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
Benzi
Resumen
Descripción del creador (original en inglés)
Compiler-backed code intelligence: calls, data flow, references and class hierarchy as tools.
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.
- Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
- Nuestras revisiones básicasi0 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
- UsoiAún sin medir★ –
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
- Revisiones básicas: 0 de 1 superadas
- Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
- El registro no indica ninguna clave que completar.
Necesitas
- PyPIuv de Python instalado (para el comando uvx)
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"benzi": {
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add benzi -- uvx benzi-mcpO copia la configuración tú
Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"benzi": {
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}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.
O copia la configuración tú
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"benzi": {
"type": "stdio",
"command": "uvx",
"args": [
"benzi-mcp"
]
}
}
}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 6 nov 2026
- ! Precaución
El creador coincide con el repo
Quien lo publicó (varianttech.net) no es el dueño del repo (oooscoos); puede que otra persona lo haya listado
- … 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 32403 servidores de esta categoría
- Publicado en el registro más recientemente que el 84% de los otros 32403 servidores de esta categoría
- Revisiones básicas iguales o mejores que el 35% de los otros 32403 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 Benzi?
Superó 0 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 (0.1.7) llegó al registro hace 6 días.
¿Qué apps pueden usarlo?
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.
¿Qué puedo usar en su lugar?
En la misma categoría: Spec Driven Development, Remote Desktop Commander, LickityClick
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
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 ayer
Instalar
LickityClick
de lickity.click
Create, edit and track LickityClick short links, campaigns and click stats from your AI assistant.
Computadora o nubeActualizado 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.
Language Agnostic · Model Agnostic · Compiles Locally · BYOK · MCP Compatible
Contents
— What is Benzi —
— Live demos —
— Language support —
— Getting started —
— SWE-bench Verified —
— How it works —
— Toolset —
— Features —
— Benzi vs CC, DSH, OC —
— FAQ and Benzi's map vs LSP/SCIP indexers —
What is Benzi
Most AI coding agents grep and glob raw source code into AI model's context window and hope the model finds what matters. Benzi parses every file first — a real compiler, built on tree-sitter — into a precise, queryable map. Every symbol, every call edge, every reference, every class in its inheritance chain. One pass, done.
Every file parsed, imports resolved, class ancestry built, every identifier traced to its definition — before a single question is answered. Call flow and data flow join at every call site, so a bad value traces to its origin in one tool call. Claude Code greps; Cursor embeds; Aider maps signatures; Benzi resolves — in O(1). Ten languages so far, plus a markup engine for HTML, CSS, and DOM-JS — see Language support. Benzi is free to use during beta.
You can try pasting this repo's link to Benzi in the live demo too!
Benzi on SQLite
Like where this is headed? A ⭐ goes a long way.
Live demos
[StallionSwipe](BENZI_GREENFIELDING_EXAMPLES/horse_tinder/) · Python, HTML, CSS, JS — a dating app for horses, greenfielded by Benzi from scratch in a single chat session. No image is a file: every horse portrait is procedural SVG, generated in code. Match with one and it flirts back through a real model, live. Frontend, backend, and the prompts — all written by Benzi. Try it live.
Or, try any repo of your choice at all here — point Benzi at any public GitHub repo and it builds the index live. varianttech.net/demo.
Language support
Python · JavaScript · TypeScript · Java · C# · C++ · C · Go · Rust · Ruby
One compiler, ten languages — each is a tree-sitter grammar plugin, so the core of the map (symbols, call edges, references, inheritance, data flow) is built the same way everywhere.
Depth is uneven. Python is deepest, and the only one with the runtime tracer. Every language reaches the core of the map, but each has its own constructs, not all modelled yet. For most code, every other language's map comes close to Python's.
Incremental reindexing is also less optimized for C, C++, Rust, and Ruby — it works, just not as fast on a large edit loop.
Wrong or thin answer in your language? Open an issue with the repo, the question, and what it got wrong — that's how the uneven parts get found.
Getting started
Benzi is completely free to use during beta. There are two ways to use it, and they share one login: the same benzi-login config works everywhere.
- The Benzi agent — Benzi's own agent, running on the compiled index, in VS Code or from the terminal. These features are part of the agent itself, so they come with VS Code and headless and are not available over MCP:
- Runtime tracer — runs your code and records what actually happened: which target each ambiguous call really hit, with the real argument values.
- Static-analysis-gated edits — every write is syntax-checked and checked against a fresh index before the next step; an edit that breaks the code is rolled back instead of built on.
- Blast radius before and after every edit — who calls the symbol, who holds it, and what feeds its parameters, before the change and again once it lands.
- Self-aware upgrade to pro — when a task outgrows the model it's running on, the agent upgrades itself to a larger model, then drops back when the task is done. Set
BENZI_ESCALATE_MODEL=deepseek-pro(or another model alias) to turn it on. - Persistent memory and rollback — per-repo facts that survive restarts, and one-step undo of any edit.
Run it either way:
- VS Code extension — VS Code Marketplace
- Install Benzi from the VS Code Marketplace.
- Click the Benzi icon in the left activity bar (circled below) to open the Benzi: Settings panel.
- Pick your model and paste your API key: an Anthropic key, or a non-Anthropic one (DeepSeek, Groq, Kimi and others).
- Enter your email and press Send, then type in the one-time code it emails you.
- Press Save model & keys, then Run Benzi.
- Headless CLI — PyPI
The same steps as the VS Code extension, from your terminal: install, log in, set your model and key, then run.
bash pip install benzi
Python 3.11–3.14 on Windows, macOS and Linux. Installs the benzi-login, benzi-headless and benzi-mcp commands.
1. Log in — emails you a one-time code to type in.
bash benzi-login --login you@example.com
2. Set your model and key
bash benzi-login --model deepseek benzi-login --nonanthropic-key YOUR_KEY # or for Claude models: benzi-login --anthropic-key YOUR_KEY
3. Run it on a repo — from the terminal, for scripts and CI.
bash benzi-headless . "fix the failing test in parser.py"
- The Benzi compiler as an MCP server — the compiled index, served as tools to the agent you already use: Claude Code, Cursor, or any MCP client. This is the map without Benzi's agent loop, so output quality depends on your agent, and the agent features above aren't included.
The steps are the same as headless: pip install benzi, then log in with benzi-login. You can skip the model and key, because your own agent does the model calls. Then register benzi-mcp with your agent instead of running benzi-headless. For example, in Claude Code, once for all your projects:
claude mcp add --scope user benzi -- benzi-mcpbenzi-mcp then serves whichever folder you start Claude Code in, so switching projects needs nothing extra. To pin it to one repo no matter where you start, pass that repo's path:
claude mcp add --scope user benzi -- benzi-mcp /path/to/your/repoVS Code's settings panel and benzi-login share one config: log in once, and VS Code, headless and MCP all use it.
SWE-bench Verified
The full SWE-bench Verified set — 500 real GitHub issues from twelve Python repositories — run end to end on DeepSeek V4.1-Flash, one attempt per instance, graded by the official swebench.harness.run_evaluation inside its own per-instance Docker images, with network access to GitHub and PyPI blocked inside every container. 413 of 500 resolved (82.6%) for $9.26 in total, 1.85¢ per task, with 97.6% of input tokens served from cache.
| Resolved | 413 / 500 (82.6%) |
| Attempts per instance | 1 (pass@1) |
| Model | DeepSeek V4.1-Flash, thinking mode at its default effort |
| Total generation cost, all 500 | $9.26 |
| Cost per task | $0.0185 |
| Model turns: total / median per instance | 13,281 / 20.5 |
| Input tokens served from prompt cache | 97.6% |
| Output tokens, total (of which reasoning) | 8.7M (6.2M) |
Full technical report: swebench-october-run2/SWE_BENCH_REPORT.md (web version). Every instance's cost, tokens and turns: varianttech.net/benchmark_swebench. The cross-harness efficiency comparison below (and the full 24-bug chart): varianttech.net/benchmark.
<img src="https://raw.githubusercont
Solo se muestra el principio; lee el resto en el repo