binary_ninja_mcp
一种服务器,能够实现 Binary Ninja 的反向工程功能与 LLM 辅助的无缝集成,使像 Claude 这样的 AI 工具可以实时与二进制分析功能进行交互。
Find public MCP servers with readable READMEs, safe JSON config previews, source references, and trust signals in one focused catalog.
一种服务器,能够实现 Binary Ninja 的反向工程功能与 LLM 辅助的无缝集成,使像 Claude 这样的 AI 工具可以实时与二进制分析功能进行交互。
该MCP服务器提供了与Cloudflare浏览器渲染交互的工具,使您能够从Cline或Claude Desktop直接获取和处理网页内容,以用作LLMs中的上下文。
`napi` 是由 NanoAPI 开发的多功能工具,旨在简化软件架构的复杂性,帮助开发者通过其强大的 CLI 和直观的 UI 进行代码审计、重构和模块化微服务的构建。它支持主流编程语言,并兼容所有 CI/CD 平台,能够无缝集成到开发和部署流程中。`napi` 的目标是让开发者无需高昂费用即可获得深入的架构洞察,帮助识别和解决潜在问题,提升系统的可维护性和健壮性。
为RAG网络浏览器Actor实现一个MCP服务器。该Actor充当大型语言模型(LLMs)和RAG管道的网络浏览器,类似于ChatGPT中的网络搜索功能。
FastMCP v2 是一个用于快速构建 MCP(模型上下文协议)服务器和客户端的 Python 框架。它通过简洁、Pythonic 的代码简化了 MCP 服务器的开发,支持工具、资源、提示等核心功能,并提供了客户端库、服务器代理、OpenAPI/FastAPI 集成等高级特性。FastMCP 2.0 扩展了 1.0 的基本功能,使其成为现代 AI 应用的完整工具包,适合开发者快速构建和部署 MCP 服务器。
使用FastAPI框架实现的服务器发送事件(Server-Sent Events),集成了模型上下文协议(MCP),允许AI模型访问外部工具和数据源,例如天气信息。
Replicate Flux MCP 是一个高级的模型上下文协议(MCP)服务器,旨在通过 Replicate API 生成高质量的图像和矢量图形。它利用 Black Forest Labs 的 Flux Schnell 模型生成光栅图像,以及 Recraft 的 V3 SVG 模型生成矢量图形。该服务器支持多种集成方式,如 Cursor、Claude Desktop、Smithery 和 Glama.ai,并提供高级定制功能,如批量图像生成、变体探索和提示工程。所有请求均在本地处理,确保隐私和安全性。适用于需要生成视觉内容的 AI 助手和开发者。
sentry-mcp 是一个远程 MCP 服务器的原型,作为上游 Sentry API 提供商的中间件。它基于 Cloudflare 在远程 MCP 方面的工作,支持 `stdio` 传输和远程 MCP 服务。用户可以通过访问生产环境中的服务或本地开发环境进行测试和贡献。该服务器还包含一个 MCP 检查器,用于轻松测试服务。本地开发需要设置 OAuth 应用,并可以通过单元测试和评估来验证功能。
一种模型上下文协议服务器,允许克劳德与线性公司的API进行交互,以管理团队、问题、项目和周期。
MCP Server 是 c/ua 项目中的一个核心模块,主要用于与 Claude Desktop和其他 MCP 客户端进行交互。它通过 Docker 容器化的方式,使 AI 代理能够在虚拟环境中控制完整的操作系统,支持本地或云端的部署。MCP Server 提供了一种简单的方式来启动和管理计算机使用代理,帮助用户自动化桌面任务。它支持多种代理循环模式,如 UITARS、OpenAI、Anthropic 和 OmniParser,适用于不同的视觉模型和任务需求。通过 MCP Server,用户可以轻松实现桌面操作的自动化,提升工作效率。
Cloudflare AI 是一个 monorepo 项目,包含与客户端使用 Cloudflare AI 服务相关的包和演示应用。核心功能包括 `workers-ai-provider` 和 `ai-gateway-provider`,分别用于在 Vercel AI SDK 中集成 Workers AI 和 AI Gateway 模型。项目使用 Nx 和 Changesets 进行管理,支持本地开发、测试、代码检查和自动化发布流程。开发者可以通过命令行工具创建新的演示应用,并遵循贡献指南提交拉取请求。发布流程通过 Changesets 管理版本控制和 npm 发布,确保包的高效更新和发布。
一种MCP服务器实现,最大化利用Gemini的2M令牌上下文窗口,并提供跨多个AI客户端应用程序的高效上下文管理和缓存工具。
Genkit是由Google的Firebase构建的开源框架,用于构建全栈AI应用,支持JavaScript/TypeScript(稳定)、Go(测试版)、Python(Alpha版)SDK,可集成Google、OpenAI等多家AI模型,简化AI开发,支持多模态等功能,可在多环境部署。
一种模型上下文协议服务器,使像 Claude 这样的人工智能助手能够与 Jira 交互,通过自然语言查询实现项目管理任务,例如列出项目、搜索问题、创建工单和管理冲刺。
Quarkus MCP 服务器是一个基于 Quarkus 框架的扩展,旨在帮助开发者轻松实现模型上下文协议(MCP)服务器功能。MCP 是一个开放协议,用于无缝集成大型语言模型(LLM)应用程序与外部数据源和工具。该扩展提供了声明式和编程式 API,支持开发者通过注解和依赖注入快速构建服务器功能,如提示处理、资源管理和工具集成。通过简单的配置和代码示例,开发者可以快速启动并运行 MCP 服务器,实现与 LLM 应用程序的高效交互。
一个自定义的模型上下文协议服务器,它通过标准化的工具接口为克劳德桌面和其他大型语言模型提供文件系统操作和命令执行能力。
PydanticAI 是一个由 Pydantic 团队开发的 Python 代理框架,旨在简化与生成式 AI 模型(如 OpenAI、Anthropic、Gemini 等)结合使用的开发过程。它提供了类型安全、结构化响应、依赖注入、流式响应等功能,帮助开发者构建生产级的 AI 驱动应用程序。PydanticAI 还与 Pydantic Logfire 无缝集成,支持实时调试和性能监控。通过利用 Pydantic 的验证和结构化能力,PydanticAI 确保模型输出的一致性和可靠性,同时提供灵活的工具和动态系统提示来增强代理的功能。
Dify 插件守护进程是一个核心服务,负责管理三类插件运行时(本地、调试、无服务器),协调Dify API服务器与插件的交互。它通过不同协议(STDIO/TCP/HTTP)转发请求,支持插件开发(提供CLI工具)、部署(支持Linux/MacOS及Docker)及多Python环境适配,是Dify插件生态的关键基础设施。