プロトタイプ · プレビュー版:公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。レビューとアカウント機能は今後のステップで始まります。
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説

Bench Agent Discovery

作者:VirajMishra1バージョン 0.1.0i★ –iクラウドで動く
レジストリ名io.github.VirajMishra1/bench

インストール

概要

作者による説明(英語の原文)

Discover public AI agents, reusable recipes, and trusted benchmark evidence by task.

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

  • 接続方法: クラウドで動く
  • トランスポート: Streamable HTTP
  • カテゴリ: 文書・表計算・事務作業

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

  • 基本チェック:1項目中1項目に合格
  • 作者のサーバーで動きます。あなたが頼んだ内容は、作者のサーバーを通ります。
  • レジストリには、入力が必要なキーは載っていません。

必要なもの

どのアプリを使っていますか?

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

ウェブ、デスクトップ、モバイルのClaudeで使えます:

  1. Settings → Connectors を開く
  2. Add custom connector を押す
  3. 下のアドレスを貼り付けて Add を押す
  4. サインインを求められたら、作者のサービスにサインインする
SettingsConnectors1+ Add2https://…3
https://bench.virajmishratakehome.workers.dev/mcp

ターミナルでこれを実行します

claude mcp add --transport http bench https://bench.virajmishratakehome.workers.dev/mcp

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

{
  "mcpServers": {
    "bench": {
      "url": "https://bench.virajmishratakehome.workers.dev/mcp"
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

{
  "servers": {
    "bench": {
      "type": "http",
      "url": "https://bench.virajmishratakehome.workers.dev/mcp"
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

ChatGPTがつなげるのは、インターネット上のサーバーだけです:

  1. ウェブ版のChatGPTを開き → Settings → Connectors (Apps)
  2. Create または Add を押す(プランによっては、先に Advanced で Developer mode をオンにする必要があります)
  3. 下のアドレスを貼り付け、名前を付けて保存する
  4. サインインを求められたら、作者のサービスにサインインする
SettingsConnectors1+ Create2https://…3
https://bench.virajmishratakehome.workers.dev/mcp

メニューの名前は、プランや時期によって少し違うことがあります。

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

このサーバーのツール一覧はまだ読み取っていません。エンドポイントは順番にチェックしています。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月7日にチェック

  • ✓ 合格

    作者とリポジトリが一致

    レジストリ名は、リポジトリを所有するGitHubアカウント VirajMishra1 で確認済みです

  • … 未チェック

    今もメンテナンスされている

    このリポジトリはまだGitHubから読み取っていません

  • … 未チェック

    ライセンスがある

    このリポジトリはまだGitHubから読み取っていません

  • … 未チェック

    エンドポイントが応答する

    まだチェックしていません。エンドポイントは順番にチェックしています

  • … 未チェック

    OAuthでサインイン

    まだチェックしていません。エンドポイントは順番にチェックしています

  • … 未チェック

    ツールの説明に隠れた指示がない

    まだチェックしていません。エンドポイントをチェックするときにツール一覧を読み取ります

文書・表計算・事務作業のほかのサーバーとの比較i

  • このカテゴリのほかの2197件のうち0%よりスターが多い
  • このカテゴリのほかの2197件のうち16%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの2197件のうち100%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Bench Agent Discoveryは安全ですか?

当てはまる基本チェック1項目のうち1項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか?

レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。

パソコンで動きますか、それともクラウドですか?

作者のクラウドで動きます。インストール不要でインターネット経由でつながりますが、送った内容は作者のサーバーを通ります。

今もメンテナンスされていますか?

GitHubリポジトリの最終更新は–、最新バージョン(0.1.0)がレジストリに届いたのは4 か月前です。

どのアプリで使えますか?

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。URLでつながるので、リモートMCPサーバーに対応したアプリ(開発者モードのChatGPTなど)でも使えます。

代わりに使えるものは?

同じカテゴリには:Agent-Native Calendar, Excel MCP Server, MCP Server for Excel

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方:★ GitHubスターi3つの柱:レビュー · チェック · 利用状況i更新=最新バージョンをレジストリに公開した日i

Excel MCP Server

作者:haris-musa

Create and edit Excel files with AI: charts, PivotTables, formulas. No Excel needed.

パソコンで動く★ 4,276MIT6 日前更新
インストール

MCP Server for Excel

作者:sbroenne

Excel automation for AI - Sheets, Power Query, DAX, VBA, Tables, Ranges and more. Windows only.

パソコンで動く★ 847MIT4 日前更新
インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

bench

See what the best agents do differently.

One line of code. Live dashboard, public profile, README badge.


What is this?

You built an AI agent. You ran it a few times. But you have no idea if it's actually working well — which tasks fail silently, what it costs per run, or how it compares to anything else.

Bench fixes that. Wrap your agent with one function call. You get:

  • A public profile page showing runs, success rate, cost, and latency
  • An auto-score on every task (0–1, LLM-as-judge)
  • AI-generated summaries of your failure patterns
  • A README badge that stays live and updates as your agent runs
  • A public leaderboard so anyone can discover your agent

It's like GitHub for agents — observable, shareable, and public by default.

Want to see it before signing up? Try the sandbox at /try — no signup needed.


Setup (3 minutes)

Sign in at bench.virajmishratakehome.workers.dev with GitHub. The dashboard gives you a copyable setup bundle — install command, API key, and first task template. It listens for your first event and links straight to your profile when it arrives.

Or do it manually:

npm install @virajmishra1/bench-sdk

export BENCH_KEY="bk_..."

import { observe } from "@virajmishra1/bench-sdk";

const agent = observe({ apiKey: process.env.BENCH_KEY, agent: "my-agent" });

await agent.task("search", { query }, async (t) => { const result = await doSearch(query); t.log("found", result.length); t.cost(0.004); return result; });

That's the whole SDK. Everything else is optional.

Python:

pip install bench-observe

export BENCH_KEY="bk_..."

import bench

agent = bench.observe(api_key=os.environ["BENCH_KEY"], agent="my-agent")

async with agent.task_ctx("search", {"query": query}) as task: result = await do_search(query) task.log("found", len(result)) task.set_output(result)

Already on OpenTelemetry? Point your exporter at Bench instead:

export OTEL_EXPORTER_OTLP_ENDPOINT=https://bench.virajmishratakehome.workers.dev

export OTEL_EXPORTER_OTLP_PROTOCOL=http/json export OTEL_EXPORTER_OTLP_HEADERS="X-Bench-Key=bka_...,X-Bench-Agent=my-agent"

Bench understands standard gen_ai.* spans — invoke_agent, execute_tool, chat, retrieval, and more.

Prefer a CLI? The stack-detecting CLI auto-instruments OpenAI, Anthropic, Vercel AI SDK, Mastra, and LangChain:

npx @virajmishra1/bench-cli init --install

npx @virajmishra1/bench-cli login


What you get

FeatureDescription
Live dashboardReal-time event stream while your agent runs. WebSocket, zero polling.
Public profile/u/you/your-agent — shareable, OG-image ready, server-rendered
README badgeLive SVG badge. Updates automatically. GitHub camo-friendly.
LLM evalEvery task auto-scored 0–1 by a Llama 3.3 70B judge. Score logic is open.
Failure insightsk-means clustering + LLM description of what keeps going wrong
LeaderboardBrowse public agents by runs, success rate, eval score, or cost
Compare/vs/@a/agent1/@b/agent2 — side-by-side quality, cost, latency
BenchmarksVersioned benchmark suites with repeated runs and evidence trails. Separate from self-reported telemetry.
MCP discoveryPublic read-only MCP server — search_agents, get_agent, list_benchmarks
Embed widget -ready mini-dashboard, 3 sizes, dark/light
Privacy controlsHide inputs/outputs, make agents private, per-key access
Permissioned reusePublish capabilities with deny-by-default policies and quotas

Framework adapters

Drop-in wrappers that auto-instrument your existing LLM calls:

// Anthropic — wraps every messages.create() call

import { wrapAnthropic } from "@virajmishra1/bench-anthropic"; const client = wrapAnthropic(new Anthropic(), bench);

// OpenAI — wraps chat completions, responses, and embeddings import { wrapOpenAI } from "@virajmishra1/bench-openai"; const client = wrapOpenAI(new OpenAI(), bench);

// Vercel AI SDK — wraps generateText / streamText / generateObject import { track } from "@virajmishra1/bench-vercel-ai"; const result = await track(bench, "summarize", () => generateText({ model: anthropic("claude-sonnet-4-6"), prompt: "..." }) );

// Mastra import { wrapMastra } from "@virajmishra1/bench-mastra";


Let your AI find agents

Bench exposes a public MCP server at /mcp. Connect it to Claude Code:

claude mcp add --transport http bench https://bench.virajmishratakehome.workers.dev/mcp

Or Codex:

codex mcp add bench --url https://bench.virajmishratakehome.workers.dev/mcp

Tools available: search_agents, get_agent, list_benchmarks. Search returns only public agents. Owner telemetry and benchmark evidence are labeled separately.

See MCP.md for full tool schemas and the privacy model.


Architecture

Bench runs entirely on Cloudflare. Each product is doing a specific job:

SDK (npm: @virajmishra1/bench-sdk)

| batched events, X-Bench-Key v POST /ingest <- Workers (Hono) | +-> D1 --- users, agents, tasks, events | +-> AgentDO --- one Durable Object per agent | +- ring buffer (last 1k events, SQLite in DO storage) | +- latency histogram (p50, p95) | +- hibernating WebSocket -> live dashboards | +-> EvalWorkflow --- runs per task.end | +- Workers AI (Llama 3.3 70B) -> score 0-1 + reasoning | -> writes back to D1.tasks | -> updates agents.avg_eval_score | +-> ClusterWorkflow --- on-demand + hourly cron +- k-means on task embeddings -> cluster labels -> Workers AI LLM describes each cluster -> stored in agents.failure_clusters

Public surfaces: /u/:login/:slug -> profile page (server-rendered, OG image) /badge/:login/:slug.svg -> README badge (KV-cached 60s) /embed/:login/:slug -> iframe widget (3 sizes, dark/light) /leaderboard -> discovery (5 sort modes) /vs/:a/:b -> compare two agents /try -> sandbox (no signup) /benchmarks -> verified benchmark registry /mcp -> read-only MCP server /api/agents/:l/:s/insights -> failure pattern analysis (JSON)

The key design decision is the actor model: every agent gets its own Durable Object. That DO holds the last 1,000 events in SQLite, a latency histogram, and a hibernating WebSocket connection — zero idle cost, no polling.

Cloudflare products used
ProductRole
WorkersAPI, profile rendering, badge generation
Durable ObjectsOne per agent — ring buffer, latency histogram, hibernating WebSocket
D1Users, agents, tasks, events
KVToken lookup cache, badge SVG cache, OG image cache
Workers AILlama 3.3 70B — LLM judge + failure pattern descriptions
WorkflowsDurable retry for EvalWorkflow and ClusterWorkflow
Browser RenderingOG share images (SVG → PNG)
AssetsStatic frontend (landing, dashboard, JS, CSS)

SDK reference

const agent = observe({

apiKey: string; // bk_xxx — from your dashboard agent: string; // slug, e.g. "my-agent" displayName?: string; endpoint?: string; // default: bench.virajmishratakehome.workers.dev flushIntervalMs?: number; // default: 2000 maxBatchSize?: number; // default: 50 });

// Wrap a task — records start/end/duration/status/eval automatically await agent.task("name", input, async (task) => { task.log("label", value); // attach a log event task.cost(0.003); // report LLM spend (owner-reported) return result; // returned value becomes the task output });

// Fire a custom event agent.event("custom", { key: "value" });

// Flush immediately (auto-runs on batch full or interval) await agent.flush();

task.cost() calls are labeled "owner-reported" in the UI. Framework adapters attach provider and token evidence, labeled separately.

Errors are swallowed silently — observability should never crash your agent.


Self-host

git clone https://github.com/VirajMishra1/bench

cd bench && npm install

cd packages/worker npx wrangler login

Create infrastructure

npx wrangler d1 create bench-db npx wrangler kv namespace create CACHE npx wrangler kv namespace create SESSIONS

Paste the returned IDs into wrangler.jsonc, then:

npx wrangler secret put SESSION_SECRET # any random 32+ char string npx wrangler secret put GITHUB_OAUTH_CLIENT_SECRET # from github.com/settings/developers

Apply schema and deploy

npm run db:remote npm run deploy


File layout

bench/

+-- packages/ | +-- sdk/ <- @virajmishra1/bench-sdk | +-- adapters/ | | +-- anthropic/ <- @virajmishra1/bench-anthropic | | +-- openai/ <- @virajmishra1/bench-openai | | +-- vercel-ai/ <- @virajmishra1/bench-vercel-ai | | +-- mastra/ <- @virajmishra1/bench-mastra | | +-- langchain/ <- bench-langchain | +-- worker/ <- Cloudflare Worker (all backend + frontend) | +-- src/ | | +-- index.ts <- Hono routes | | +-- ingest.ts <- POST /ingest | | +-- profile.ts <- public profile page | | +-- badge.ts <- SVG README badge | | +-- embed.ts <- iframe widget | | +-- leaderboard.ts <- discovery page | | +-- compare.ts <- /vs/:a/:b | | +-- do/agent.ts <- AgentDO (actor per agent) | | +-- workflows/ | | +-- eval.ts <- LLM judge per task | | +-- cluster.ts <- failure clustering | +-- public/ <- landing, dashboard, styles | +-- migrations/ <- D1 schema history +-- benchmarks/ | +-- grounded-research-v1/ <- example benchmark suite + cases | +-- eval-prompts.md <- open-source judge prompts +-- examples/ <- runnable example agents


License

MIT — see LICENSE

Built by @virajm1shra on Cloudflare.

PopNxに聞く