Agentled MCP

Name: Agentled MCP
Author: Agentled

제작자: Agentled버전 0.20.1i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.Agentled/mcp-server

설치

개요

제작자가 쓴 설명(영어 원문)

Intelligent AI workflow orchestration with long-term memory, 100+ integrations, and unified credits.

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 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

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

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 검색 및 AI 기억
입력해야 할 값: AGENTLED_API_KEY

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
직접 입력할 값: AGENTLED_API_KEY

비밀로 표시된 값은 내 계정의 열쇠예요. 절대 다른 사람과 공유하거나 채팅에 붙여 넣지 마세요.

필요한 것

npmNode.js 설치(npx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

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

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "agentled": {
      "command": "npx",
      "args": [
        "-y",
        "@agentled/mcp-server"
      ],
      "env": {
        "AGENTLED_API_KEY": "your-value"
      }
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add agentled --env AGENTLED_API_KEY=your-value -- npx -y @agentled/mcp-server

실행하기 전에 빈 값을 채워 주세요.

Cursor에서 열기

또는 설정을 직접 복사하기

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

{
  "mcpServers": {
    "agentled": {
      "command": "npx",
      "args": [
        "-y",
        "@agentled/mcp-server"
      ],
      "env": {
        "AGENTLED_API_KEY": "your-value"
      }
    }
  }
}

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": {
    "agentled": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@agentled/mcp-server"
      ],
      "env": {
        "AGENTLED_API_KEY": "your-value"
      }
    }
  }
}

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

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

직접 입력할 값

AGENTLED_API_KEY 비밀 필수 env
Your AgentLed workspace API key (generate in Workspace Settings > Developer)

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

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 6일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 Agentled 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 7223개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 7223개 중 64%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 7223개 중 100%와 같거나 더 좋아요

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

자주 묻는 질문

Agentled MCP, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

입력해야 할 값: AGENTLED_API_KEY

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.20.1)은 21일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Node.js도 있어야 해요.

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★ 64,224MIT3일 전 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★ 5,213MIT44일 전 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.

@agentled/mcp-server

The automation engine built for AI agents. Intelligent AI workflow orchestration with long-term memory, 100+ integrations, and unified credits.

What is Agentled?

Agentled is the automation engine built for AI agents. It gives Claude, Codex, Cursor, Windsurf, and any MCP-compatible client direct access to intelligent workflow orchestration, long-term memory, and 100+ integrations.

Three things make it different:

🧠 Long-Term Memory — A built-in Knowledge Graph stores insights across workflow executions. Your agents get smarter over time — they remember past research, lead scores, content performance, and business context.

⚡ Unified Credits — One API key, one credit system, 100+ services. No need to sign up for LinkedIn, email, scraping, AI models, or video generation separately. Connect once, use everything.

🎯 Intelligent Orchestration — AI reasons at every step. Workflows aren't just "if this then that" — they understand context, make decisions, and adapt to results.

See it in action

$ agentled create "Outbound to fintech CTOs in Europe"

Loading workspace context from Knowledge Graph... ✦ ICP loaded ✦ 3 prior campaigns ✦ 847 contacts in KG

Creating campaign with 3 workflows...

━━ Workflow 1: Prospect Research linkedin · hunter · clearbit ✓ LinkedIn: CTO + fintech + EU → 189 profiles ✓ Enriched via Hunter + Clearbit → 156 matched ✓ ICP scoring → 43 high-intent leads

━━ Workflow 2: Signal Detection web-scraper · crunchbase ✓ Job postings → 12 hiring devops ✓ Crunchbase → 8 recently funded ✓ Cross-match: hiring + funded → 5 hot leads

━━ Workflow 3: Outreach email · linkedin · kg ✓ Personalized emails from context ✓ LinkedIn requests with custom notes ✓ 43 leads saved to Knowledge Graph

Campaign saved. Scheduled: every 48h Credits used: 720 → https://www.agentled.app/your-team/fintech-cto-outbound

One prompt. Three workflows. LinkedIn enrichment, email finding, AI scoring, multi-channel outreach — all orchestrated, all stored in the Knowledge Graph for the next run.

Quick Start

claude mcp add --transport stdio --scope user agentled \

-e AGENTLED_API_KEY=wsk_... \ -- npx -y @agentled/mcp-server

--scope user registers the server in your user MCP config so it loads in every project (not only the repo where you ran the command). Use a distinct server name (e.g. agentled_my_workspace) if you add multiple workspaces. For team-shared config in git, use --scope project and .mcp.json instead (Claude Code MCP scopes).

Claude Code plugin (one-step install)

Prefer the plugin if you want the MCP server and the Agentled skill installed together. In Claude Code:

/plugin marketplace add Agentled/mcp-server

/plugin install agentled@agentled

Then set your API key in the shell Claude Code runs from:

export AGENTLED_API_KEY=wsk_...

Codex plugin (one-step install)

The same repository is a Codex marketplace. Install the Agentled plugin with:

codex plugin marketplace add Agentled/mcp-server

codex plugin add agentled@agentled

Then set AGENTLED_API_KEY=wsk_... in the shell that launches Codex and start a new task. The plugin bundles the Agentled skills, starts the MCP server through npx -y @agentled/mcp-server, and loads its lifecycle hooks from the standard hooks/hooks.json path.

The plugin bundles the agentled skill (workflow-authoring guidance, namespaced agentled:agentled) and auto-starts the MCP server via npx -y @agentled/mcp-server. The same plugin directory carries both Claude Code and Codex manifests — one bundle, both hosts.

For Codex, the hook pack acts as in-session guidance around the CLI/MCP loop: session start explains the Agentled/Codex business-loop split, prompt/tool hooks add turn-level guidance when client needs, priorities, failures, or product gaps appear, and stop hooks nudge implementation handoffs to include readiness, validation, side effects, and next decision. Hooks do not store feedback, call Agentled APIs, run automations, spend credits, or perform customer/workspace writes. In Codex, run /hooks after installing or changing the plugin so the local hook definitions are reviewed and trusted before they run.

Use Codex automations for outside-workspace FDE cadence such as Outlook/client email follow-up, vendor replies, repo/build checks, and weekly operator reviews. Use Agentled routines for Agentled workspace/runtime checks such as workflow health, routine health, execution review, workspace summaries, and managed-agent operations. Use submit_feedback_to_agentled or agentled feedback submit when the user explicitly wants product feedback captured.

Pick one install path, not both. If you previously ran claude mcp add agentled ... or --setup-skills, remove those before (or instead of) installing the plugin — otherwise you get two identical MCP server processes and the skill registered twice. Cleanup: claude mcp remove agentled and delete .claude/skills/agentled/ (or ~/.claude/skills/agentled/). --setup-skills now detects an installed plugin and refuses to double-register unless you pass --force.

To develop the plugin locally:

claude --plugin-dir ./plugins/agentled     # load from source

claude plugin validate ./plugins/agentled # check manifest + structure

plugins/agentled/skills/ is a generated mirror of skills/ (synced by publish.sh) — edit skills/agentled/SKILL.md, never the mirror.

Local development

Use the local built entrypoint when you want to test unpublished changes against a local app. npx -y @agentled/mcp-server always uses the latest published npm package.

cd agentled-mcp-server

npm run build

claude mcp add --transport stdio agentled_local \ --env AGENTLED_API_KEY=wsk_... \ --env AGENTLED_URL=http://localhost:8080 \ -- node /absolute/path/to/agentsled-front/agentled-mcp-server/dist/index.js

Getting your API key

Sign up at agentled.app
Open Workspace Settings > Developer
Generate a new API key (starts with wsk_)

Why Agentled MCP?

One API Key. One Credit System. 100+ Services.

No need to sign up for LinkedIn APIs, email services, web scrapers, video generators, or AI models separately. Agentled handles all integrations through a single credit system.

Capability	Credits	Without Agentled
LinkedIn company enrichment	50	LinkedIn API ($99/mo+)
Email finding & verification	5	Hunter.io ($49/mo)
AI analysis (Claude/GPT/Gemini)	10-30	Multiple API keys + billing
Web scraping	3-10	Apify account ($49/mo+)
Image generation	30	DALL-E/Midjourney subscription
Video generation (8s scene)	300	RunwayML ($15/mo+)
Text-to-speech	60	ElevenLabs ($22/mo+)
Knowledge Graph storage	1-2	Custom infrastructure
CRM sync (Affinity, HubSpot)	5-10	CRM API + middleware

Workflows That Learn

Other automation tools start from zero every run. Agentled's Knowledge Graph remembers across executions — what worked, what didn't, what humans corrected. Scoring workflows can use compact row-level scoring_profile summaries and bounded scoring-memory retrieval so every run compounds on the last without dumping raw history into prompts.

Run 1:  Investor scoring → 62% accuracy (cold start)

Run 5: → 78% (learning from IC feedback) Run 12: → 89% (compound learning from outcomes, zero manual tuning)

Intelligent Orchestration

Unlike trigger-action tools, Agentled workflows have AI reasoning at every step. Multi-model support (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot), adaptive execution, and human-in-the-loop approval gates when needed.

Agent Teams

Agent Teams let you run multiple AI specialists in a single workflow step. Pick a preset and describe what you need — the team handles coordination, delegation, and synthesis.

"Add an Agent Team step that researches the company and produces an investment memo"

Six built-in presets cover the most common patterns:

Preset	What it does
`research-and-summarize`	Specialists gather information, one synthesizes a summary
`analyze-and-recommend`	Multiple analysts evaluate options, produce a ranked recommendation
`generate-then-review`	A generator drafts content, reviewers critique and refine
`compare-options`	Specialists argue for competing options, coordinator arbitrates
`investigate-in-parallel`	Independent specialists explore different angles simultaneously
`review-and-improve`	Reviewers find issues, an editor applies improvements

When creating Agent Team steps via MCP, include preset metadata so the step opens correctly in the builder:

"id": "analyze", "type": "agentOrchestrator", "name": "Agent Team", "orchestratorConfig": { "pattern": "supervisor", "workers": [ { "id": "researcher", "name": "Researcher", "systemPrompt": "Research {{input.company_url}} — team, funding, market position" }, { "id": "analyst", "name": "Analyst", "systemPrompt": "Analyse the research. Identify risks and growth signals." } ] }, "metadata": { "agentTeamPreset": "research-and-summarize", "agentTeamMode": "simple", "agentTeamUxVersion": 1 }, "next": { "stepId": "milestone" } }

Existing steps created with raw orchestratorConfig and no metadata continue to work — they open in advanced mode in the builder without errors.

Analytics vs ROI semantics

When describing workflow outcomes, keep these terms separate:

pipeline.analyticsConfig = business metrics (execution outcome stats shown in Business Metrics cards/charts).
pipeline.metadata.roi = ROI assumptions/rollups (time saved and cost-value estimates).

If you update one without the other, name exactly what changed (e.g. "business metrics configured" vs "ROI assumptions configured").

CLI parity guard

The repository includes an automated parity guard so MCP tool additions do not silently drift from the CLI surface.

Test: __tests__/cli/cli-mcp-parity.test.ts
Docs: docs/CLI_MCP_PARITY.md

Run it with:

yarn test:node -- cli-mcp-parity.test.ts

What Can You Build?

Lead Enrichment & Sales Automation

"Find fintech CTOs in Europe, enrich via LinkedIn + Hunter, score by ICP fit,

draft personalized outreach, save everything to the Knowledge Graph"

Content & Media Production

"Scrape trending topics in our niche, generate 5 LinkedIn posts with AI,

create thumbnail images, schedule publishing for the week"

Company Research & Intelligence

"Research this company from its URL — team, funding, market position, competitors.

Generate an investment memo. Store in KG for future reference."

VC Investor Matching (real case study)

"Match this startup against our 2,000+ investor database. Score by sector focus,

stage preference, check size, and portfolio synergy. Compare with last round's outcomes."

3,000+ profiles processed. IC-ready reports. Prediction vs outcome learning — accuracy went from 62% to 89% over 12 runs with zero manual tuning.

Built-in Skills And Integrations

Media Production: Video generation, image generation, text-to-speech, auto-captions, media assembly

AI Intelligence: Multi-model AI (Claude, GPT-4, Gemini, Mistral, DeepSeek, Moonshot, xAI), K

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Agentled MCP

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

직접 입력할 값

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

@agentled/mcp-server

What is Agentled?

See it in action

Quick Start

Claude Code plugin (one-step install)

Codex plugin (one-step install)

Local development

Getting your API key

Why Agentled MCP?

One API Key. One Credit System. 100+ Services.

Workflows That Learn

Intelligent Orchestration

Agent Teams

Analytics vs ROI semantics

CLI parity guard

What Can You Build?

Lead Enrichment & Sales Automation

Content & Media Production

Company Research & Intelligence

VC Investor Matching (real case study)

Built-in Skills And Integrations