Combien d'outils expose studio.inite/ideaudit-tools ?

studio.inite/ideaudit-tools expose 21 outil(s). Le coût de contexte pour les charger tous est d'environ 4118 tokens (coût unique au chargement, pas par appel).

accueil / serveurs / Dev & Code / studio.inite/ideaudit-tools

studio.inite/ideaudit-tools

serveur MCP (Model Context Protocol) · ideaudit 0.1.0

▸ Dev & Code

[ Non encore testé ]

Verdict MCP Hub
Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur.

streamable-httpType / transport

directAccès

~4118 tokensCoût de contexte

21Outils

Est-ce que studio.inite/ideaudit-tools est sûr ?

Au dernier audit MCP Hub, le serveur MCP « studio.inite/ideaudit-tools » 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 21 outils

compute_barrier≈ 116 tokens
Compute barrier_score (0-24) + label (PRISTINE/OPEN/COMPETITIVE/CROWDED) from competitor counts + SERP noise fraction.
Paramètres, retour & exemple (3)
Paramètres
- serpNoise · number · optionnel
- directCompetitorCount · integer · requis
- adjacentCompetitorCount · integer · optionnel
Exemple d'appel
```
{"name": "compute_barrier", "arguments": {"directCompetitorCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_budget_proof≈ 125 tokens
Compute budget_proof_score (0-10) + label (STRONG/CONFIRMED/WEAK/ABSENT) + purchase_intent_pct from pricing hits + review-site hits + intent mentions.
Paramètres, retour & exemple (4)
Paramètres
- hasNamedPricing · boolean · optionnel
- pricingHitsCount · integer · requis
- reviewSiteHitsCount · integer · optionnel
- purchaseIntentMentions · integer · optionnel
Exemple d'appel
```
{"name": "compute_budget_proof", "arguments": {"pricingHitsCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_build_complexity≈ 124 tokens
Compute build_complexity_penalty (0-10, higher = worse) + per-factor breakdown. Hard tags: ml/realtime/blockchain/hardware/compliance/custom-ai/regulated/on-device-ai/iot.
Paramètres, retour & exemple (3)
Paramètres
- externalApisCount · integer · requis
- integrationsCount · integer · optionnel
- stackComplexityTags · array · optionnel
Exemple d'appel
```
{"name": "compute_build_complexity", "arguments": {"externalApisCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_collection_scores≈ 102 tokens
Compute 12 deterministic collection scores (0-100) + badges + death reason for an enriched idea. Pure math. No external calls.
Paramètres, retour & exemple (2)
Paramètres
- analysisId · string · requis
- enrichedData · object · requis
  EnrichedData with canonical_idea signals.
Exemple d'appel
```
{"name": "compute_collection_scores", "arguments": {"analysisId": "texte", "enrichedData": {}}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_crossed_matrix≈ 593 tokens
Crossed-product audit explorer. Same input as compute_dealbreakers_v2 — returns substrate verdict (no-observer baseline) + crossed verdict (when observer supplied) + a 5-row matrix of {solo, cofounded_technical, cofounded_business, domain_expert, serial} archetype verdicts. Never persists; meant for the dashboard "view as [archetype]" dropdown and for previewing a verdict before committing to it.
Paramètres, retour & exemple (7)
Paramètres
- stage · string · requis · idea | mvp | seed | series_a_plus
- sector · string · optionnel
- observer · object · optionnel
  Founder profile that crosses with the substrate idea to produce an observer-relative verdict. When omitted, only the substrate verdict is returned.
- lensScores · array · requis
- stageProbabilities · object · optionnel
- hasMajorContradiction · boolean · optionnel
- unresolvedContradictions · integer · optionnel
Exemple d'appel
```
{"name": "compute_crossed_matrix", "arguments": {"stage": "idea", "lensScores": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_dealbreakers_v2≈ 611 tokens
Methodology v2 dealbreakers — stage-aware weights + confidence-weighted lens scoring + risk-asymmetric verdict (GO requires score≥80 AND zero red flags AND avg confidence≥0.6). Optional `observer` triggers the crossed-product pipeline: substrate verdict (no-observer baseline) PLUS crossed verdict (observer-perturbed weights, risk-tolerance shifted thresholds) PLUS 5-row archetype matrix. The KILL gate (≥2 blockers / score<50) is observer-invariant — fatal stays fatal.
Paramètres, retour & exemple (7)
Paramètres
- stage · string · requis · idea | mvp | seed | series_a_plus
- sector · string · optionnel
- observer · object · optionnel
  Founder profile that crosses with the substrate idea to produce an observer-relative verdict. When omitted, only the substrate verdict is returned.
- lensScores · array · requis
- stageProbabilities · object · optionnel
- hasMajorContradiction · boolean · optionnel
- unresolvedContradictions · integer · optionnel
Exemple d'appel
```
{"name": "compute_dealbreakers_v2", "arguments": {"stage": "idea", "lensScores": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_funding_momentum≈ 134 tokens
Compute funding_momentum_score (0-10) + badge (HOT/WARM/COOL/COLD) from tier-weighted funding-article hit counts.
Paramètres, retour & exemple (2)
Paramètres
- hitsByTier · object · requis
- recent30dHits · integer · optionnel
Exemple d'appel
```
{"name": "compute_funding_momentum", "arguments": {"hitsByTier": {}}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_hiring_demand≈ 123 tokens
Compute hiring_demand_score (0-10) from priority-weighted ATS site hit counts (use registries/hiring-sources for priorities).
Paramètres, retour & exemple (1)
Paramètres
- sites · array · requis
Exemple d'appel
```
{"name": "compute_hiring_demand", "arguments": {"sites": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_lrs_composite≈ 164 tokens
Compose lrs_final_100 (0-100) + label (WEAK/EMERGING/GOOD/STRONG/ELITE) + leaderboard_eligible flag + sub-percent breakdown. Weights: sv 0.25, sp 0.30, barrier 0.25, monetization 0.20.
Paramètres, retour & exemple (4)
Paramètres
- barrierScore · number · requis
- socialPainScore · number · requis
- monetizationScore · number · requis
- searchVelocityScore · number · requis
Exemple d'appel
```
{"name": "compute_lrs_composite", "arguments": {"barrierScore": 1, "socialPainScore": 1, "monetizationScore": 1, "searchVelocityScore": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_lrs_composite_v2≈ 354 tokens
LRS composite v2 — 6 components (SV, Pain, Barrier, Monet, X-Signal, Budget-Proof). Default Python weights 0.18/0.22/0.18/0.14/0.18/0.10 sum=1.0. Returns BOTH weighted score and equal-weight baseline (per OECD Handbook + Greco 2018 — equal-weight is defensible default when no outcome calibration exists). buildComplexityPenalty 0-10 subtracted from score. sectorProfile (ai_native/creator/crypto) opt-in reshuffles SV→0.16, X→0.20. Labels: THE_ROAR (≥80) / PROMISING (≥60) / EXPERIMENTAL (≥40) / WEAK_SIGNAL (<40).
Paramètres, retour & exemple (8)
Paramètres
- barrierScore · number · requis
- xSignalScore · number · requis
- sectorProfile · string · optionnel · default | ai_native | creator | crypto
  Opt-in sector weight override. Default uses Python canonical weights.
- socialPainScore · number · requis
- budgetProofScore · number · requis
- monetizationScore · number · requis
- searchVelocityScore · number · requis
- buildComplexityPenalty · number · optionnel
Exemple d'appel
```
{"name": "compute_lrs_composite_v2", "arguments": {"barrierScore": 1, "xSignalScore": 1, "socialPainScore": 1, "budgetProofScore": 1, "monetizationScore": 1, "searchVelocityScore": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_monetization≈ 132 tokens
Compute monetization_score (0-21) + label + has_pricing_anchors from pricing anchors + model tags + deal cycle hint.
Paramètres, retour & exemple (3)
Paramètres
- dealCycle · string · optionnel
  instant/days/weeks/months/quarters
- modelTags · array · optionnel
  e.g. ["subscription","usage","marketplace"]
- pricingAnchorsCount · integer · requis
Exemple d'appel
```
{"name": "compute_monetization", "arguments": {"pricingAnchorsCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_multi_source_tam≈ 215 tokens
Multi-source TAM consensus. Pass 2-3 sources of market-size text. Optional `estimateYear` per source — when supplied, the result includes yearRange and a hasStaleData flag (true if the span exceeds 5 years). Outliers are dropped by modified Z-score over the median absolute deviation when n≥4. Returns the extracted dollar amounts + consensus median + an agreement score 0..1, where 1 means every source lands within 20% of the median.
Paramètres, retour & exemple (1)
Paramètres
- inputs · array · requis
Exemple d'appel
```
{"name": "compute_multi_source_tam", "arguments": {"inputs": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_ppc_spend_signal≈ 157 tokens
Wave 5 N.4 — compute ppc_spend_score (0-10) + label (STRONG/CONFIRMED/WEAK/ABSENT) + market_saturation from PPC traffic projection (avgCpcUsd, totalMonthlySpendUsd, optional competitorBidders + competition). Feed numbers from dataforseo_ad_traffic.
Paramètres, retour & exemple (4)
Paramètres
- avgCpcUsd · number · requis
- competition · number · optionnel
- competitorBidders · integer · optionnel
- totalMonthlySpendUsd · number · requis
Exemple d'appel
```
{"name": "compute_ppc_spend_signal", "arguments": {"avgCpcUsd": 1, "totalMonthlySpendUsd": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_search_velocity≈ 130 tokens
Compute search_velocity_score (0-25) from Trends timeline values + rising queries count + geo region count.
Paramètres, retour & exemple (3)
Paramètres
- geoRegionCount · integer · optionnel
- timelineValues · array · requis
  Monthly Trends values 0-100 (e.g. last 10-12 months).
- risingQueriesCount · integer · optionnel
Exemple d'appel
```
{"name": "compute_search_velocity", "arguments": {"timelineValues": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_search_velocity_v2≈ 391 tokens
Search velocity (0-25) v2 — canonical 0.40*volume + 0.30*trend + 0.20*intent + 0.10*geo. CRITICAL: externalVolumeNorm MUST come from external sources (Amazon BSR / app store installs / job-board postings) — NOT the Trends timeline (would double-count, since Trends is itself normalized 0-100 within window). trendNorm is derived internally from trendsTimelineValues. Trends peak<50 zeroes the trend component (Yotpo SEO floor). Optional daysSinceLastSignal applies exponential freshness decay (search half-life 90d).
Paramètres, retour & exemple (5)
Paramètres
- intentNorm · number · requis
  0-1 commercial/transactional intent ratio.
- geoSpreadNorm · number · requis
  0-1 geographic spread (regions with interest > threshold).
- externalVolumeNorm · number · requis
  Normalized 0-1 demand volume from EXTERNAL sources (Amazon, app stores, jobs). Caller normalizes before passing.
- daysSinceLastSignal · number · optionnel
  Optional: days since most recent confirming signal. Triggers exponential freshness decay (half-life 90d).
- trendsTimelineValues · array · requis
  Monthly Trends values 0-100. Used ONLY to derive trendNorm — never as raw volume.
Exemple d'appel
```
{"name": "compute_search_velocity_v2", "arguments": {"intentNorm": 1, "geoSpreadNorm": 1, "externalVolumeNorm": 1, "trendsTimelineValues": []}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_social_pain≈ 154 tokens
Compute social_pain_score (0-30) + total mentions + dominant perspective (business/consumer/trend/mixed).
Paramètres, retour & exemple (4)
Paramètres
- painMentions · integer · requis
- categoryCounts · object · optionnel
- intentMentions · integer · optionnel
- urgencyMentions · integer · optionnel
Exemple d'appel
```
{"name": "compute_social_pain", "arguments": {"painMentions": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_urgency_composite≈ 127 tokens
Compose composite_urgency_score (0-10) + badge (LOW/MEDIUM/HIGH/VERY_HIGH/EXTREME) from 3 sub-scores: news, pain, hiring.
Paramètres, retour & exemple (3)
Paramètres
- newsSignalScore · number · requis
- painSignalScore · number · requis
- hiringSignalScore · number · requis
Exemple d'appel
```
{"name": "compute_urgency_composite", "arguments": {"newsSignalScore": 1, "painSignalScore": 1, "hiringSignalScore": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
compute_x_signal≈ 123 tokens
Compute x_signal_score (0-20) + recency share + positivity rate from X/Twitter mention counts.
Paramètres, retour & exemple (5)
Paramètres
- mentionsCount · integer · requis
- recent7dCount · integer · optionnel
- founderMentions · integer · optionnel
- sentimentNegative · integer · optionnel
- sentimentPositive · integer · optionnel
Exemple d'appel
```
{"name": "compute_x_signal", "arguments": {"mentionsCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
derive_kill_criteria≈ 178 tokens
Derive a falsifiable, data-driven list of kill criteria from upstream signals — the outputs of validate_unit_economics and compute_dealbreakers_v2, plus an ICP drift count. Returns one row per rule with {rule, threshold, status, evidence?}, where status is tripped_now / monitor / cleared. Replaces prose kill criteria, which are tautologies that can never fire.
Paramètres, retour & exemple (3)
Paramètres
- unitEcon · object · optionnel
  The result of validate_unit_economics.
- dealbreakers · object · optionnel
  The result of compute_dealbreakers_v2.
- icpDriftCount · integer · optionnel
Exemple d'appel
```
{"name": "derive_kill_criteria", "arguments": {"unitEcon": {}, "dealbreakers": {}, "icpDriftCount": 1}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
get_started≈ 80 tokens
What this server is, what it will do for you right now without an account, and what an account adds. Call this first if you have no API key — it answers in one round trip instead of sending you to a website.
Paramètres, retour & exemple (0)
Exemple d'appel
```
{"name": "get_started", "arguments": {}}
```
Exemple de retour
```
{"content": [{"type": "text", "text": "…"}]}
```
validate_unit_economics≈ 214 tokens
Sanity-check a unit-economics row before publishing it in a business-model slide. Catches the math-drift class of failures (customers × ARPU ≠ revenue), enforces the LTV/CAC ≥ 1.5 floor, the cohort-positivity check, and CAC payback bounds. Returns {ok, errors[{rule, severity, detail}], derived{ratios}}. Skills MUST regenerate the row when ok=false (block-severity errors); warn-severity errors should be surfaced in the final report but do not gate publication. No LLM calls.
Paramètres, retour & exemple (7)
Paramètres
- cac · number · optionnel
- ltv · number · optionnel
- arpu · number · requis
- customers · number · requis
- grossMargin · number · optionnel
- monthlyChurn · number · optionnel
- annualRevenue · number · requis
Exemple d'appel
```
{"name": "validate_unit_economics", "arguments": {"arpu": 1, "customers": 1, "annualRevenue": 1}}
```
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://api.inite.studio/mcp