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
初心者モード オン
配色システムに合わせるライトダーク
言語ไทยEnglish中文日本語한국어EspañolDeutsch
☰ メニュー設定
初心者モード オン
配色システムに合わせるライトダーク
言語ไทยEnglish中文日本語한국어EspañolDeutsch

Embodify

作者：YidaYangバージョン 0.1.0a2i★ –iパソコンで動く
レジストリ名io.github.YidaYang/embodify

インストール

概要

作者による説明（英語の原文）

Give your agent a body: observe and control simulated robots (LIBERO, RoboDojo) over MCP.

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: パソコンで動く
  • トランスポート: stdio
  • カテゴリ: その他

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
  • あなたのパソコンで、あなたのユーザーと同じ権限（ファイル、ネットワーク、アプリ）で動きます。
  • 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

  • PyPIPythonのuvのインストール（uvxコマンドに必要）

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。

Claude Desktop → Settings → Developer → Edit Config を開き、claude_desktop_config.json にこれを貼り付けます

{
  "mcpServers": {
    "embodify": {
      "command": "uvx",
      "args": [
        "embodify-mcp"
      ]
    }
  }
}

ターミナルでこれを実行します

claude mcp add embodify -- uvx embodify-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": {
    "embodify": {
      "command": "uvx",
      "args": [
        "embodify-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": {
    "embodify": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "embodify-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。

これはパソコンで動くサーバーですが、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。ほかのアプリを選んでください。

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

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

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6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 YidaYang 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

  • – 対象外

    エンドポイントが応答する

    これはパソコンで動くため、インターネット上のエンドポイントはありません

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

その他のほかのサーバーとの比較i

  • このカテゴリのほかの32509件のうち0%よりスターが多い
  • このカテゴリのほかの32509件のうち53%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32509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

Embodify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？

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません（サーバー自体がオンラインサービスを呼び出す場合を除きます）。

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（0.1.0a2）がレジストリに届いたのは35 日前です。

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。パソコンにPython (uv)も必要です。

代わりに使えるものは？

同じカテゴリには：Spec Driven Development, Remote Desktop Commander, Fomu MCP

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

Remote Desktop Commander

作者：desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

クラウドで動く★ 211昨日更新
インストール

Fomu MCP

作者：gabrielmahia

Kenya government form guides: checklists, draft letters, eCitizen, Huduma, timelines. Sample data.

パソコンで動く今日更新
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。

Embodify

Give your agent a body.

Your best embodied agent is your favorite agent.

Embodify lets the agent you use every day — Claude Code, Codex or any other MCP-capable agent — see and control robots directly, and keeps everything else that makes it yours. Bring in frontier models with embodied manipulation skills, such as GPT-6 Astra and Claude Opus 5.5, and let your AI companion step into the physical world.

中文 · One-line setup · Backends · For research · Skills · Roadmap

First release (0.1.0a1). Supports LIBERO and RoboDojo today; support for

RoboTwin and the LeRobot SO-101 arm is coming soon.

Why Embodify

Most embodied agents are built from scratch: a dedicated harness wraps a model, hands it a fixed set of robot actions, and nothing else. The agent you use every day already has what those harnesses lack:

  • Context and memory. It manages long sessions and remembers across them.
  • It knows you. Your preferences, your projects, your lab setup.
  • It talks with you in the terminal, IDE, desktop app or chat you already use. You can ask how it is going, step in, correct it, or teach it mid-task.
  • It has a computer. It writes and runs code, uses its tools, searches the web and reads papers.

Embodify keeps all of that and adds a body. Install the plugin and your agent gets robot observation and control tools over MCP — a protocol it already uses for everything else — plus skills that teach it how to operate robots and how to achieve recursive self-improvement (RSI) from its own experience.

Why "best"

A general agent with a body is stronger than a harness that can only move a robot:

  1. It can think with tools, not only act. When a task needs geometry it can write a script; when it needs a fact it can search; when it needs perception it can run a model.
  2. It keeps track. Long-horizon manipulation fails when the agent forgets what it already tried. Mature agents manage context and memory well.
  3. It works with you. It asks you when a task is ambiguous, takes your guidance when it gets stuck, and remembers your corrections next time.
  4. It controls robots in its native language. Robot control arrives as ordinary MCP tool calls, the same shape as every other tool the agent uses.
  5. It builds on frontier embodied models. Your agent runs on models with frontier embodied manipulation skills, such as GPT-6 Astra and Claude Opus 5.5, and every model upgrade makes your robot better, with no retraining.
  6. It improves itself recursively. It turns every episode into lessons, lessons into rules and rules into new skills, and gets better the more it works.
  7. Zero-shot, few-shot and in-context learning come easily. A general agent takes on new tasks without training: describe a task in plain language (zero-shot), show it a few examples (few-shot), or put instructions, demonstrations and past experience in its context (in-context learning, ICL).

What's inside

Embodify is an agent plugin with two parts, and installing the plugin gives your agent both:

PartWhat it gives your agent
MCP server (embodify-mcp, registered as embodify)Tools to list tasks, start an episode, observe cameras and robot state, move end effectors, open and close grippers, and coordinate two arms.
SkillsKnow-how: running a careful observe–act loop, keeping a profile of the robot body and cameras, and learning from past episodes. More perception skills are coming soon.
flowchart LR

A["Your agent Claude Code · Codex · …"] -- "MCP (stdio)" --> B["embodify-mcp episodes · budgets · logs"] K["Embodify skills"] -. "loaded by" .-> A B --> I["Backend interface"] I --> L["LIBERO"] I --> R["RoboDojo"] I --> T["RoboTwin (WIP)"] I --> H["SO-101 and other real robots (WIP)"] I -. "SSH / TCP" .-> G["Remote server"]

The MCP server is the front end. Each simulator, benchmark or robot is a backend behind one small interface, so adding a new one does not change what the agent sees. Highlights:

  • Works with any MCP host. No LLM calls inside; your agent keeps its own model, memory, skills and tools.
  • One call, one motion. The control loop runs next to the simulator. Each action returns the actual displacement, remaining error, a stop reason and fresh camera images.
  • Remote simulation. Run the simulator on your lab's GPU server over SSH while the agent stays on your laptop. Heartbeats keep high-latency links alive; if the link drops, the episode aborts cleanly and reset_task reconnects.
  • Fair evaluation. When you use Embodify to evaluate an agent's manipulation skills, task success is recorded for humans and never exposed to the agent.
  • Live monitor and replay. Watch running episodes live in a browser, or replay past ones frame by frame.

Backends

BackendRobotStatus
fake, fake-two-armKinematic diagnostic, one or two arms✅ Included, no simulator needed
liberoFranka Panda, 130 tasks in 5 suites✅ Included
robodojoDual ARX X5, all 54 simulation tasks✅ Included
RoboTwinDual-arm manipulation benchmark🚧 Coming soon
LeRobot SO-101Real robot: 5-DoF arm with gripper🚧 Coming soon
remoteAny backend above, on another machine✅ SSH or trusted TCP

Coming soon: robot arms such as xArm, mobile manipulators, humanoids and dexterous hands. If there is a simulator or robot you would like us to support, open a GitHub issue with details about it. We welcome contributions of new backends.

For research

Embodify doubles as a testbed for the embodied manipulation abilities of language models and agent frameworks. Run GPT, Claude, Gemini, Qwen and other models, through Claude Code, Codex or your own agent framework, on the same simulated benchmarks with the same tools, and compare them directly.

  • Standard benchmarks: LIBERO (130 tasks in 5 suites) and RoboDojo (54 tasks), with RoboTwin coming soon.
  • Fair by design: task success is recorded for evaluators and never shown to the agent, and --lock-task fixes the scene.
  • Controlled budgets: episode budgets and per-call step limits are configurable and logged.
  • Complete records: tool calls, robot states and camera frames are saved for replay and analysis.

Typical studies include zero-shot robot manipulation by frontier models, comparisons of agent frameworks on the same model, the effect of skills and memory, and recursive self-improvement across episodes. See citation for how to cite Embodify and what to report.

Quick start

One-line setup

Paste this into Claude Code, Codex or any other agent you use:

Install Embodify (https://github.com/YidaYang/embodify) for yourself, then set up a LIBERO environment or connect to my existing simulator.

That's it. Your agent installs the Embodify plugin, sets up the simulator and tells you when to restart the session. (Agents: follow the agent setup guide.)

Manual install

Embodify starts its MCP server with uv, straight from PyPI. If you do not have uv yet, install it with python -m pip install uv or the official installer.

Claude Code
claude plugin marketplace add YidaYang/embodify

claude plugin install embodify@embodify

Codex
codex plugin marketplace add YidaYang/embodify

codex plugin add embodify@embodify

The plugin brings both the MCP server, registered as embodify, and the skills. The server starts on the Fake backend, so you can try the tools right away; connect a real simulator next. It reads its settings from ~/.embodify/config.json (see backend setup). To check the package on its own, without an agent:

uvx --from embodify-mcp embodify-mcp-smoke   # end-to-end check: no simulator, GPU or model needed
Other agents
  1. Register the server in your agent's MCP configuration using examples/mcp.json.
  2. If your agent supports Agent Skills (SKILL.md folders), copy or link the folders in plugin/skills/ into its skills directory.

Restart the session, then ask your agent something like *"Reset the task, describe what the cameras show, then raise the gripper 5 cm."*

Connect a real simulator

Let your agent do this step. Paste:

Connect Embodify to a real simulator for me: set up LIBERO on this machine, or connect to my existing simulator. Follow https://github.com/YidaYang/embodify/blob/main/docs/agent-setup.md.

Your agent installs the simulator or connects to yours over SSH, writes the server settings to ~/.embodify/config.json and asks you to restart the session. To do it by hand, see backend setup.

Watch robots live and replay episodes

Add "monitor-port": 8765 to ~/.embodify/config.json and open http://127.0.0.1:8765 to watch the robot work live, with every camera view, the robot state and each tool call your agent makes, or to replay any past episode frame by frame. To browse saved runs without a running server:

uvx --from embodify-mcp embodify-mcp-monitor   # reads ~/.embodify/runs

The monitor listens on localhost only.

MCP tools

ToolPurpose
get_session_infoCurrent run, task, step budget and robot state; no images
list_tasksBrowse the backend's task catalogue
reset_taskStart an episode and return the first camera images
observeCamera images and robot state, without moving
move_relativeMove one end effector by a translation and optional rotation
set_gripperOpen or close a gripper
control_armsMove several arms together with common progress (two-arm backends)
stop_episodeEnd the episode and write its record

Translations are in meters, rotations in radians, quaternions in xyzw order. Frames and stop reasons are defined in the action contract.

Skills

The plugin contains these skills:

SkillStatusWhat it does
embodied-controlv0The observe–act loop: small moves, reading stop reasons, verifying grasps, releasing in a separate call
robot-profilev0Keep a profile of the robot: arms, cameras, frames, calibration and measured behavior
task-experiencev0Write a lesson after every episode, read relevant lessons before the next, promote repeated lessons to rules
object-segmentationComing soonOpen-vocabulary segmentation of camera images
depth-rangingComing soonPixel to 3D position from depth and calibration

Skills are grouped into three families that will keep growing:

  1. Embodiment knowledge: how this particular robot is built, where its cameras are and how it actually moves.
  2. Manipulation tools: perception, measurement and planning tools, including ideas from work such as Code as Policies.
  3. Recursive self-improvement: turning experience into lessons, lessons into rules and eventually into new skills, improving recursively.

Roadmap

  • Backends: RoboTwin; LeRobot SO-101 as the first real robot, with workspace limits, human-judged success and an emergency stop;

冒頭だけを表示しています。続きはリポジトリで読めます

PopNxに聞く