IRP

Name: IRP
Author: Noshadi-sec

제작자: Noshadi-sec버전 0.6.0i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.Noshadi-sec/irp

설치

개요

제작자가 쓴 설명(영어 원문)

Turn a research paper into working code and prove, claim by claim, how close it gets.

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

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.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

PyPIPython의 uv 설치(uvx 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": {
    "irp": {
      "command": "uvx",
      "args": [
        "irp-agents",
        "mcp"
      ]
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add irp -- uvx irp-agents mcp

Cursor에서 열기

또는 설정을 직접 복사하기

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

{
  "mcpServers": {
    "irp": {
      "command": "uvx",
      "args": [
        "irp-agents",
        "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": {
    "irp": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "irp-agents",
        "mcp"
      ]
    }
  }
}

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.

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 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 Noshadi-sec 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 7277개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 7277개 중 70%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 7277개 중 100%와 같거나 더 좋아요

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

자주 묻는 질문

IRP, 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?

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

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(0.6.0)은 16일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 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★ 64,224MIT어제 업데이트

설치

Codebase Memory

제작자: DeusData

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

내 컴퓨터에서 실행★ 48,148MIT21일 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 · 日本語 · 한국어 · Español · Italiano

IRP: Build any paper. Prove every claim.

One MCP server and CLI that lets your coding agent turn a research paper into working code, run it, and prove claim by claim how close it gets.

Give it a paper. Get back working code and a report you can check without trusting the agent.

Quick start · How IRP works · The report · What you can reproduce · FAQ · Documentation

uvx irp-agents setup

[!IMPORTANT]

Get IRP from Noshadi-sec/irp or the

irp-agents package on PyPI. Follow the

installation and release links from these official sources. A similar

repository name or copied README does not establish that a download is official.

Found a paper with no code, or code you cannot trust? Ask your agent to build it with IRP. The agent reads the paper, records every number it claims, writes the implementation, runs it and compares the results. IRP does the fetching, running and record keeping, and refuses the shortcuts: a number typed by hand never counts, a shortened run never counts, and the report is written only from the evidence log.

IRP connects your agent (Claude Code, Codex or Cursor) to tools for paper intake, environments, runs, measurements and verdicts. You can use the same tools from your terminal. Everything runs locally; IRP never calls a model, and data goes only where you send it.

Quick start

Set up your agent

With uv installed, run:

uvx irp-agents setup

Choose your agents, review the proposed changes, and approve them. Setup adds IRP's MCP server and its workflow skill, with backups of existing configuration. Restart your agent afterward.

Setup supports Claude Code, Codex and Cursor. Other MCP clients can use manual registration.

Ask your agent

Build arXiv 2501.12345 and check Table 2.

You get back a working code folder plus a report: every claim, the paper's number, your number, and a verdict.

Use the terminal

Every tool is also a command. Fetch a paper into a new study and read its outline:

irp fetch 2501.12345 --study ~/studies/example

irp section index --study ~/studies/example

To install the irp command for regular use:

uv tool install irp-agents

irp --help

See the CLI guide for the full workflow from the terminal.

Check readiness

irp doctor

Doctor checks Python, uv, git, Docker, GPUs, disk space and your agents' registrations, and changes nothing.

Update IRP

IRP changes quickly. For an installed command:

irp update

With uvx, refresh your agent setup with uvx irp-agents@latest setup, review the plan, and restart your agent.

How IRP works

Your agent thinks; IRP acts and keeps the receipts. The agent reads the paper, writes code and decides what to run. Every action goes through one core, so the CLI and the MCP server behave the same, and every step lands in an append-only, hash-chained evidence log. The report is built from that log alone.

Stage	Tool	What it does
Intake	`fetch_paper`	Downloads the arXiv LaTeX source or the PDF, hashes it, splits it into sections
Intake	`get_section`, `get_page_image`	Returns one section's text with file and line numbers, or one page as an image for equations and figures
Claims	`add_claim`, `list_claims`	Records each claim: metric, value, where it appears, and the success bar
Plan	`add_guess`	Records a missing detail, the choice made, and why
Plan	`map_method`	Links an equation or algorithm step to a file and line
Build	`create_env`	Makes a uv environment or Docker image and writes the lock file
Run	`run`, `run_status`	Runs one command; saves output, exit code, time, memory, seed, commit and files
Run	`run_remote`	Same on a paid GPU provider, after a cost estimate and approval
Measure	`extract_metrics`	Pulls numbers from logs and result files, with file and line
Judge	`compare`, `add_note`	Puts claim and measurement side by side and gives one of four verdicts
Report	`report`, `verify`, `study_status`	Writes report.md and report.json from the log; rechecks the hash chain

The workflow skill gives the agent six hard rules, and the tools enforce them wherever they can:

Never type, estimate or copy a number as a result.
Never change the paper's method to make a run succeed; record a guess instead.
Report "could not run" with the blocking error instead of pushing through.
Run the smallest faithful version first; shortened runs never count.
Record every claim before writing any code.
Ask before any paid compute.

The report

The report is the product: a person must be able to check every verdict without trusting the agent. It has five parts: the claim table, four verdicts (reproduced, close, not reproduced, could not run), the guess list, the method map from equations to code lines, and provenance (arXiv ID and version, file hashes, git commit, lock files, GPU, seeds, every command with its exit code, and a verify command that rechecks the hash chain).

The agent cannot finish until every claim has a verdict with evidence.

Example report.md (made-up numbers):

# Reproduction report: Example Paper (arXiv 2501.12345v2)

Result: 2 reproduced, 1 close, 1 could not run (of 4 claims)

Claim	Where	Paper	Ours	Verdict
c1 Test accuracy	Table 2, row 3	94.1%	93.8% (3 seeds, std 0.2)	close
c2 Training loss	Figure 4	0.31	0.31 (3 seeds)	reproduced
c3 Speed-up	Section 5.2	2.0x	2.1x	reproduced
c4 ImageNet top-1	Table 3	81.2%	not run: needs 8 GPUs for 2 days	could not run

Guesses

g1 Warmup length not stated: used 5 epochs. Why: as in cited paper [12].

Method map

Eq. 3 (loss) -> code/src/loss.py:41
Algorithm 1, line 4 -> code/src/train.py:88

Provenance

Paper: arXiv 2501.12345v2, source and PDF hashes
Code: git commit 3f2a9c1 (clean)
Commands logged: 37, 37 with an exit code
Evidence log: 112 records, head sha256:…, verified
Verify: irp verify --study ~/studies/example

See evidence and report for every field.

What you can reproduce

IRP requires Python 3.11+ on macOS or Linux. Additional tools depend on the paper:

Need	What IRP uses	Requirements and guide
Paper intake	arXiv LaTeX source first, the PDF as fallback, page images for math and figures	Network access to arXiv; paper intake
Better PDF structure	Docling for text and tables	Optional `irp-agents[docling]`; paper intake
Environments	uv virtual environments with lock files, or Docker images for isolation	uv, or Docker; environments
Compute	Your CPU or GPU; Modal GPU sandboxes after a cost estimate and approval (experimental)	Optional `irp-agents[modal]`; compute
Agents	Claude Code, Codex, Cursor; any MCP client by hand	installation

IRP supports computational papers: machine learning, algorithms and simulations. It does not support wet-lab work or anything weapons-related.

Benchmark

Five light papers — official code exists, each runs on a CPU in minutes — rebuilt from the paper alone and checked claim by claim. Every number comes from a verified evidence log; re-check any study with irp verify --study benchmarks/studies/ .

Paper	Claims	Result
Fashion-MNIST (1708.07747)	3	1 reproduced, 1 close, 1 not reproduced
KMNIST (1812.01718)	2	both reproduced
MNIST-1D (2011.14439)	1	reproduced
fastText (1607.01759)	1	reproduced (92.86% vs 92.5%)
QMNIST (1905.10498)	1	reproduced (2.95% vs 2.95%)

Across 8 claims: 6 reproduced, 1 close, 1 not reproduced (87.5% reproduced or close), ~160s and $0 of paid compute per paper. Selection criteria and the full set are in benchmarks/golden/papers.json; the protocol and summarize.py are in benchmarks/.

If you build a paper with IRP, share the report in an issue with the paper, your question, and what you found.

FAQ

Which agents can use IRP?

Any agent that supports local MCP servers. Setup configures Claude Code, Codex and Cursor; other clients can use manual registration.

Does IRP call an AI model or upload my paper?

No. Your agent is the brain; IRP never calls a model and has no API key. It downloads papers from arXiv, installs packages through uv or Docker, and runs code on your machine. Your agent receives the tool results, and its model provider has its own data policy.

Is running a paper's code safe?

Running code is running code. A uv virtual environment is not a sandbox: the code runs with your permissions. Use create_env with backend: "docker" for code you did not write or do not trust, and runs mount only the study's code directory. See security.

What does "not reproduced" mean?

That this run, with the recorded guesses, did not reach the paper's number within the stated bar. The report says "not reproduced by this run" and lists every guess. It is evidence about one attempt, not a verdict on the paper; contact the authors before publishing it.

The paper has official code. Should I use IRP?

IRP builds missing code from the paper. To check that existing code reproduces its README's numbers, a tool such as paper-repro fits better. IRP is still useful for testing a paper by hiding its code and comparing your rebuild with it afterwards.

Can IRP spend money?

Only on paid GPU providers, only after you record a price and a budget at a terminal with irp budget, and only after you approve the estimate the agent shows you. The run's time limit equals the estimated hour

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

IRP

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

IRP: Build any paper. Prove every claim.

One MCP server and CLI that lets your coding agent turn a research paper into working code, run it, and prove claim by claim how close it gets.

Quick start

Set up your agent

Ask your agent

Use the terminal

Check readiness

Update IRP

How IRP works

The report

Guesses

Method map

Provenance

What you can reproduce

Benchmark

FAQ