Docs MCP

Name: Docs MCP
Author: frumu-ai

제작자: frumu-ai버전 0.3.2i★ 125i클라우드에서 실행

레지스트리 이름ac.tandem/docs-mcp

설치

개요

제작자가 쓴 설명(영어 원문)

Remote MCP server for Tandem docs, install guides, SDKs, workflows, and agent setup help.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i5개 중 4개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i초기★ 125

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 클라우드에서 실행
전송 방식: Streamable HTTP
카테고리: 검색 및 AI 기억

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 5개 중 4개 통과
제작자의 서버에서 실행돼요. 내가 요청한 내용은 제작자의 서버를 거쳐요.
할 수 있는 일 13가지(도구) search_docs, get_doc, get_start_path, recommend_next_docs …
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

클라우드에서 실행설치할 것 없음. 인터넷으로 연결돼요

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

웹, 데스크톱, 모바일의 Claude에서 쓸 수 있어요:

Settings → Connectors 열기
Add custom connector 누르기
아래 주소를 붙여 넣고 Add 누르기
로그인하라고 하면 제작자의 서비스에 로그인하기

https://tandem.ac/mcp

터미널에서 이 명령어를 실행하세요

claude mcp add --transport http docs https://tandem.ac/mcp

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "docs": {
      "url": "https://tandem.ac/mcp"
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "docs": {
      "type": "http",
      "url": "https://tandem.ac/mcp"
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요:

웹에서 ChatGPT 열기 → Settings → Connectors (Apps)
Create 또는 Add 누르기(일부 요금제는 먼저 Advanced에서 Developer mode를 켜야 해요)
아래 주소를 붙여 넣고 이름을 정한 뒤 저장하기
로그인하라고 하면 제작자의 서비스에 로그인하기

https://tandem.ac/mcp

메뉴 이름은 요금제나 시기에 따라 조금 다를 수 있어요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

도구 이름과 설명은 서버가 2026년 11월 6일에 알려 준 그대로예요. 우리가 아니라 제작자가 쓴 글이고, 일반 텍스트로만 보여 드려요.

search_docs
Search the published Tandem docs index for relevant pages.
get_doc
Fetch and normalize a published Tandem docs page by path or URL.
get_start_path
Recommend the best Tandem docs starting path for a desktop user, server admin, or developer.
recommend_next_docs
Recommend the next Tandem docs to read after a current page, optionally biased toward a goal.
answer_how_to
Answer how to install or use Tandem, build workflows, or use the SDKs by synthesizing relevant published docs.
get_tandem_guide
Return a structured Tandem learning guide for install-engine, python-sdk, typescript-sdk, build-workflows, or headless-deploy.
warmup_docs_cache
Refresh the docs index and preload the most important Tandem docs pages into cache.
get_docs_cache_status
Inspect the current docs cache state for index sources and warmed pages.
refresh_docs_index
Force-refresh docs indexes and report whether data came from the network, cache, or stale fallback.
refresh_doc_page
Force-refresh a docs page and report whether content came from the network, cache, or stale fallback.
invalidate_docs_cache
Invalidate docs cache entries for index data, all pages, or a specific page path.
compare_docs_index_refresh
Force-refresh the docs indexes and return before/after hashes so content changes can be proven.
compare_doc_page_refresh
Force-refresh a docs page and return before/after hashes so page content changes can be proven.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 도메인 tandem.ac 기준으로 확인되었어요(레지스트리가 도메인 소유를 확인해요)
✓ 통과
계속 관리되고 있음
코드 마지막 변경: 31일 전
! 주의
라이선스 있음
GitHub가 라이선스 종류를 알아내지 못했어요. 파일을 열어 확인하세요
✓ 통과
엔드포인트 응답
260ms 만에 응답(HTTP 200)
– 해당 없음
OAuth로 로그인
로그인 필요 없음
✓ 통과
도구 설명에 숨겨진 지시 없음
도구 설명 13개를 읽었고, AI에게 보내는 숨겨진 지시는 없었어요

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 7249개 중 100%보다 스타가 많아요
이 카테고리의 다른 서버 7249개 중 10%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 7249개 중 40%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

Docs MCP, 안전한가요?

해당하는 기본 점검 5개 중 4개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

제작자의 클라우드에서 실행돼요. 설치 없이 인터넷으로 연결하지만, 보내는 내용은 제작자의 서버를 거쳐요.

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 31일 전 변경됐고, 최신 버전(0.3.2)은 7개월 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. URL로 연결되기 때문에, 원격 MCP 서버를 지원하는 앱(예: 개발자 모드의 ChatGPT)에서도 쓸 수 있어요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Context7, Codebase Memory, Exa

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Context7

제작자: upstash

Up-to-date docs for AI agents

컴퓨터 또는 클라우드★ 64,224MIT오늘 업데이트

설치

Codebase Memory

제작자: DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

내 컴퓨터에서 실행★ 48,148MIT20일 전 업데이트

설치

Exa

제작자: exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

클라우드에서 실행★ 5,213MIT지난달 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

English | 简体中文

Interested in Tandem Hosted? Join the waitlist

Tandem

Tandem enforces policy between AI agents and the tools, data, memory, and actions they use.

Agents can reason, draft, and propose work. Tandem decides what they are authorized to see, which tools they can call, which actions must pause for approval, what memory/context they can access, and what evidence gets recorded.

This makes Tandem useful when agents touch real company systems: files, repositories, email, MCP tools, customer data, internal docs, production workflows, and long-running automations.

For platform and security teams, Tandem acts as a runtime control plane for agentic systems: scoped tool access, approval gates, permissioned memory, tenant/resource boundaries, and audit evidence.

The model proposes. Tandem enforces.

In governance terms, Tandem manages delegated authority for AI agents at runtime.

What Tandem Does

Runs AI workflows with durable state instead of transcript-only execution.
Scopes which built-in tools and MCP connectors are visible at each workflow step.
Blocks tool calls that fall outside runtime policy before execution.
Pauses consequential actions for human approval.
Controls which company memory and context a run can retrieve.
Records artifacts, tool events, approval decisions, and audit evidence outside the model context window.

Simple Example

An agent may be allowed to draft a customer email, but not send it.

Tandem can expose the draft tool, hide or block the send tool, pause at an approval gate, resume only after a human approves, and record the decision in the audit trail.

What Tandem Is Not

Not this	Instead
Chatbot wrapper	Runtime layer underneath agents and workflows
Agent framework only	Policy layer that controls what agent workflows can see and do
Approval UI only	Runtime enforcement with approvals as one controlled gate
LLM gateway only	Governs workflow state, tools, memory, approvals, artifacts, and audit
Flat RAG system	Runtime-scoped memory and source-bound retrieval
Prompt-only safety layer	Enforcement happens outside the model

Tandem calls this runtime authority: authorization, execution control, approval, scoped memory, and audit enforced outside the model. Entrypoints such as the desktop app, TUI, web control panel, channels, and SDKs are clients of the same engine runtime.

Runtime-owned controls: Runs, sessions, memory, context, provider secrets, MCP tools, approvals, artifacts, and audit records live outside the model.
Governed tool execution: Built-in tools and MCP connectors can be scoped per workflow step, with approval gates for consequential actions.
Tenant-aware runtime: Hosted and enterprise modes carry tenant/principal context through sessions, runs, context runs, memory, provider credentials, MCP secrets, and events.
Deployable where the data lives: Tandem can run locally, headlessly, hosted, or inside customer infrastructure.
Provider agnostic: Use OpenRouter, Anthropic, OpenAI, OpenCode Zen, or local Ollama endpoints.

Agent intent -> Runtime policy -> Scoped tool/data access -> Approval gates -> Artifacts -> Audit trail

-> [AI runtime infrastructure](docs/AI_RUNTIME_INFRASTRUCTURE.md) | [Enterprise readiness](docs/ENTERPRISE_READINESS.md) | [Runtime trust boundaries](docs/RUNTIME_TRUST_BOUNDARIES.md) | [EU AI Act readiness](docs/EU_AI_ACT_COMPLIANCE.md) | [Compliance starter pack](docs/compliance/README.md) | [Connect an agent via MCP](https://tandem.ac/docs-mcp)

Why Tandem Exists

Agents are becoming workers. They read company context, call tools, open pull requests, draft customer communication, operate project boards, and prepare decisions that used to stay inside human-only systems.

Prompts are not permissions. A system prompt can ask a model to avoid a tool, skip a folder, or wait for approval, but the model should not be the security boundary. Tandem puts those controls in the runtime, so a workflow can grant the agent only the tools, memory, and actions needed for the current step — and deny anything outside that scope.

Companies also need central AI context without flat access. A permissioned company memory should know what the company knows, but an agent acting for one team, tenant, project, or user should only retrieve the slice it is allowed to use.

What Tandem Governs

Company knowledge and memory: Runtime-owned memory, knowledge spaces, and retrieval paths designed around tenant and workspace boundaries.
Tool and MCP visibility: Step-scoped built-in tools and MCP connector tools, with broader pre-invocation masking planned for enterprise deployments.
Workflow execution: Durable automation and context-run state instead of fragile transcript-only execution.
Human approvals: Runtime gates pause runs, collect approve/rework/cancel decisions, and leave evidence.
Tenant and workspace boundaries: Tenant-aware sessions, runs, context runs, events, provider credentials, MCP secrets, memory, and contract vocabulary for resource scopes and grants.
Connector credentials and secrets: Provider and MCP secret references are runtime-owned; connector source binding gives scoped ingestion a shared contract as that layer matures.
Artifacts and audit trails: Outputs, validations, tool ledger events, approval decisions, and protected audit records survive outside the model context window.

Core Use Cases

Use case	What Tandem adds
Approval-gated email and workflows	Agent proposes work, Tandem pauses before the action, a human approves or requests rework.
Permissioned company knowledgebase	Company memory and knowledge spaces with tenant-aware retrieval and resource-grant vocabulary.
Governed coding agents	Coder runs, worktree context, handoff artifacts, approval points, and auditable implementation state.
Project, sprint, and event brain	Long-running context, tasks, artifacts, and memory that survive across sessions and teams.
Tenant-isolated hosted automations	Hosted runtime records, event streams, provider credentials, MCP secrets, and memory scoped by tenant.
Internal agent and tool governance	A control point for which agents can see which tools, execute which actions, and leave which evidence.

Why Platform And Security Teams Care

Tandem is designed for teams that need to run AI work under real operational controls:

Runtime authority, not prompt authority: The model can request context or a tool call; the runtime decides what is visible and executable.
Tenant-aware records: Sessions, automation runs, context runs, event streams, provider credentials, MCP secrets, and memory paths carry tenant context in hosted/shared modes.
Resource and grant model: Tandem models resources, principals, grants, data classes, and data boundaries so access decisions can be enforced by the runtime.
Permissioned memory: Memory and knowledge paths carry tenant boundaries so company knowledge can become useful without becoming globally flat.
Deployable runtime: The same runtime can run on a laptop, as a headless engine, hosted, or inside customer infrastructure as the enterprise layer matures.
Auditability: Approval decisions, policy denials, provider secret changes, MCP activity, tool ledger events, artifacts, and protected audit records can be inspected outside chat transcripts.

Deployment Model

Tandem is useful locally and grows toward stricter company deployments:

Local desktop: Single-user desktop runtime with local workspace scope, provider setup, and approval-gated tools.
Headless engine: tandem-engine serve for SDKs, control panels, automations, and CI/dev environments.
Hosted/private managed: Hosted deployments with transport-token and signed context assertions for tenant-aware access.
Customer infrastructure: A deployment model for running where company data, connector credentials, and operational evidence need to live.

Current Status

Current capabilities	Enterprise roadmap
Runtime auth modes: `local_single_tenant`, `hosted_single_tenant`, `enterprise_required`	Full RBAC, OIDC, SCIM, SIEM integrations, SOC2 package, and enterprise identity policy bridge
Tenant context and signed context assertions for hosted/enterprise ingress	Private enterprise sidecar with fail-closed policy authorization
Tenant-aware sessions, automation runs, context runs, events, coder routes, and memory APIs	Complete artifact/export isolation across every path
Provider credential and MCP secret tenant boundaries	Full tool-discovery masking before model invocation
Memory tenant partitioning, tenant-scoped knowledge spaces, and resource-scoped retrieval APIs	Production connector ingestion admin platform with live external source ingestion

| Resource access-control contract types and strict context projection vocab

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Docs MCP

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

검색 및 AI 기억 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Context7

Codebase Memory

Exa

제작자의 README

What Tandem Does

Simple Example

What Tandem Is Not

Why Tandem Exists

What Tandem Governs

Core Use Cases

Why Platform And Security Teams Care

Deployment Model

Current Status