deepmiro

Simulate hundreds of AI agents to predict how communities react to events and policies.

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • Create Simulation: Run a full swarm prediction. Builds a knowledge graph, generates agent personas, runs a multi-agent social media simulation, and generates a prediction report. Streams progress upda
  • Simulation Status: Check the progress of a running or completed simulation. Returns phase-aware status with entity names and action content. Phases: building_graph → generating_profiles → simulating →
  • Get Report: Generate and retrieve the prediction report for a completed simulation. If the report hasn't been generated yet, triggers generation (may take 1-3 minutes). Returns a detailed markdown ana

Какие данные видит

Нужен ли аккаунт

Не нужен: сервер работает без входа

Simulate hundreds of AI agents to predict how communities react to events and policies. Upload any document (PDF, Markdown, text) and DeepMiro spawns a diverse swarm of AI agents that debate, share, and form opinions — then delivers a calibrated prediction report. Free and open-source.

Как подключить

Как подключить deepmiro к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://deepmiro--kakarot-joel-yy68.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить deepmiro к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://deepmiro--kakarot-joel-yy68.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить deepmiro к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://deepmiro--kakarot-joel-yy68.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (9)

Технические названия из tools/list. Нужны только разработчикам.

create_simulationRun a full swarm prediction. Builds a knowledge graph, generates agent personas, runs a multi-agent social media simulation, and generates a prediction report. Streams progress updates. Returns the final report when complete.
simulation_statusCheck the progress of a running or completed simulation. Returns phase-aware status with entity names and action content. Phases: building_graph → generating_profiles → simulating → completed.
get_reportGenerate and retrieve the prediction report for a completed simulation. If the report hasn't been generated yet, triggers generation (may take 1-3 minutes). Returns a detailed markdown analysis of the simulation results.
interview_agentChat with a specific simulated agent to understand their perspective, reasoning, and predicted behavior. The agent responds in character based on their persona and simulation experience.
list_simulationsList past simulation runs with their status and metadata.
search_simulationsSearch past simulations by topic, project name, or simulation ID.
quick_predictFast, lightweight prediction without running a full simulation. Uses the LLM to simulate swarm behavior and predict outcomes. Returns in seconds. For deeper analysis, use create_simulation instead.
upload_documentUpload a document for use in simulations. LIMITS: Max 10MB, PDF/MD/TXT only. The server extracts text server-side (PyMuPDF for PDFs). Returns a document_id to pass to create_simulation. NOTE: Only works with local file paths (stdio transport). For remote/hosted mode, the client skill uploads via HTTP instead.
simulation_dataAccess raw simulation data: agent profiles, configuration, action logs, social media posts, round-by-round timeline, per-agent activity stats, and interview history. Use this to inspect what happened during a simulation.