timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
P2P GPU matrix multiply, exact cosine search, and PCA/SVD verified via Freivalds' algorithm.
Texto original del autor
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 | 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 4/5 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 Matrix Compute MCP. Sigue https://mcp.popnx.com/i/pages-matrix-compute-website-matrix-compute-mcp.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 4/5 revisiones · Lo que preguntas pasa por el servidor del autor (mcp.matrix-compute.net) · ✓ Comandos revisados el 16 nov 2026
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude · unos 2 min
Sin clave y sin instalar nada · 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
CustomizeConnectors
Copia cada valor al campo con el mismo nombre en Claude y pulsa Continue
Matrix Compute MCPhttps://mcp.matrix-compute.net/mcpPulsa 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
+ConnectorsMatrix Compute MCP
Usa Matrix Compute MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando Matrix Compute MCP o muestra una herramienta de Matrix Compute MCP 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 ChatGPT según tu plan
MCP completo: ChatGPT Business, Enterprise o Edu en la web · Pro: conecta con permisos de lectura/obtención, así que las herramientas que cambian datos pueden no funcionar · Plus: no confirmado en la documentación; si ves una opción para añadir MCP propio en la página de plugins puedes probar · solo web
Plugins+Add custom MCP server
Pon un nombre, pega la dirección en Connection, marca el aviso de riesgo y pulsa Create as a plugin
Matrix Compute MCPhttps://mcp.matrix-compute.net/mcpAbre un chat nuevo y elige Matrix Compute MCP en tus plugins antes de escribir
Usa Matrix Compute MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si ChatGPT dice que está usando Matrix Compute MCP o muestra una herramienta de Matrix Compute MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de OpenAI el 11 nov 2026 · tu pantalla puede variar un poco según la versión
Funciona con Claude Code · unos 2 min
Sin clave y sin instalar nada
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
claude mcp add --transport http --scope user matrix-compute https://mcp.matrix-compute.net/mcpDeberías ver Matrix Compute MCP en la lista como conectado
Usa Matrix Compute MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando Matrix Compute MCP o muestra una herramienta de Matrix Compute MCP 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 2 min
Sin clave y sin instalar nada
Usa Matrix Compute MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando Matrix Compute MCP o muestra una herramienta de Matrix Compute MCP 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 2 min
Sin clave y sin instalar nada
Usa Matrix Compute MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando Matrix Compute MCP o muestra una herramienta de Matrix Compute MCP 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://mcp.matrix-compute.net/mcpLa configuración JSON está en “Para desarrolladores”, abajo
Claude Code
claude mcp add --transport http --scope user matrix-compute https://mcp.matrix-compute.net/mcpCursor (~/.cursor/mcp.json)
{
"mcpServers": {
"matrix-compute": {
"url": "https://mcp.matrix-compute.net/mcp"
}
}
}VS Code (mcp.json)
{
"servers": {
"matrix-compute": {
"type": "http",
"url": "https://mcp.matrix-compute.net/mcp"
}
}
}Claude Code
claude mcp add --scope user matrix-compute -- uvx matrix-compute-mcpClaude Desktop (claude_desktop_config.json)
{
"mcpServers": {
"matrix-compute": {
"command": "uvx",
"args": [
"matrix-compute-mcp"
]
}
}
}Cursor (~/.cursor/mcp.json)
{
"mcpServers": {
"matrix-compute": {
"command": "uvx",
"args": [
"matrix-compute-mcp"
]
}
}
}VS Code (mcp.json)
{
"servers": {
"matrix-compute": {
"type": "stdio",
"command": "uvx",
"args": [
"matrix-compute-mcp"
]
}
}
}MATRIX_NOSTR_RELAYS envMATRIX_SETTLEMENT_API_URL envMATRIX_NWC_URI 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: matrix-compute-mcpSegún cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se conectan por internet en
ClaudeChatGPTGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast
Se ejecutan en tu computadora en
ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Nombres y descripciones de las herramientas tal como los informó el servidor el 16 nov 2026. Los escribió el creador, no nosotros; los mostramos como texto sin formato.
get_network_statusQueries the Matrix Compute discovery relay for live GPU worker availability, total VRAM capacity, confidential computing (TEE) enclaves, and sats_per_gflop pricing.
estimate_job_costCalculates exact upload/download network bandwidth (MB), task count, GFLOPs, and satoshi cost estimates for a distributed matrix multiplication C (m x n) = A (m x k) x B (k x n).
execute_distributed_matmulExecutes verified distributed matrix multiplication C = A x B across decentralized GPU workers with dynamic Freivalds verification and L402 settlement. Accepts file paths (.npy, .npz, .safetensors) or inline 2D JSON arrays.
batch_similarity_searchRuns exact cosine similarity search between query embeddings (M x D) and corpus embeddings (N x D) on distributed GPUs using OUTPUT_GRID_2D zero-reduction tiling.
compute_pca_svdComputes verified top-k Principal Component Analysis (PCA) / Singular Value Decomposition (SVD) on distributed GPU workers via randomized subspace iteration or stateful power iteration.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 20 nov 2026
Quien lo publicó (matrix-compute-website.pages.dev) no es el dueño del repo (matrixmultiplyconsortium); puede que otra persona lo haya listado
Último cambio de código: hace 4 días
Usa Apache-2.0
Respondió en 225 ms (HTTP 200)
No hace falta iniciar sesión
Leímos 5 descripciones de herramientas y no encontramos instrucciones ocultas para la IA
Sin entradas en OSV.dev para matrix-compute-mcp@0.1.3
Solo revisa esta versión del paquete, no todas sus dependencias · revisado 16 nov 2026
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/pages-matrix-compute-website-matrix-compute-mcp)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 4 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.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Funciona de las dos formas: instálalo en tu computadora o conéctate a la versión en la nube.
El repo de GitHub cambió por última vez hace 4 días, y la última versión (0.1.3) llegó al registro hace 4 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: 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.
Official Exa MCP 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 Matrix Compute MCP | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | En la nube o instalado 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 | 4/5 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| Licencia | Apache-2.0 | 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.
matrix-compute-mcp: Official MCP Server & High-Level Verifiable AI Primitivesmatrix-compute-mcp is an official Model Context Protocol (MCP) server and high-level AI primitives package built on top of matrix-compute-sdk that provides:
DistributedLinear, DistributedLoRALinear), massive exact cosine similarity search (distributed_cosine_similarity), and distributed spectral PCA/SVD (distributed_pca_svd) — all verified in $O(n^2)$ via Freivalds' algorithm.stdio (uvx matrix-compute-mcp) or remote Streamable HTTP (https://mcp.matrix-compute.net/mcp) with L402 Macaroon, NWC (nostr+walletconnect://), or zero-drain trial sandbox support.stdio MCP Client Configuration (Claude Desktop / Cursor / Antigravity){
"mcpServers": { "matrix-compute": { "command": "uvx", "args": ["matrix-compute-mcp"], "env": { "MATRIX_NOSTR_RELAYS": "wss://relay.matrix-compute.net", "MATRIX_SETTLEMENT_API_URL": "https://settlement.matrix-compute.net" } } } }
Point any Streamable HTTP MCP client directly to:
https://mcp.matrix-compute.net/mcp
| Tool Name | Description |
|---|---|
get_network_status | Queries the discovery relay for live GPU worker count, total VRAM, TEE enclaves, and sats_per_gflop pricing. |
estimate_job_cost | Computes exact upload/download bandwidth (MB), task count, GFLOPs, and satoshi cost estimates via BandwidthProfiler. |
execute_distributed_matmul | Executes verified distributed matrix multiplication $C = A \times B$ from .npy, .npz, .safetensors, or inline tensors. |
batch_similarity_search | Runs massive exact $K$-NN cosine similarity search using OUTPUT_GRID_2D zero-reduction tiling. |
compute_pca_svd | Runs verified top-$k$ randomized SVD or stateful remote-VRAM power-iteration PCA/SVD. |
matrix_compute_mcp.ai)import numpy as np
from matrix_compute_mcp.ai import ( DistributedLinear, DistributedLoRALinear, distributed_cosine_similarity, distributed_pca_svd, )
scores, indices = distributed_cosine_similarity(queries, corpus_embeddings, top_k=10)
layer = DistributedLinear(in_features=4096, out_features=4096) lora_layer = DistributedLoRALinear(in_features=4096, out_features=4096, r=16, lora_alpha=32.0)
U, S, Vt = distributed_pca_svd(embeddings, k=32, method="randomized")