srv-d7aoqmh5pdvs7391dcqg
NWO Robotics MCP Server — управление роботами и IoT-устройствами через естественный язык
Что умеет
- Запускать VLA-инференс по тексту и изображениям с камер
- Запрашивать состояние робота: суставы, батарея, положение
- Планировать и выполнять многошаговые задачи для робота
- Сливать данные камеры, лидара и других сенсоров в один вызов
- Регистрировать AI-агентов и роботов, отслеживать квоту API
Какие данные видит
Доступ бесплатный до 100 000 вызовов в месяц, платные тарифы оплачиваются в ETH; ассистент управляет реальными роботами и получает телеметрию с их сенсоров.
Нужен ли аккаунт
Не нужен: сервер работает без входа
NWO Robotics MCP Server открывает доступ к API NWO Robotics: 64 инструмента для отправки команд физическим роботам, запуска Vision-Language-Action инференса по видеопотоку, планирования многошаговых задач, слияния данных с сенсоров и онлайн-обучения роботов с подкреплением. Через ассистента в Claude, ChatGPT или Cursor можно отправлять роботу текстовые инструкции, следить за состоянием батареи и суставов, а также регистрировать агентов в блокчейн-системе идентификации Cardiac на Base mainnet. Сервер работает облачно, локальная установка не нужна.
Как подключить
Как подключить srv-d7aoqmh5pdvs7391dcqg к Claude
Адрес сервера, который нужно вставить в настройках Claude:
https://srv-d7aoqmh5pdvs7391dcqg--ciprianpater.run.tools
- Откройте Claude (сайт claude.ai или приложение для компьютера).
- Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
- Нажмите Добавить пользовательский коннектор (Add custom connector).
- Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
- 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 srv-d7aoqmh5pdvs7391dcqg к ChatGPT
Адрес сервера, который нужно вставить в настройках ChatGPT:
https://srv-d7aoqmh5pdvs7391dcqg--ciprianpater.run.tools
- Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
- Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
- Откройте Настройки → Коннекторы и нажмите Создать (Create).
- Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
- В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
- 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 srv-d7aoqmh5pdvs7391dcqg к Cursor
Адрес сервера, который нужно вставить в настройках Cursor:
https://srv-d7aoqmh5pdvs7391dcqg--ciprianpater.run.tools
Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.
Вручную:
- В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
- Вставьте JSON, скопированный ниже, в открывшийся файл
~/.cursor/mcp.json(для одного проекта:.cursor/mcp.jsonв корне проекта). - 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 (60)
Технические названия из tools/list. Нужны только разработчикам.
| vla_inference | Run VLA inference: send instruction + base64 images, receive joint actions |
| edge_inference | Ultra-low-latency VLA inference via Cloudflare global edge (28ms avg) |
| list_models | List all available VLA models with capabilities, status, and latency |
| get_model_info | Get detailed info and benchmark performance for a specific model |
| get_streaming_config | Get available WebSocket streaming frequencies and chunk size ranges |
| query_robot_state | Query robot state: joint angles, gripper state, position (x,y,z), battery |
| execute_actions | Execute a sequence of pre-computed joint action vectors on a robot |
| sensor_fusion | Run VLA inference fusing camera + lidar + thermal + force + GPS sensor data |
| robot_query | Quick query: robot active/idle, battery percent, current task |
| get_agent_status | Get tasks completed and success rate for a robot agent |
| task_planner | Decompose a complex instruction into ordered subtasks with time estimates |
| execute_subtask | Execute a numbered subtask from a multi-step plan |
| status_poll | Poll the progress and status of a running task (completed, progress%, errors) |
| learning_recommend | Get technique recommendations for a task (grip_force, approach_speed, etc.) |
| learning_log | Log a completed task execution so the model can learn from it |
| register_agent | Self-register a new AI agent — returns api_key, agent_id, and 100k free monthly quota |
| check_balance | Check quota: used this month, remaining, limit, tier, subscription expiry |
| pay_upgrade | Upgrade tier by paying ETH (prototype=500k/mo ~0.015ETH, production=unlimited ~0.062ETH) |
| create_wallet | Create a hosted MoonPay wallet so the agent can be funded via credit card |
| register_robot | Register a new robot entity in the NWO system |
| update_agent | Update a robot agent's capabilities or operational status |
| get_agent_info | Get full agent profile: name, type, status, total tasks, success rate |
| nwo_health | Check NWO API online status and timestamp |
| nwo_whoami | Get the agent_id, tier, and quota_remaining for the current API key |
| discover_capabilities | Discover execution modes, robot/task types, available models, sensors, and features |
| dry_run | Validate task feasibility without executing — safety check, confidence, duration estimate |
| plan_task | Generate a phased plan: preparation → perception → execution → verification |
| ros2_list_robots | List all robots currently connected to the ROS2 bridge |
| ros2_robot_status | Get live status of a specific physical robot via ROS2 bridge |
| ros2_send_command | Send a named command + joint angles to a physical robot via ROS2 bridge |
| ros2_submit_action | Submit a computed action sequence directly to a robot via ROS2 bridge |
| ros2_emergency_stop | Emergency stop a single robot via ROS2 bridge (10ms response) |
| ros2_emergency_stop_all | Emergency stop ALL connected robots via ROS2 bridge |
| ros2_get_robot_types | Get all robot types supported by the ROS2 bridge with DOF, speed, and specs |
| simulate_trajectory | Simulate a trajectory with physics: check feasibility, collisions, time estimate |
| check_collision | Check a trajectory for collisions with environment obstacles |
| estimate_torques | Estimate joint torques for a trajectory given payload mass |
| validate_grasp | Validate whether a grasp will be stable for object shape, mass, and grip force |
| plan_motion | Plan a collision-free motion path using MoveIt2 |
| get_scene_library | Get available simulation scenes (warehouse, kitchen, outdoor, etc.) |
| generate_scene | Generate synthetic robot training scenes using NVIDIA Cosmos 3 |
| list_embodiments | List all supported robot embodiments filterable by type |
| get_robot_specs | Get full specifications for a robot type: DOF, joint limits, sensors, max speed |
| get_normalization | Get joint normalization parameters (min, max, mean, std) needed for VLA inference |
| download_urdf | Get URDF robot model XML for a given robot type |
| get_test_results | Get LIBERO, CALVIN, and SimplerEnv benchmark results for a robot type |
| compare_robots | Compare multiple robot types on DOF, speed, accuracy, and other fields |
| run_calibration | Run automatic calibration on a robot (joint offset, force-torque, camera extrinsic) |
| calibrate_confidence | Calibrate raw model confidence score to a calibrated success probability with CI |
| start_rl_training | Start an online RL training session with custom reward configuration |
| submit_rl_telemetry | Submit state/action/reward data to an active RL session for online policy update |
| create_finetune_dataset | Create a fine-tuning dataset from logged task executions over a date range |
| start_finetune_job | Start a LoRA fine-tuning job on a base VLA model using a prepared dataset |
| read_tactile | Read ORCA robot hand tactile sensor data (256 taxels per finger, force, slip) |
| process_tactile | Process tactile data to assess grip quality, object texture, recommended grip force |
| detect_slip | Detect object slip by comparing current vs previous tactile readings |
| list_datasets | List Unitree G1 robot demonstration datasets — 1.54M+ episodes, 430+ hours, LeRobot format |
| cardiac_register_agent | Register AI agent on Base mainnet. Returns permanent soul-bound rootTokenId. |
| cardiac_identify_agent | Look up an agent rootTokenId on-chain by their hashed API key |
| cardiac_renew_key | Renew agent API key binding on Base mainnet (requires EIP-712 agent signature) |