Original em inglês: https://argusic.com/subject/mcpjungle
MCPJungle
Um único lugar para gerenciar e conectar todos os seus servidores MCP.
Executafonte: GitHubpágina do projetoGoMPL-2.0commit 12648be5edc7
Go, licença MPL-2.0. O projeto se descreve como: ai agents, infrastructure, mcp, mcp gateway, mcp registry, mcp server, model context protocol e self hosted.
MCPJungle executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 18 minutos e encontrou 2 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Go compiler not installed in container3 minutos
- Dashboard UI bundle missing from internal/dashboardui/dist, blocking Go build2 minutos
- Tempo de instalação
- 18 minutos
- Da máquina limpa até o fim
- 14 minutos
- Erros encontrados e corrigidos
- 2 encontrados, 2 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `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 exato testado
- 12648be5edc7
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Recuperou-se de todos os 2 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MPL-2.0, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Levou 18 minutos para instalar, mais devagar que a mediana dos 110 projetos comparáveis que a Argusic mediu.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, MCPJungle foi o 87º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
ai-agentsinfrastructuremcpmcp-gatewaymcp-registrymcp-servermodel-context-protocolself-hosted
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/mcpjungle)Perguntas
- MCPJungle executa?
- Sim. MCPJungle executa. A Argusic o instalou e iniciou em uma máquina limpa em 18 minutos, encontrando 2 erros no caminho, e gravou a sessão.
- Como a Argusic testou MCPJungle?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 12648be5edc7. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar MCPJungle?
- A execução que produziu este veredito custou US$ 0,07: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar MCPJungle?
- 18 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- MCPJungle precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar MCPJungle?
- 2 coisas quebraram na execução registrada, e 2 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como MCPJungle se compara às alternativas?
- Dos 111 projetos de ai-agents que a Argusic instalou e cronometrou, MCPJungle foi o 87º mais rápido a chegar a um estado de execução, e 83 de 111 chegaram a esse estado.
- Onde estão as evidências de MCPJungle?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.