity Monitorhttps://horizon.leocelis.com/sseEn Request headers, añade este nombre y valor
AuthorizationBearer <pega tu clave aquí>Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie
Pulsa Continue en la pantalla de inicio de sesión que detectó Claude · en Authentication elige lo que indique el autor (Sign in now, Sign in when needed o No sign in) y pulsa Add
+ConnectorsHorizon Fidelity Monitor
Usa Horizon Fidelity Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando Horizon Fidelity Monitor o muestra una herramienta de Horizon Fidelity Monitor 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 Horizon Fidelity Monitor
Horizon Fidelity Monitor necesita tu propia clave para conectarse, pero la ayuda de OpenAI solo describe el inicio de sesión con OAuth; no hay una opción de clave que hayamos podido verificar
A · Usa una app que pueda conectar Horizon Fidelity Monitor
B · Otros en Clínicas y salud 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 · unos 5 min
Necesitas una clave de Horizon Fidelity Monitor (créala en el sitio del autor)
Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --transport sse --scope user horizon-fidelity-monitor https://horizon.leocelis.com/sse --header 'Authorization: Bearer {api_key}'Cambia “your-value” por tu clave antes de pulsar Enter
Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie
Deberías ver Horizon Fidelity Monitor en la lista como conectado
Usa Horizon Fidelity Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando Horizon Fidelity Monitor o muestra una herramienta de Horizon Fidelity Monitor 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 · unos 5 min
Necesitas una clave de Horizon Fidelity Monitor (créala en el sitio del autor)
Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.
En la configuración de Horizon Fidelity Monitor, Authorization está vacío; añade tu clave y guarda
Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie
Usa Horizon Fidelity Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando Horizon Fidelity Monitor o muestra una herramienta de Horizon Fidelity Monitor 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 · unos 5 min
Necesitas una clave de Horizon Fidelity Monitor (créala en el sitio del autor)
Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.
En la configuración de Horizon Fidelity Monitor, Authorization está vacío; añade tu clave y guarda
Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie
Usa Horizon Fidelity Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando Horizon Fidelity Monitor o muestra una herramienta de Horizon Fidelity Monitor 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 →
Dirección para apps que se conectan por la web
https://horizon.leocelis.com/sseLa configuración JSON está en “Para desarrolladores”, abajo
Claude Code
claude mcp add --transport sse --scope user horizon-fidelity-monitor https://horizon.leocelis.com/sse --header 'Authorization: Bearer {api_key}'Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"horizon-fidelity-monitor": {
"url": "https://horizon.leocelis.com/sse",
"headers": {
"Authorization": "Bearer {api_key}"
}
}
}
}VS Code (mcp.json)
{
"servers": {
"horizon-fidelity-monitor": {
"type": "sse",
"url": "https://horizon.leocelis.com/sse",
"headers": {
"Authorization": "Bearer {api_key}"
}
}
}
}Descripciones 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.
Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se conectan por internet en
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast
El servidor pide iniciar sesión antes de mostrar sus herramientas.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 20 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub leocelis, dueña del repo
Último cambio de código: hace 3 días
Usa MIT
Rechazó el acceso (HTTP 401) sin ofrecer inicio de sesión OAuth. Puede necesitar una clave o bloquear bots; sin confirmar.
Necesita una clave o un token que debes copiar y pegar a mano
Aún sin revisar; leemos la lista de herramientas cuando revisamos el endpoint
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/leocelis-horizon-fidelity-monitor)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 5 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.
Debes completar: Authorization
Se ejecuta en la nube del creador. Te conectas por internet sin instalar nada, pero lo que envías pasa por los servidores del creador.
El repo de GitHub cambió por última vez hace 3 días, y la última versión (0.3.2) llegó al registro hace 12 días.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. Se conecta por URL, así que también sirve en apps que aceptan MCP remoto, como ChatGPT en la web (MCP completo en Business y superiores; Pro solo lectura).
En la misma categoría: Medplum MCP, Mirobody, Codescene MCP Server, Marrow, WHOOP — MissingMCP
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
Securely access and manage FHIR healthcare data stored in Medplum.
Lab results to LOINC codes and UCUM units, symptoms and diagnoses to ICPC-3. Offline, no API key.
An MCP server that provides CodeScene Code Health analysis tools.
Marrow Health: your Apple Health data over MCP, from the free iOS app. Reads, and writes on demand.
WHOOP recovery, strain, sleep and workouts in Claude via official WHOOP OAuth. Free, open source.
| Este Horizon Fidelity Monitor | Medplum MCP | Mirobody | Codescene MCP Server | Marrow | WHOOP — MissingMCP | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Se instala en tu equipo | Se instala en tu equipo | Se instala en tu equipo | Funciona en la nube, sin instalar nada |
| Necesita clave | Sí | No | No | No | No | No |
| Se añade con + en Claude | No | No | No | No | No | No |
| Revisiones básicas | 3/5 | 4/4 | 3/3 | 2/3 | 3/3 | 2/4 |
| Licencia | MIT | Apache-2.0 | Apache-2.0 | NOASSERTION | MIT | 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.
"Quality is not a model property — it is a conversation property."
Horizon is a real-time conversation health monitor for AI agents. It tracks the structural dynamics of multi-turn conversations — semantic drift, information gain, ontological gap width, temporal desynchronisation, circadian cognitive load, conversation velocity, and causal reachability — dimensions that LLMs do not reliably surface from inside the conversation.
Horizon ships two measurement planes. The conversation plane (above, always present) measures the health of a dialogue turn by turn. The optional mission plane — *Memento Mori* — measures elapsed calendar time against goals: ages, deadlines, stalls, per-entity latency, and share of a finite horizon. It is inert until you configure a store. See Mission plane.
Horizon is not a manipulation, sycophancy, or human-influence detector — it measures conversation *dynamics*, not whether an agent is steering or flattering the user. See LEGAL.md §1.
Why an external monitor? LLMs have *limited and unreliable* self-knowledge: introspection research shows partial self-access that is brittle and degrades on complex or out-of-distribution tasks (Binder et al. 2024; arXiv:2512.12411). So rather than depend on a model reporting its own conversation dynamics, Horizon measures them externally with cheap, deterministic, always-on arithmetic over a small local embedding model, with no LLM calls.
Multi-turn AI agents lose accuracy. The ICLR 2026 oral paper "LLMs Get Lost In Multi-Turn Conversation" (Laban, Hayashi, Zhou & Neville) reports an average 39% performance drop across six generation tasks when instructions arrive over multiple turns — a structural property that standard observability tools (LangSmith, RAGAS, DeepEval) cannot see because they measure responses, not conversations.
Horizon was built to close that gap. It is observability first: it surfaces conversation dynamics that response-level tools miss, using cheap deterministic arithmetic and a small local embedding model, with no LLM calls. In four controlled A/B scenarios where Horizon events drove a re-grounding intervention we measured a +15.7% composite quality lift and 87% fewer hallucination events — but those are *synthetic, scripted scenarios with a hand-tuned controller*, not a production result. Treat them as promising in-house evidence, not a guaranteed outcome (see Validation and LEGAL.md §5). Every signal — information gain, divergence, estimated ontological gap width, causal reachability — is a standard information-theory or arithmetic measure computed on text embeddings and timestamps; see 4D Spacetime Signals for the full definitions.
docs/content/naming-the-category-conversation-dynamics-monitoring.mddocs/content/why-every-production-agent-needs-conversation-dynamics-monitoring.mdThree paths — pick the one that fits your workflow:
The fastest way to add Horizon to any Cursor, VS Code, or Claude Desktop workspace. No Python required.
Request an alpha key → open a Discussion, then add the config for your client:
Cursor (~/.cursor/mcp.json):
{
"mcpServers": { "horizon": { "url": "https://horizon.leocelis.com/sse", "headers": { "Authorization": "Bearer YOUR_KEY_HERE" } } } }
VS Code / GitHub Copilot (.vscode/mcp.json in your workspace):
{
"servers": { "horizon": { "type": "http", "url": "https://horizon.leocelis.com/sse", "headers": { "Authorization": "Bearer YOUR_KEY_HERE" } } } }
VS Code note: Use
"servers"(not"mcpServers") and"type": "http"— VS Code tries Streamable HTTP first and falls back to SSE automatically, so"type": "http"works with the/sseURL.
Claude Desktop (~/Library/Application Support/Claude/claude_desktop_config.json):
{
"mcpServers": { "horizon": { "url": "https://horizon.leocelis.com/sse", "headers": { "Authorization": "Bearer YOUR_KEY_HERE" } } } }
That's it. Reload your MCP client and three tools appear: new_conversation, process_turn, configure_session. With a mission store configured, seven more appear: clock_register, clock_progress, clock_status, clock_propose, clock_ack, clock_close, associate_mission (see Mission plane).
Alpha access: Horizon's hosted endpoint is in private alpha. Keys are distributed to agent developers who want to monitor real projects. Open a Discussion to request one — describe your use case and we'll send a key.
Python 3.10–3.14.
pip install horizon-monitor
Verify your install (exercises the full pipeline on 5 canonical scenarios, ~25s):
horizon-validate
git clone https://github.com/leocelis/horizon && cd horizon
pip install -e '.[mcp]' horizon serve # stdio — for Cursor, Claude Desktop horizon serve --transport sse --port 3847 # SSE — for web/team deployments
Add to ~/.cursor/mcp.json:
{
"mcpServers": { "horizon": { "command": "horizon", "args": ["serve"] } } }
Full Cursor and Claude Desktop setup guides: docs/integrations/
Standard observability tools evaluate individual response quality. Horizon evaluates conversation quality — a structurally different problem:
| Tool | What it sees | What it misses |
|---|---|---|
| LangSmith, Braintrust | Latency, cost, per-response quality | Deterministic, every-turn structural signals |
| RAGAS, DeepEval | Faithfulness, relevance per turn (DeepEval also has sampled multi-turn LLM-judge metrics) | Zero-LLM-call, real-time scoring on every turn |
| Langfuse, Arize Phoenix | Session-level LLM-judge evaluation | Deterministic, always-on scoring at sub-50ms |
| Human raters | Subjective quality | Systematic structural decay |
| Horizon | Conversation dynamics | Intentionally nothing |
Horizon does not replace per-response or LLM-judge quality tools. The differentiator is *how* it measures: deterministic, zero-LLM-call arithmetic on every single turn — effectively free and always-on — versus the alternative of sampled LLM-judge evaluations, which cost per sample and typically run offline or async rather than in real time.
from horizon_monitor import FidelityMonitor
from datetime import datetime, timezone
monitor = FidelityMonitor() session_id = monitor.new_conversation(metadata={"domain": "technical"})
result = monitor.process_turn( session_id, human_message="How does Python handle memory management?", agent_response="Python uses reference counting and a cyclic garbage collector...", timestamp=datetime.now(timezone.utc).isoformat(), )
print(f"Fidelity: {result.fidelity_score:.2f}") print(f"Health: {result.health_status}") print(f"Circadian factor: {result.circadian_factor:.2f}") print(f"Causal horizon: {result.reachable_turns} reachable turns") for event in result.events: print(f" Event: {event.type} (confidence={event.confidence:.2f})")
from openai import OpenAI
from horizon_monitor import FidelityMonitor
monitor = FidelityMonitor() session_id = monitor.new_conversation() client = monitor.wrap(OpenAI(), session_id)
response = client.chat.completions.create( model="gpt-4o", messages=[{"role": "user", "content": "Tell me about quantum computing."}] )
traj = monitor.get_trajectory(session_id) print(f"Fidelity: {traj.current_fidelity:.2f} T*: {traj.estimated_t_star}")
monitor.wrap() accepts custom timestamp and context providers for testing and replay.
from anthropic import Anthropic
from horizon_monitor import FidelityMonitor
monitor = FidelityMonitor() session_id = monitor.new_conversation() client = monitor.wrap(Anthropic(), session_id)
response = client.messages.create( model="claude-3-5-sonnet-20241022", max_tokens=1024, messages=[{"role": "user", "content": "Explain RLHF."}] )
from langchain_openai import ChatOpenAI
from horizon_monitor import FidelityMonitor from horizon_monitor.integrations.langchain import HorizonCallback
monitor = FidelityMonitor() session_id = monitor.new_conversation() callback = HorizonCallback(monitor, session_id)
llm = ChatOpenAI(callbacks=[callback]) llm.invoke("Explain the CAP theorem.") print(f"Fidelity: {callback.last_result.fidelity_score:.2f}")
from agents import Agent, Runner
from horizon_monitor import FidelityMonitor
monitor = FidelityMonitor() session_id = monitor.new_conversation() agent = Agent(name="assistant", model="gpt-4o-mini", instructions="You are helpful.")
for user_message in conversation: result = Runner.run_sync(agent, user_message) monitor.process_turn(session_id, human_message=user_message, agent_response=result.final_output, timestamp=datetime.now(timezone.utc).isoformat())
"Spacetime" here is a metaphor, not physics. The relativity vocabulary (Minkowski interval,
light cone, proper time) is *design inspiration* — it shaped which quantities we compute. Every
signal below reduces to a standard information-theory or arithmetic measure on text embeddings and
timestamps, listed in the Plain definition column. Nothing in Horizon's behavior or validation
depends on the analogy being literally true, and the Lorentzian
interval_classis emitted as
descriptive metadata only — no event or score depends on it.
Every process_turn() returns a TurnResult with 33 fields across six signal families:
| Signal | Description |
|---|---|
fidelity_score | Composite conversation health [0, 1] |
igt_value | Information Gain per Turn — semantic novelty |
divergence_score | Jensen-Shannon proxy for intent/response gap |
twr_value | Token Waste Ratio — semantic redundancy |
consistency_score | Bipredictability — structural coherence |
epsilon_t | Estimated ontological gap width [0, 1] |
health_status | healthy / degrading / critical / converged |
conversation_mode | execute / explore / refine / learn (auto-detected) |
timestamp)| Signal | Description |
|---|---|
gap_seconds | Wall-clock gap since last turn |
estimated_retention | Human memory retention (Ebbinghaus half-life model) |
| circadian_factor | Human cogn