Original en inglés: https://argusic.com/subject/mcpjungle
MCPJungle
Un solo lugar para gestionar y conectar todos tus servidores MCP.
Funcionafuente: GitHubsitio webGoMPL-2.0commit 12648be5edc7
Go, licencia MPL-2.0. El proyecto se describe a sí mismo como: ai agents, infrastructure, mcp, mcp gateway, mcp registry, mcp server, model context protocol y self hosted.
MCPJungle funciona. Un agent de Argusic lo instaló en 18 minutos y encontró 2 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
MCPJungle builds and runs in this container: compiled binary responds to CLI commands, server starts on port 8080, health endpoint returns OK, MCP JSON-RPC endpoint responds to initialization, dashboard serves its React UI, and the full test suite passes.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Go compiler not installed in container3 minutos
- Dashboard UI bundle missing from internal/dashboardui/dist, blocking Go build2 minutos
- Tiempo de instalación
- 18 minutos
- De máquina en frío a terminar
- 14 minutos
- Errores encontrados y corregidos
- 2 encontrados, 2 corregidos sin ayuda humana
- Cómo se demostró el resultado
- `go test ./...`, all 18 packages (client, cmd, internal, api, db, e2e, model, services, pkg) returned `ok` status with 341+ passing tests; `curl http://127.0.0.1:8080/health` returned `{"status":"ok"}`; `curl -X POST http://127.0.0.1:8080/mcp` with initialize payload returned valid JSON-RPC response with server info; dashboard HTML served at `/`.
- Tokens de modelo usados
- 58.316
- Commit exacto probado
- 12648be5edc7
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
succeeded in 68ms: === Fresh build check === === Server version check === ███╗ ███╗ ██████╗██████╗ ██╗██╗ ██╗███╗ ██╗ ██████╗ ██╗ ███████╗ === Dashboard dist exists === internal/dashboardui/dist/index.html I have everything I need. Here's the final report: 2026-10-09T01:30:33.372439Z ERROR codex_core::session: failed to record rollout items: thread 01a11… tokens used 58,316 I have everything I need. Here's the final report: 2026-10-09T01:30:33.372718Z ERROR codex_core::session: failed to record rollout items: thread 01a11…
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se recuperó de los 2 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MPL-2.0, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Tardó 18 minutos en instalarse, más lento que la mediana de los 110 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, MCPJungle fue el 87.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
ai-agentsinfrastructuremcpmcp-gatewaymcp-registrymcp-servermodel-context-protocolself-hosted
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/mcpjungle)Preguntas
- ¿Funciona MCPJungle?
- Sí. MCPJungle funciona. Argusic lo instaló y lo inició en una máquina limpia en 18 minutos, con 2 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic MCPJungle?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 12648be5edc7. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar MCPJungle?
- La ejecución que produjo este veredicto costó 0,07 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda MCPJungle en instalarse?
- 18 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita MCPJungle una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar MCPJungle?
- En la ejecución registrada fallaron 2 cosas, y 2 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara MCPJungle con las alternativas?
- De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, MCPJungle fue el 87.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
- ¿Dónde está la evidencia de MCPJungle?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.