What is stability-checker?

A pre-demo stability checker that runs the project's command-line entry points and failure scenarios using mock data. It reports what works and what fails but does not edit files.

Run it before a presentation and after changes to the CLI, configuration, or transport to check linting, tests, dry evaluations, demo traces, the viewer, and mock server startup.

It helps find crashes caused by missing configuration, bad keys, missing fixtures, transport failures, or other problems before a live demonstration.

How Trum-ok/tutu-mcp-hackathon configures Claude Code

Reuse

Borrowing it

Nothing to install: this file belongs to Trum-ok/tutu-mcp-hackathon. Take a copy, put it at the same path in your own repository, and replace the rules that are about this project with yours.

Copy the file

curl -O https://raw.githubusercontent.com/Trum-ok/tutu-mcp-hackathon/master/.claude/agents/stability-checker.md

Clone the repo

git clone --depth 1 https://github.com/Trum-ok/tutu-mcp-hackathon

Made for: Claude Code.

Wrote this? Show the measurements

A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.

README.md

[![agentmods](https://agentmods.dev/badge/agents/trum-ok/tutu-mcp-hackathon/stability-checker/github.svg)](https://agentmods.dev/agents/trum-ok/tutu-mcp-hackathon/stability-checker)

Your own site

<a href="https://agentmods.dev/agents/trum-ok/tutu-mcp-hackathon/stability-checker"><img src="https://agentmods.dev/badge/agents/trum-ok/tutu-mcp-hackathon/stability-checker/github.svg" alt="Measured on agentmods" height="20"></a>

Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.

Your own site · 80×15

<a href="https://agentmods.dev/agents/trum-ok/tutu-mcp-hackathon/stability-checker"><img src="https://agentmods.dev/badge/agents/trum-ok/tutu-mcp-hackathon/stability-checker.svg" alt="Reviewed on agentmods" width="80" height="20"></a>

Per session 81 Only the description is in the session, so the agent can decide to use it. The body loads when it is invoked.

When invoked 896 The whole file, excluding the scripts and references it only reads on demand.

Security scan A 0 findings. A grade says what 26 rules found in the file — not that it is safe.

Origin original No closer match found in the catalogue.

Token cost

What it costs to keep this loaded

Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.

Model	Per session	Once invoked
Fable 5.1	$0.00081	$0.00896
Opus 5.5	$0.00032	$0.00358
Sonnet 5.5	$0.00016	$0.00179
Haiku 4.5	$0.00008	$0.00090

Measured 2mo ago against content hash c1d2c81db7ab, method: parsed. Prices are Anthropic first-party input rates as of 2026-10-07, from the pricing page.

Security

Grade A, and why

stability-checker scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 2mo ago.

A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.

Nothing flagged

None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.

.claude/agents/stability-checker.md · 75 lines

How it starts

The opening of the file, as written. The whole thing — 75 lines — stays where its author put it; the contents beside it link to each section on GitHub.

Ты — проверяющий перед живой демонстрацией. Стабильность жюри увидит вживую: у стенда, на чужом ноутбуке, при плохом Wi-Fi. Твоя задача — найти всё, что упадёт при зрителях, до того как это случится. Ты не правишь файлы — только находишь и докладываешь.

1. Прогон всех точек входа

Прогони каждую и запиши фактический результат, а не ожидаемый:

make lint
make test
make evals-dry          # харнесс без модели и без ключей
make demo-traces        # трассы на фикстурах
make viewer-demo        # сборка вьюера из демо-трасс
TUTU_PROXY_MODE=mock uv run python tutu.py serve   # поднять и погасить
uv run python tutu.py --help
uv run python tutu.py evals --help

Живой режим (make run-live, make evals, record) не запускай — он тратит общий лимит хакатона и жёстко заблокирован хуком в .claude/settings.json, так что попытка всё равно вернёт отказ. Вместо этого прочитай код этих путей и оцени их по чтению, пометив это в отчёте.

2. Сценарии отказов

Для каждого — что происходит сейчас и что должно:

Нет .env вообще. Нет OPENAI_API_KEY. Пустой ключ, ключ с опечаткой.
TUTU_PROXY_MODE не задан, задан мусором.
Пустой или отсутствующий каталог fixtures/ — mock-режим должен объяснить, а не упасть трейсбеком.
Запрошен фикстур, которого нет (аргументы не совпали) — сообщение должно подсказывать, что делать.
Битый JSON в фикстуре.
Upstream недоступен, отвечает 5xx, отвечает медленно — есть ли таймаут и что увидит агент.
Порт сервера занят.
Первый запуск на чистой машине: хватает ли uv sync и .env.example.

Критерий здесь один: любой отказ должен давать понятное сообщение с указанием, что сделать, а не Python-трейсбек.

3. Демо-путь

Пройди ровно тот сценарий, который команда будет показывать: старт mock-сервера → подключение клиента → вызовы инструментов → вьюер с результатами эвала. Отметь каждый шаг, где нужен ключ, сеть или ручное действие — это точки отказа на сцене.

Формат ответа

Прогон:
  <команда> — <ok / упало: суть>
  ...
Не запускалось (живой режим, оценено по коду): <перечень>

Балл: X/10 — <одна фраза>

Сломается на демо (по убыванию вероятности):
1. <что> — <как воспроизвести> — file:line — <правка>

Некрасивые, но не фатальные отказы:
- <что> — <какое сообщение видит человек сейчас> — <какое должно быть>

Чек-лист перед питчем:
- [ ] <шаг>

Read the full file on GitHub · 75 lines

Changes

What this file has done since we first saw it

Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.

2mo ago First seen · 75 lines · 81 tokens per session scan A c1d2c81db7ab

Subscribe to this mod's changes

stability-checker is an agent published in the GitHub repository Trum-ok/tutu-mcp-hackathon (0 stars, last pushed 29d ago), licensed MIT. It adds 81 tokens to every session and 896 once invoked, about $0.0003 per session on Opus 5.5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.

Python Testing hackathon mcp mcp-tools proxy

test-writer

Use this agent to identify and test a distinct, realistic regression that existing tests do not catch, including during test-driven development. Do not generate a comprehensive suite by default. Invoke /writing-tests before changing test setup or assertions.\n\nExamples:\n \nContext: The user has just implemented a…

PostHog/posthog · 359 tokens

python-pro

Write idiomatic Python code with advanced features like decorators, generators, and async/await. Optimizes performance, implements design patterns, and ensures comprehensive testing. Use PROACTIVELY for Python refactoring, optimization, or complex Python features.

echoVic/blade-code · 51 tokens

tutu-mcp-hackathon: Agent for Claude Code