io.github.nickjlamb/ai-footprint

Est-ce que io.github.nickjlamb/ai-footprint est sûr ?

Au dernier audit MCP Hub, le serveur MCP « io.github.nickjlamb/ai-footprint » est classé « Non encore testé ». Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur. Le verdict est réévalué en continu ; consultez la fiche pour l'état à jour.

Méthode : MCP Hub analyse la description de chaque outil (couche 1) et, pour le verdict fort, exécute le serveur dans une micro-VM isolée avec leurres et réseau bloqué (couche 2). On publie des noms et des compteurs, jamais le contenu brut renvoyé par un outil.

Les 4 outils

• compare_water_use≈ 184 tokens

  Convert a volume of water (mL) into everyday comparisons: teaspoons, 500 mL bottles, shower time, and lifecycle items (A4 sheet, almond, cup of tea, beef burger), plus the number of typical AI text prompts it equals. Includes the boundary caveat that lifecycle footprints are not like-for-like.

  Paramètres, retour & exemple (1)

  Paramètres

  • water_ml · number · requis

  Exemple d'appel

  {"name": "compare_water_use", "arguments": {"water_ml": 1}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• estimate_ai_footprint≈ 353 tokens

  Estimate the water (mL) and energy (Wh) used by chat-style AI prompts (ChatGPT, Claude, Gemini etc.). queries_per_day: prompts per day. usage: 'simple' (text chat, ~0.34 Wh/prompt), 'mixed' (~1 Wh), 'intensive' (image generation / deep reasoning, ~3 Wh). boundary: 'onsite' (data-centre cooling only, as vendors report) or 'comprehensive' (adds water used to generate the electricity – the wider boundary most researchers use). days: number of days to total over (e.g. 250 workdays, 365). Returns per-prompt, per-day and total figures with everyday equivalents, assumptions and a source link. For agentic/coding sessions use estimate_session_footprint instead.

  Paramètres, retour & exemple (4)

  Paramètres

  • days · integer · optionnel
  • usage · string · optionnel · simple | mixed | intensive
  • boundary · string · optionnel · onsite | comprehensive
  • queries_per_day · number · requis

  Exemple d'appel

  {"name": "estimate_ai_footprint", "arguments": {"queries_per_day": 1}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• estimate_session_footprint≈ 356 tokens

  Estimate the water and energy of an AI session (e.g. an agent or coding-assistant run) from its token usage. Pass the SUM across all model calls: input_tokens (uncached prompt tokens), output_tokens (including any reasoning/thinking tokens) and cached_input_tokens (prompt-cache reads). model_class: 'small' (Haiku/mini/Flash-class), 'frontier' or 'reasoning'. Returns a central estimate and a 0.3x–3x range – this is an order-of-magnitude estimate calibrated to published per-prompt figures, not a measurement.

  Paramètres, retour & exemple (5)

  Paramètres

  • boundary · string · optionnel · onsite | comprehensive
  • model_class · string · optionnel · small | frontier | reasoning
  • input_tokens · integer · requis
  • output_tokens · integer · requis
  • cached_input_tokens · integer · optionnel

  Exemple d'appel

  {"name": "estimate_session_footprint", "arguments": {"input_tokens": 1, "output_tokens": 1}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

• get_methodology≈ 157 tokens

  Return the per-prompt energy and water figures, accounting boundaries, sources, limitations, a citation line, and the reasons published AI water estimates differ by ~100x (0.3 mL to 50 mL per prompt). Use it to explain or check a published AI water or energy figure.

  Paramètres, retour & exemple (0)

  Exemple d'appel

  {"name": "get_methodology", "arguments": {}}

  Exemple de retour

  {"content": [{"type": "text", "text": "…"}]}

C'est votre serveur ?

Revendiquez-le sur l'espace créateur (preuve GitHub, domaine ou npm) pour afficher le badge « propriétaire vérifié » et lancer un pentest comportemental à la demande afin d'obtenir le badge « Vérifié ».

Créer un compte / revendiquer →

Source

https://footprint.pharmatools.ai/mcp