Goodeye

Name: Goodeye
Author: Goodeye-Labs

제작자: Goodeye-Labs버전 0.19.2i★ –i클라우드에서 실행

레지스트리 이름dev.goodeye/goodeye

설치

개요

제작자가 쓴 설명(영어 원문)

Design, save, and run outcome-aligned AI workflows and verifiers, with reliable image output.

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: 클라우드에서 실행
전송 방식: Streamable HTTP
카테고리: 디자인, 이미지 및 오디오
입력해야 할 값: Authorization

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
제작자의 서버에서 실행돼요. 내가 요청한 내용은 제작자의 서버를 거쳐요.
직접 입력할 값: Authorization

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

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.

이 주소는 요청 header에 키가 필요한데, 커넥터 추가 메뉴에서는 넣을 수 없어요. 대신 Claude Code, Cursor, VS Code를 쓰세요.

터미널에서 이 명령어를 실행하세요

claude mcp add --transport http goodeye https://mcp.goodeye.dev/mcp --header 'Authorization: your-value'

실행하기 전에 빈 값을 채워 주세요.

Cursor에서 열기

또는 설정을 직접 복사하기

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

{
  "mcpServers": {
    "goodeye": {
      "url": "https://mcp.goodeye.dev/mcp",
      "headers": {
        "Authorization": "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": {
    "goodeye": {
      "type": "http",
      "url": "https://mcp.goodeye.dev/mcp",
      "headers": {
        "Authorization": "your-value"
      }
    }
  }
}

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

이 주소는 요청 header에 키가 필요한데, 커넥터 추가 메뉴에서는 넣을 수 없어요. 대신 Claude Code, Cursor, VS Code를 쓰세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

직접 입력할 값

Authorization 비밀 필수 HTTP header
Bearer token: an OAuth access token from Goodeye sign-in, or a good_live_ API key (Bearer good_live_...). Anonymous requests receive 401 with WWW-Authenticate so clients can discover the OAuth flow.

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

할 수 있는 일

아직 이 서버의 도구 목록을 읽지 않았어요. 엔드포인트는 차례대로 돌아가며 점검해요.

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 도메인 goodeye.dev 기준으로 확인되었어요(레지스트리가 도메인 소유를 확인해요)
… 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
… 아직 점검 안 함
엔드포인트 응답
아직 점검하지 않았어요. 엔드포인트는 차례대로 돌아가며 점검해요
… 아직 점검 안 함
OAuth로 로그인
아직 점검하지 않았어요. 엔드포인트는 차례대로 돌아가며 점검해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
아직 점검하지 않았어요. 엔드포인트를 점검할 때 도구 목록을 읽어요

디자인, 이미지 및 오디오 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 2165개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 2165개 중 13%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 2165개 중 100%와 같거나 더 좋아요

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

자주 묻는 질문

Goodeye, 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: Authorization

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

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

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.19.2)은 5개월 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: Figma Context MCP, Claude Real Video, Figma MCP Server

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

Figma Context MCP

제작자: GLips

Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.

내 컴퓨터에서 실행★ 16,165MIT5개월 전 업데이트

설치

Claude Real Video

제작자: HUANGCHIHHUNGLeo

Let any LLM watch a video locally — and search everything it has ever watched.

내 컴퓨터에서 실행★ 2,284MIT2개월 전 업데이트

설치

Figma MCP Server

제작자: figma

The Figma MCP server brings Figma design context directly into your AI workflow.

클라우드에서 실행★ 2,15213개월 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.

goodeye

Goodeye is a private home for the skills your AI follows and the verifiers its work must pass.

goodeye is the command-line surface for Goodeye. The same capability reaches your agent over an MCP server and a REST API too, so it works wherever your agent runs. This CLI talks to the public /v1 REST API.

How it works

A skill is a markdown runbook your agent follows. A verifier is a check its output has to clear. Goodeye keeps both in one account you own, and three things follow from that.

Private by default. Nothing is public until you publish a template, which is a separate step you take on purpose. To share without going public, grant a named user or team access, and the verifiers the skill references go with it at the same version. Revoking works the same way.

Always in sync. goodeye skills sync mirrors your hosted skills into the directories your tools already read, so Claude Code, Codex, Cursor, and anything else reading skill files from disk run the same current version. Configuring a target is all it takes: automatic sync is on from then on, so edit a skill once and every machine picks it up on its own.

Verifiers, hosted. A verifier can be deterministic (format, schema, tests, numeric bounds) or an LLM judge for the calls no test can make, like tone or image quality. Deploy a semantic verifier once, and every skill that references it runs that exact version, on your laptop, in CI, or on the machine of someone you granted it to.

The full picture is at https://goodeye.dev/docs/overview.

Your AI agent is the primary caller

The CLI is built to be driven by an AI coding agent on your behalf, though every command also works when you run it yourself. The intended loop: you ask your agent to run a Goodeye skill, it fetches the body with goodeye skills get (or goodeye templates get @handle/slug), and it executes those instructions as your runbook instead of printing or summarizing them. The get commands wrap the body in agent-facing markers so the calling agent knows to run it. Pass --output PATH or --json when you want the raw content instead.

Install

Requires Python 3.12 or later.

uv tool install goodeye

or: pipx install goodeye

or: pip install goodeye

The goodeye command is then on your PATH. Run goodeye update to upgrade to the latest release, or goodeye update --check to see whether one is available.

Quickstart

Bring a skill you already have

A skill file on disk is a directory holding a SKILL.md plus optional siblings, which is exactly what publish expects. Importing one is a single command.

goodeye login                                     # or: goodeye register (same browser sign-in)

goodeye skills publish ~/.claude/skills/my-skill # also ~/.agents/skills, ~/.cursor/skills, or any path goodeye skills list

It lands as a private hosted skill. Nothing is public until you publish a template, which is a separate step.

Sync it to every machine and agent

Point Goodeye at the directories your tools read, then pull:

goodeye skills sync target add --preset claude    # ~/.claude/skills

goodeye skills sync target add --preset agents # ~/.agents/skills goodeye skills sync target add --preset cursor # ~/.cursor/skills goodeye skills sync

Run the same commands on your other machines and they all read the current version. Once you have a target, automatic sync is on, so they stay that way without a second command: it only pulls new and updated skills, never overwrites local edits, and reports a conflict rather than clobbering it. Turn it off with goodeye skills sync auto off and it stays off.

The skill you just published came from a directory that is now a target, so a copy of it is already there. Goodeye did not write that copy, so the first pull reports it as modified and leaves it alone. The hosted version is what you published, so adopt it once with goodeye skills sync pull --force ; from then on it is tracked like everything else.

Share it

goodeye skills grant my-skill @teammate view

goodeye skills grants my-skill

Their agent now runs your skill, and any semantic verifiers it references travel with the grant at the same version. Improve the skill and they get the improvement on their next pull.

Author a skill from scratch

goodeye design                         # prints the designer prompt; pipe it to your agent to draft a skill and its verifiers

save the draft from your agent's output (stdin keeps a stray file out of the working directory):

goodeye skills publish - \ --name my-skill \ --description "One sentence on what this does and when to use it." <<'EOF'

Body

The skill body your agent will execute. EOF

goodeye skills get my-skill # fetch it back for an agent to run

Run a public template, no account needed

Browsing, fetching, and running public templates need no sign-in.

goodeye templates list

goodeye templates get @goodeye/high-signal-chart-workflow

templates get prints the template body (the skill), and your agent follows it: it finds a dataset, renders a chart, and runs the template's pinned verifier, revising until the chart passes. That verifier run is the step your agent makes, drawing on a small per-network credit grant:

# what your agent runs against the finished chart:

goodeye verifiers run 89dcc843-d056-44d9-ae34-ebcff4903885 \ --version 1 --media-url ' ' --anonymous

Fork it into a skill of your own with goodeye templates fork @goodeye/high-signal-chart-workflow. That is the one step here that needs an account, since the fork lands in your own registry. To publish one of your own, claim a handle first with goodeye me claim-handle your-handle, then run goodeye templates publish my-skill.

What the CLI can do

These command areas cover the whole surface. Run goodeye --help or goodeye --help for the exact commands and flags, and see the full reference at https://goodeye.dev/docs/cli.

Area	What it does	Docs
`skills`	Find, save, version, run, share, and improve your private skills, including teach, optimize, audit, and local file sync	https://goodeye.dev/docs/skills
`templates`	Browse the public catalog, publish a skill as a template, and fork one to customize	https://goodeye.dev/docs/templates
`verifiers`	Deploy and run the LLM-judge checks a skill calls to grade agent output	https://goodeye.dev/docs/verifiers
`image-generators`	Deploy reusable image generators and generate images a skill can call	https://goodeye.dev/docs/image-generators
`images`	Upload and manage hosted images with stable URLs	https://goodeye.dev/docs/images
`teams`	Create teams and manage membership so a skill can be shared with a group	https://goodeye.dev/docs/teams
`referrals`	View your referral code and redeem someone else's	https://goodeye.dev/docs/referrals
`invitations`	Accept, decline, or cancel team and ownership-transfer invitations	https://goodeye.dev/docs/cli
`billing`	Upgrade to or cancel Pro (`plan upgrade` / `plan cancel`), open the billing portal, buy a one-time credit top-up, or manage automatic top-ups (`auto-topup show` / `set` / `off`)	https://goodeye.dev/docs/cli
`auth`, `me`, `usage`	Manage API keys, claim your handle, and check credit usage	https://goodeye.dev/docs/cli
`design`	Print the skill-designer prompt for your agent	https://goodeye.dev/docs/cli

Session commands sit at the top level: login, register, logout, whoami, and update.

Authentication and configuration

Sign in interactively with goodeye login or goodeye register. Both open a browser device-code flow and save your credentials on success. For agents and automation without a browser, use the email-code flow:

goodeye register --email you@example.com

goodeye register-verify --email you@example.com --code 123456

existing account: goodeye login, then goodeye login-verify

goodeye whoami shows who you are, and goodeye logout removes the local credentials. Agents and scripts can authenticate with an API key instead: create one with goodeye auth create-key --name my-agent and pass it as the GOODEYE_API_KEY environment variable.

The CLI reads credentials from GOODEYE_API_KEY first, then from ~/.config/goodeye/credentials.json (written with 0600 permissions). It targets https://api.goodeye.dev by default; override that with GOODEYE_SERVER. Full authentication details are at https://goodeye.dev/docs/cli.

CLI, MCP, or REST

The CLI is a convenience layer over the public /v1 REST API. For a stable programmatic contract, call that REST API directly (https://goodeye.dev/docs/rest-api). To drive Goodeye from an MCP client, connect to mcp.goodeye.dev/mcp (https://goodeye.dev/docs/mcp). Your skills and their verifiers reach your agent on every surface.

Documentation

Overview and mental model: https://goodeye.dev/docs/overview
Getting started: https://goodeye.dev/docs/getting-started
CLI reference, every command and flag: https://goodeye.dev/docs/cli
Skills: https://goodeye.dev/docs/skills
Verifiers: https://goodeye.dev/docs/verifiers
Templates: https://goodeye.dev/docs/templates
Public template catalog: https://goodeye.dev

Contributing

See CONTRIBUTING.md for local dev setup and the pull-request process. Issues and pull requests are welcome.

License

MIT. See LICENSE.

Goodeye

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

디자인, 이미지 및 오디오 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Figma Context MCP

Claude Real Video

Figma MCP Server

제작자의 README

goodeye

How it works

Your AI agent is the primary caller

Install

or: pipx install goodeye

or: pip install goodeye

Quickstart

Bring a skill you already have

Sync it to every machine and agent

Share it

Author a skill from scratch

save the draft from your agent's output (stdin keeps a stray file out of the working directory):

Body

Run a public template, no account needed

What the CLI can do

Authentication and configuration

existing account: goodeye login, then goodeye login-verify

CLI, MCP, or REST

Documentation

Contributing

License