OraClaw Decision Intelligence

12 herramientas MCP con 19 algoritmos de ML para agentes de IA: bandidos, solucionadores, pronosticadores, modelos de riesgo. Todo en menos de 25 ms, determinista.

GitHub

Documentación

OraClaw

Herramientas de Optimización MCP para Agentes de IA -- 17 herramientas (11 gratuitas, sin clave), menos de 25ms. Costo cero de LLM.

Tu agente de IA no sabe hacer matemáticas. OraClaw le brinda optimización determinista, simulación, pronóstico y análisis de riesgo a través del Protocolo de Contexto de Modelo. Cada herramienta devuelve JSON estructurado, se ejecuta en menos de 25ms y no cuesta nada de computación.

🚀 ¿Usando OraClaw en producción — o quieres hosting administrado, herramientas premium o soporte prioritario? Cuéntame sobre tu caso de uso → — leo cada uno.

💬 ¿Estás construyendo algo con esto? Dale estrella al repositorio y saluda en Discusiones — lo que construyas orienta lo que publico a continuación.

Qué resuelve esto

Los LLM generan texto plausible, no respuestas matemáticamente óptimas. OraClaw le da a un agente de IA un conjunto de herramientas numéricas deterministas que puede llamar en lugar de adivinar — cada una devuelve JSON estructurado desde un algoritmo real, sin gasto de tokens en razonamiento. Concretamente:

Tu agente necesita elegir la siguiente variante a probar (brazo de prueba A/B, copia de anuncio/correo, recomendación) y equilibrar exploración contra explotación — sin implementar manualmente un bandido ni dejar que el modelo lo estime a ojo. Llama a optimize_bandit (o optimize_contextual cuando la mejor elección depende de características por llamada).
Tu agente necesita una asignación o programación demostrablemente óptima bajo restricciones estrictas (división de presupuesto, conteos enteros, límites de capacidad) — sin que el modelo alucine restricciones. Llama a solve_constraints (LP/MIP/QP vía HiGHS) o solve_schedule para ajuste de tarea a ranura.
Tu agente necesita cuantificar la incertidumbre alrededor de un resultado — proyectar un valor bajo una entrada incierta, o medir VaR/CVaR en un libro multi-activo ponderado con supuestos auditables — sin un bucle de Monte Carlo en el prompt. Llama a simulate_montecarlo, simulate_scenario o analyze_risk.
Tu agente necesita un pronóstico puntual o una bandera de anomalía en una serie temporal (demanda, KPIs, flujos de sensores/métricas) — sin inventar matemáticas de tendencia. Llama a predict_forecast (ARIMA / Holt-Winters) o detect_anomaly (Z-score / IQR).
Tu agente necesita fusionar o puntuar señales de probabilidad — combinar salidas de modelos, medir cuánto coinciden fuentes independientes, o verificar si las predicciones pasadas estaban bien calibradas. Llama a predict_ensemble, score_convergence o score_calibration.
Tu agente necesita razonar sobre un grafo — clasificar nodos influyentes, agrupar un grafo de dependencias/conocimiento, encontrar una ruta crítica o enrutar entre dos nodos. Llama a analyze_graph o plan_pathfind.

Dónde se han utilizado los algoritmos

Los algoritmos de OraClaw han informado implementaciones en varios proyectos de código abierto — a través de especificaciones de enrutamiento contribuidas, orientación de algoritmos y matemáticas compartidas — abarcando orquestación de agentes de IA, seguimiento de series temporales, búsqueda vectorial y optimización.

Contribuciones seleccionadas (ver CHANGELOG.md para la lista completa):

chernistry/bernstein -- marco de orquestación de agentes. Enrutador contextual LinUCB (α=0.3) con ruta de evaluación en sombra y razones de decisión interpretables, enviado en codex/issue-367-linucb-router después de una corrección de especificación contribuida.
stxkxs/nanohype -- enrutamiento de bandidos contextuales, registro de estrategias conectables (hash / TTL deslizante / semántico), detección de anomalías de costos. "Tu aporte moldeó mucho de lo que realmente se envió."
rfivesix/hypertrack -- estimador adaptativo estilo Bayesiano/Kalman con rampa consciente de fase. Enviado en 0.8.0-beta.
AlanHuang99/pyrollmatch -- balanceo de entropía (Hainmueller 2012) con restricciones de momentos + límite de max_weight. Enviado en v0.1.3.
stffns/vstash -- ponderación de relevancia IDF-sigmoide. Enviado en v0.17.0.

Distribución en el mercado:

✓ punkpeye/awesome-mcp-servers -- fusionado
✓ TensorBlock/awesome-mcp-servers -- fusionado
✓ MCP Registry, Glama (puntaje A/A/B), PulseMCP, toolsdk-ai -- listados

Inicio Rápido

1. Servidor MCP (recomendado para agentes de IA)

Agrega a tu claude_desktop_config.json:

{
  "mcpServers": {
    "oraclaw": {
      "command": "npx",
      "args": ["-y", "@oraclaw/mcp-server"]
    }
  }
}

Luego pregúntale a tu agente:

"Tengo 3 variantes de línea de asunto de correo. ¿Cuál debería enviar a continuación?"

El agente llama a optimize_bandit y obtiene una selección estadísticamente óptima en 0.01ms.

2. API REST (sin instalación)

curl -X POST https://oraclaw-api.onrender.com/api/v1/optimize/bandit \
  -H 'Content-Type: application/json' \
  -d '{
    "arms": [
      {"id": "A", "name": "Option A", "pulls": 10, "totalReward": 7},
      {"id": "B", "name": "Option B", "pulls": 10, "totalReward": 5},
      {"id": "C", "name": "Option C", "pulls": 2, "totalReward": 1.8}
    ],
    "algorithm": "ucb1"
  }'

Respuesta (<1ms):

{
  "selected": { "id": "C", "name": "Option C" },
  "score": 1.876,
  "algorithm": "ucb1",
  "exploitation": 0.9,
  "exploration": 0.976,
  "regret": 0.1
}

Nivel gratuito: 25 llamadas/día, sin necesidad de clave API.

3. SDK npm

npm install @oraclaw/bandit

import { OraBandit } from '@oraclaw/bandit';

const client = new OraBandit({ baseUrl: 'https://oraclaw-api.onrender.com' });
const result = await client.optimize({
  arms: [
    { id: 'A', name: 'Short Subject', pulls: 500, totalReward: 175 },
    { id: 'B', name: 'Long Subject', pulls: 300, totalReward: 126 },
  ],
  algorithm: 'ucb1',
});

14 paquetes SDK: @oraclaw/bandit, @oraclaw/solver, @oraclaw/simulate, @oraclaw/risk, @oraclaw/forecast, @oraclaw/anomaly, @oraclaw/graph, @oraclaw/bayesian, @oraclaw/ensemble, @oraclaw/calibrate, @oraclaw/evolve, @oraclaw/pathfind, @oraclaw/cmaes, @oraclaw/decide

¿Por qué?

Los LLM generan texto plausible, no soluciones óptimas. Pídele a GPT que elija la mejor variante de prueba A/B y aplicará una heurística que ignora el equilibrio exploración-explotación. Pídele que resuelva un programa lineal y alucinará restricciones. OraClaw le da a tu agente acceso a algoritmos reales -- bandidos, solucionadores, pronosticadores, modelos de riesgo -- que devuelven respuestas matemáticamente correctas en tiempo submilisegundo, sin quemar tokens en razonamiento.

Catálogo de Herramientas MCP (17 herramientas)

Nivel gratuito (11 herramientas, sin clave API — 25 llamadas/día por IP):

Herramienta	Qué Hace	Latencia
`optimize_bandit`	Selección de brazo UCB1 / Thompson / Epsilon-Greedy	0.01ms
`optimize_contextual`	Bandido LinUCB consciente del contexto	0.05ms
`optimize_evolve`	Algoritmo genético para problemas discretos + multi-objetivo	<10ms
`solve_schedule`	Programación de tareas con coincidencia de energía	3ms
`score_convergence`	Consenso de probabilidad multi-fuente (Hellinger)	0.04ms
`score_calibration`	Puntaje Brier + log para precisión de pronosticadores	0.02ms
`predict_bayesian`	Actualización posterior Beta a partir de evidencia ponderada	0.05ms
`predict_ensemble`	Consenso multi-modelo + descomposición de incertidumbre	0.1ms
`plan_pathfind`	A* + k-rutas más cortas de Yen	0.1ms
`simulate_montecarlo`	Monte Carlo de un factor (6 distribuciones)	<2ms
`simulate_scenario`	Comparación de escenarios hipotéticos + clasificación de sensibilidad	<5ms

Nivel premium (6 herramientas, requiere ORACLAW_API_KEY):

Herramienta	Qué Hace	Latencia
`optimize_cmaes`	Optimización continua de caja negra CMA-ES	12ms
`solve_constraints`	Solucionador LP / MIP / QP vía HiGHS (demostrablemente óptimo)	2ms
`analyze_graph`	PageRank, comunidades Louvain, detección de cuellos de botella	0.5ms
`analyze_risk`	VaR y CVaR (Déficit Esperado)	<2ms
`predict_forecast`	Pronóstico de series temporales ARIMA + Holt-Winters	0.08ms
`detect_anomaly`	Detección de anomalías Z-Score + IQR	0.01ms

14 de 18 endpoints REST responden en menos de 1ms. Todos en menos de 25ms.

Pruébalo Ahora

La API está activa. Sin registro requerido.

# Bayesian inference
curl -X POST https://oraclaw-api.onrender.com/api/v1/predict/bayesian \
  -H 'Content-Type: application/json' \
  -d '{"prior": 0.3, "evidence": [{"factor": "positive_test", "weight": 0.9, "value": 0.05}]}'

# Monte Carlo simulation
curl -X POST https://oraclaw-api.onrender.com/api/v1/simulate/montecarlo \
  -H 'Content-Type: application/json' \
  -d '{"simulations": 1000, "distribution": "normal", "params": {"mean": 100, "stddev": 15}}'

# Monte Carlo with a non-normal distribution
curl -X POST https://oraclaw-api.onrender.com/api/v1/simulate/montecarlo \
  -H 'Content-Type: application/json' \
  -d '{"simulations": 1000, "distribution": "triangular", "params": {"min": 80, "mode": 100, "max": 140}}'

Las herramientas premium (detect_anomaly, predict_forecast, analyze_risk, solve_constraints, analyze_graph, optimize_cmaes) necesitan una clave API o un pago x402 — ver Precios a continuación.

Precios

Nivel	Llamadas	Precio	Autenticación
Gratuito	25/día	$0	Ninguna
Pago por llamada	1K/día	$0.005/llamada	Clave API
Inicial	50K/mes	$9/mes	Clave API
Crecimiento	500K/mes	$49/mes	Clave API
Escala	5M/mes	$199/mes	Clave API

x402 (para agentes autónomos): paga $0.001/llamada en USDC en Base — sin registro, sin clave API. Envía un encabezado PAYMENT-SIGNATURE firmado en cualquier endpoint premium; la API verifica, mide y liquida por llamada. Obtén una clave en su lugar con un POST /api/v1/auth/signup de una línea ({"email":"tu@…"}) — instantáneo, sin tarjeta.

Código Fuente

Componente	Ruta
Servidor MCP	`mission-control/packages/mcp-server/`
API REST	`mission-control/apps/api/`
Algoritmos	`mission-control/apps/api/src/services/oracle/algorithms/`
Paquetes SDK	`mission-control/packages/sdk/`
Herramientas LangChain	`mission-control/integrations/langchain/oraclaw_tools.py`
Aplicación Móvil	`mission-control/apps/mobile/`
Panel (Next.js)	`web/`

¿Construyendo con OraClaw?

Nos encantaría saber en qué estás trabajando. Comparte tu caso de uso, haz preguntas o solicita funciones:

Enlaces

API en vivo: https://oraclaw-api.onrender.com
Panel: https://web-olive-one-89.vercel.app
npm: https://www.npmjs.com/org/oraclaw
Demo: https://web-olive-one-89.vercel.app/demo
GitHub: https://github.com/Whatsonyourmind/oraclaw

Si esto salvó a tu agente de alucinar matemáticas, danos una estrella :star:

Licencia

MIT