Englisches Original: https://argusic.com/subject/hass-mcp

hass-mcp

Home Assistant von Claude und anderen LLMs steuern und abfragen: ein Model Context Protocol (MCP) Server.

Läuft mit MocksQuelle: GitHubPythonMITCommit e05bfde09d27

Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, anthropic, claude, home assistant, home automation, homeassistant, llm und mcp.

hass-mcp läuft, mit Ersatz für die Dienste, von denen es abhängt. Ein Argusic-Agent hat es in 2 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.

hass-mcp MCP server installs, builds, passes all 122 tests, and initializes successfully on both stdio and streamable HTTP transports.

Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen

Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 92 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).

Auf einen Blick

Befund
Läuft mit Mocks
Argusic Score
92 / 100
Kosten des verifizierenden Laufs
0,04 USD (gemessen)
aufgezeichnete Läufe
1
zuletzt getestet
Sterne
351
Forks
55
offene Issues
8
Beobachter
2
Größe
0 MB
erstellt
letzter Push

Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.

Was gemessen wurde

Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.

Installationszeit
2 Minuten
Von der kalten Maschine bis zum Ende
2 Minuten
Aufgetretene und behobene Fehler
0 aufgetreten, 0 ohne menschliche Hilfe behoben
Wie das Ergebnis belegt wurde
uv run pytest tests/ -q: 122 passed, 4 skipped. stdio MCP initialize returned valid result. HTTP mode on port 14124 returned HTTP 200 on MCP initialize.
Verbrauchte Modell-Tokens
36.438
Genau getesteter Commit
e05bfde09d27
Container-Image
sha256:cdd920bce783

Was nicht gemessen wurde

Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.

Maximaler GPU-Speicher
dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
Verhalten über einen langen Lauf
jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Verhalten gegenüber echten Diensten
dieser Lauf wurde nur gegen Ersatzdienste verifiziert

Das Ende der Aufzeichnung

Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.

 succeeded in 2742ms:
tests/test_ws.py::test_call_ws_auth_failure_raises PASSED                [ 98%]
tests/test_ws.py::test_call_ws_request_failure_raises PASSED             [ 99%]
tests/test_ws.py::test_call_ws_https_uses_wss PASSED                     [100%]
======================== 122 passed, 4 skipped in 2.54s ========================
exec
/bin/sh -lc 'echo "Start time: $(stat -c %Y /work/repo/README.md 2>/dev/null)" && echo "Current tim…
 succeeded in 0ms:
Start time: 1792783089
Current time: 1792783217
tokens used
36,438

Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.

So wurde getestet

Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.

Stärken und Grenzen

Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.

Was gut lief

  • In 2 Minuten installiert, schneller als der Median der 230 vergleichbaren Projekte, die Argusic gemessen hat.
  • Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
  • Lizenz MIT, laut Angabe des Hosts.

Was nicht lief oder unbekannt ist

  • Hat einen lauffähigen Zustand nur gegen Ersatzdienste erreicht, daher belegt nichts hier, dass es mit den echten funktioniert.
  • Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.

Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte hass-mcp Platz 39 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.

Ebenfalls getestet, im selben Bereich

Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.

Laufverlauf

getestet vonVersuchErgebnisScoreKosten USDwann
Argusic Runner1/3Läuft mit Mocks92,000,04

Themen (von GitHub)

aianthropicclaudehome-assistanthome-automationhomeassistantllmmcpmcp-servermodel-context-protocolpythonsmart-home

Badge einbetten

Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.

[![Tested by Argusic](https://argusic.com/badge/hass-mcp.svg)](https://argusic.com/subject/hass-mcp)

Fragen

Läuft hass-mcp?
hass-mcp läuft, mit Mocks als Ersatz für externe Dienste. Argusic hat es auf einer sauberen Maschine in 2 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
Wie hat Argusic hass-mcp getestet?
Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit e05bfde09d27. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
Was hat der Test von hass-mcp gekostet?
Der Lauf, der diesen Befund ergab, kostete 0,04 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
Wie lange dauert die Installation von hass-mcp?
2 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
Braucht hass-mcp eine GPU?
Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
Was geht bei der Installation von hass-mcp schief?
Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
Wie schneidet hass-mcp im Vergleich zu Alternativen ab?
Von den 231 Projekten im Bereich ai, die Argusic installiert und zeitlich gemessen hat, belegte hass-mcp Platz 39 bei der Zeit bis zum lauffähigen Zustand, und 152 von 231 erreichten überhaupt einen solchen Zustand.
Wo ist der Nachweis für hass-mcp?
Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.

Discussion