rea
Reverse engineer anything with agents, from app behavior down to native binaries.
Self-hosted homelab dashboard with a built-in read-only MCP server (hosts, Docker, GPU, services).
Texto original del autor
Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este
Reverse engineer anything with agents, from app behavior down to native binaries.
A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 29/80 | 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 | 41/100 |
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.
Pasó 3/3 revisiones · Funciona en tu computadora
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
1 ajuste(s) que rellenar (HOMELAB_MONITOR_URL) · Instala Docker 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
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
docker --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Instala Docker Desktop: en Mac abre Docker.dmg y arrastra el icono a Aplicaciones (elige Apple silicon o Intel según tu Mac) · en Windows haz doble clic en Docker Desktop Installer.exe · luego abre la app Docker Desktop y déjala abierta. No necesitas ningún comando curl
Abrir la página de descarga de Docker ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: docker --version
Se instala una vez y sirve para todo lo que usa Docker
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
HOMELAB_MONITOR_URL URL base del panel de HomeLab Monitor en ejecución (p. ej., http://YOUR-HUB:9800). Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
SettingsDeveloperEdit Config
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
Usa HomeLab Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando HomeLab Monitor o muestra una herramienta de HomeLab Monitor 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.
MCP_TRANSPORT Modo de transporte: stdio (valor predeterminado para esta entrada del paquete) o http 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 HomeLab Monitor
HomeLab Monitor se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar HomeLab Monitor
B · Otros en Herramientas para desarrolladores 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, pero hay que preparar algo antes
1 ajuste(s) que rellenar (HOMELAB_MONITOR_URL) · Instala Docker en tu computadora primero (una sola vez)
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
docker --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Instala Docker Desktop: en Mac abre Docker.dmg y arrastra el icono a Aplicaciones (elige Apple silicon o Intel según tu Mac) · en Windows haz doble clic en Docker Desktop Installer.exe · luego abre la app Docker Desktop y déjala abierta. No necesitas ningún comando curl
Abrir la página de descarga de Docker ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: docker --version
Se instala una vez y sirve para todo lo que usa Docker
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
HOMELAB_MONITOR_URL URL base del panel de HomeLab Monitor en ejecución (p. ej., http://YOUR-HUB:9800). Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
Deberías ver HomeLab Monitor en la lista como conectado
Usa HomeLab Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude Code dice que está usando HomeLab Monitor o muestra una herramienta de HomeLab Monitor 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.
MCP_TRANSPORT Modo de transporte: stdio (valor predeterminado para esta entrada del paquete) o http 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
1 ajuste(s) que rellenar (HOMELAB_MONITOR_URL) · Instala Docker en tu computadora primero (una sola vez)
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
docker --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Instala Docker Desktop: en Mac abre Docker.dmg y arrastra el icono a Aplicaciones (elige Apple silicon o Intel según tu Mac) · en Windows haz doble clic en Docker Desktop Installer.exe · luego abre la app Docker Desktop y déjala abierta. No necesitas ningún comando curl
Abrir la página de descarga de Docker ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: docker --version
Se instala una vez y sirve para todo lo que usa Docker
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
HOMELAB_MONITOR_URL URL base del panel de HomeLab Monitor en ejecución (p. ej., http://YOUR-HUB:9800). Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
En la configuración de HomeLab Monitor, HOMELAB_MONITOR_URL está vacío; añade tu clave y guarda
Usa HomeLab Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Cursor dice que está usando HomeLab Monitor o muestra una herramienta de HomeLab Monitor 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.
MCP_TRANSPORT Modo de transporte: stdio (valor predeterminado para esta entrada del paquete) o http 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
1 ajuste(s) que rellenar (HOMELAB_MONITOR_URL) · Instala Docker en tu computadora primero (una sola vez)
¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter
docker --versionMac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter
Windows: abre Inicio, escribe Windows PowerShell y elige Abrir
Si no está instalado: Instala Docker Desktop: en Mac abre Docker.dmg y arrastra el icono a Aplicaciones (elige Apple silicon o Intel según tu Mac) · en Windows haz doble clic en Docker Desktop Installer.exe · luego abre la app Docker Desktop y déjala abierta. No necesitas ningún comando curl
Abrir la página de descarga de Docker ↗
Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: docker --version
Se instala una vez y sirve para todo lo que usa Docker
Son ajustes del programa, no claves. No hace falta registrarse; rellénalos como explica el autor.
HOMELAB_MONITOR_URL URL base del panel de HomeLab Monitor en ejecución (p. ej., http://YOUR-HUB:9800). Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
En la configuración de HomeLab Monitor, HOMELAB_MONITOR_URL está vacío; añade tu clave y guarda
Usa HomeLab Monitor y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si VS Code dice que está usando HomeLab Monitor o muestra una herramienta de HomeLab Monitor 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.
MCP_TRANSPORT Modo de transporte: stdio (valor predeterminado para esta entrada del paquete) o http 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
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
Claude Desktop (claude_desktop_config.json)
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
Cursor (~/.cursor/mcp.json)
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
VS Code (mcp.json)
Revisando los comandos · los botones de copiar aparecen cuando pasan la revisión
HOMELAB_MONITOR_URL obligatorio envMCP_TRANSPORT 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.
oci: docker.io/sikamikaniko123/homelab-monitor:0.14.2Según 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 21 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub SikamikanikoBG, dueña del repo
Último cambio de código: ayer
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
No revisado: solo se pueden revisar paquetes npm y PyPI con versión
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/sikamikanikobg-homelab-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 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 ayer, y la última versión (0.14.2) llegó al registro hace 5 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Docker en tu computadora.
En la misma categoría: GitDiagram, Appllama, Cloudflare MCP, Omnara, Repowise
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
Architecture diagrams, explanations and Mermaid source for public GitHub repositories.
Study screens, flows and paywalls from top-earning iOS apps, then build from what wins.
Cloudflare MCP servers
Deploy durable AI agents with Omnara, an open-source managed-agent platform.
Codebase intelligence for AI coding agents: graph, git history, docs, decisions, code health.
| Este HomeLab Monitor | GitDiagram | Appllama | Cloudflare MCP | Omnara | Repowise | |
|---|---|---|---|---|---|---|
| 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 | En la nube o instalado en tu equipo |
| Necesita clave | No | No | No | No | No | No |
| Se añade con + en Claude | No | No | No | Sí | No | No |
| Revisiones básicas | 3/3 | 4/4 | 4/4 | 4/4 | 4/4 | 5/5 |
| Licencia | MIT | MIT | MIT | Apache-2.0 | Apache-2.0 | AGPL-3.0 |
| 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.
Ask your homelab. One self-hosted page for every box and GPU you run — and an AI agent that reads all of it, answers in plain words, and fixes things only when you say so. It runs on the models already in your lab. No cloud, nothing to install on your machines.
Real answer, real fleet: one click on the Overview, a local model on the lab's own GPUs, about 45 seconds (sped up here). Host names are anonymised.
Your home lab grew into a couple of machines, a Pi, and a GPU that's mysteriously always busy — and lately it's running models too. HomeLab Monitor gives you one page that answers the real questions: what's that GPU actually doing, which model is holding it, what's it costing you to run, which container is eating RAM, what's filling your disks, and is anything down — across every box over SSH: Linux, a Pi, even Windows. And when you'd rather not click through tabs, just ask.
# Grab the compose file and go. No GPU required — the GPU panels just light up when one's present.
curl -fsSLO https://raw.githubusercontent.com/SikamikanikoBG/homelab-monitor/main/docker-compose.yml docker compose up -d
Open http:// :9800 and you're done. The AI agent is already there: the Overview walks you through turning it on in about a minute. Full options (from source, GPU toolkit, Windows/WSL2) → Install docs.
🆕 What's new — every release is written up in full, with the reasoning behind it: latest release · changelog. The dashboard also shows you the notes once, in-app, after it updates itself.
It answers from what the dashboard actually measures. Ask from the Ask your lab card on the Overview, the floating Ask button on any page (it knows which page and host you're on), or the Agent tab. It reads your lab with the same tools the MCP server has, starts from the fleet overview and drills down only when it has to. The answer comes back as text and tables, never a wall of JSON. Every answer says what it checked ("Checked 4 machines · 2 look-ups · 46 s") and offers follow-ups. Ask in English, Bulgarian or anything else; it replies in your language.
| A real answer — the whole fleet in one table, then what needs you. | Nothing runs until you approve. The exact command is one click away. |
Your models, your rules. It finds the model servers already on your network — Ollama, vLLM, llama.cpp, LM Studio, LocalAI — and tests them while you watch, or takes your own key for OpenAI, Anthropic, Gemini, Groq, Mistral, OpenRouter and others. Keys never leave the hub.
You decide what it may do. Each machine is *Look only*, *Ask me first* or *Handle the small stuff*. Actions come from a fixed catalogue — restart or stop a container, restart a service, prune dangling images and build cache, shrink the journal, unload or delete an Ollama model — with no shell anywhere. The server checks the policy when the agent proposes an action and again when it runs. The monitor's own container and whatever serves the model are always off-limits.
Routines that run while you sleep. Ten ready-made ones — disk-space watch, GPU health, container health, Docker cleanup, model housekeeping, update and cost reports, backup freshness and more — or your own prompt, on a schedule. Each one can report, propose actions or act within your policy. Reports go to your alert channels, and proposals wait for you under Approvals.
Every step on the record. Activity shows what each run read, what the policy decided and why, and who approved it. You can export it as JSON or CSV, and every action is also written to docker logs.
Off until you turn it on, and only ever behind the dashboard login → AI agent docs.
One page, every box, the questions you actually have. The classics are all here — and a whole AI cockpit builds on top of them.
A front page for your lab — and a wall screen. The Overview opens with a Launchpad: the apps you actually open, as tiles with their real logos, pinned straight from a container row with the address already filled in, grouped and dragged into the order you want. Pins live on the hub, not in one browser — pin it on the laptop and it's there on the phone and on the wall. The whole board fits the screen: it measures its own overrun after every paint and gives ground in order — trimming lists, tightening the fleet rail, folding pins behind a +N more — rather than clipping a card in half or running past the fold. Verified from 4K down to 1366×768. And ⛶ Display (or /?display=1, all a dedicated kiosk box needs) drops every scrap of chrome and fills the monitor: you choose which panels the wall shows, and on Chromium-based browsers it opens full-screen on whichever screen you point it at.
Your GPU, demystified — and the same tab on every box. A card pinned at "100% util" can still be throttling, memory-bandwidth-bound, or quietly drooping its clocks. The GPU tab decodes nvidia-smi's throttle reasons, and shows memory-bandwidth util, core/mem clocks, power-vs-limit, p-state — and fan speed — for *every* machine in the fleet, not just the one running the container. Multi-GPU boxes get one panel per card on a shared scale per metric, so a taller temperature line really is a hotter card; thermal-throttle windows are shaded right on the sparkline. You can see which card a service is sitting on (a 3×3090 box shows a model's 63 GB split 22.5 / 22.1 / 18.8 across the cards, not one pooled number), what each service cost in energy, and get alerted when a card throttles, overheats or loses a fan — sustained, per card, with per-host thresholds, because a box running a deliberately lowered power limit is *supposed* to sit at its cap. And it's no longer NVIDIA-only: AMD GPUs are read on Linux straight from the kernel's amdgpu interface (no ROCm), and AMD and Intel GPUs on Windows hosts — so your card shows up with its name, utilisation and VRAM, no vendor tools required. Anything a driver won't report says so, instead of drawing a confident zero.
What it costs — down to the process. Power becomes money: per machine, then per component (GPU measured via nvidia-smi, CPU/DRAM via RAPL), then per process, container or model — click any row to see what it drew and what it cost over any window. Day & night tariffs (Economy 7, Heures Creuses, …), or just pick your country for a sensible estimate. Every watt is measured or a baseline you set; wall power is never guessed. And a busy-hours heatmap turns months of samples into one picture of *when* your lab costs you money — a 7×24 day-of-week × hour grid that shows which hour of the week is priciest at a glance.
Your training runs, priced. Push a run from Jupyter, Colab or Kaggle with a one-file client (or mirror it from MLflow), and it comes back with the loss curve *and* the GPU energy the box drew over the run window, on the same timeline. That window figure is the whole card's draw, not a per-run measurement — GPUs do not meter per process. Create, name, expire and revoke API keys yourself.
"Will it fit?" — measured, not guessed. The Benchmark Lab loads each of your local ollama models and sweeps a ladder of context sizes on your actual cards, recording generation & prompt tokens/sec, load time, how much spilled from VRAM into system RAM, and the largest context that still fits fully in VRAM — the cap worth setting. Pick which GPU(s) to test (via a throwaway pinned ollama container — your main one is never touched), overlay stored runs to compare cards, and every run comes back with the energy it burned and what it cost. Results are stored: benchmark once, re-run only when something changes.
And the rest of the lab, the way it always was: