strava-mcp-server
一个模型上下文协议服务器,为语言模型提供对Strava API数据的访问,使它们能够查询和分析Strava上的运动员活动。
Find public MCP servers with readable READMEs, safe JSON config previews, source references, and trust signals in one focused catalog.
一个模型上下文协议服务器,为语言模型提供对Strava API数据的访问,使它们能够查询和分析Strava上的运动员活动。
GitHub MCP 服务器是一个基于GitHub API的工具,支持文件操作、仓库管理和高级搜索等功能。它可自动创建分支、批量处理文件、保留Git历史,并提供丰富的错误处理。工具集涵盖创建/更新文件、推送文件、搜索仓库、创建问题/PR等操作,适用于开发者高效管理GitHub仓库。
一种MCP服务器,它使大语言模型(LLMs)能够通过函数调用图来理解和分析代码结构,从而使AI助手能够探索函数之间的关系并分析Python代码库中的依赖关系。
充当开发知识的守护者,为人工智能助手提供对最新文档和最佳实践的精选访问。
通过Deepseek API为大型语言模型代理提供人工智能驱动的代码审查、设计评论、写作反馈和头脑风暴指导,从而在各种开发和战略规划任务中提升输出效果。
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。
MCP Compass 是一种发现和推荐服务,它通过自然语言查询帮助人工智能助手查找和理解模型上下文协议服务器。
Apache ShenYu是一个面向微服务的开源API网关,提供高性能、可扩展的代理和流量治理能力。它支持多种协议(如Dubbo、Spring Cloud等),具备安全认证、API治理、可观测性等核心功能,并通过插件机制实现灵活扩展。ShenYu采用动态配置和缓存技术优化性能,适用于微服务架构中的API路由、负载均衡和安全控制等场景。
一个模型上下文协议服务器,为大语言模型提供基本的数学和统计函数,使它们能够通过简单的API进行精确的数值计算。
用于 AWS 操作的模型上下文协议服务器实现,目前支持 S3 和 DynamoDB 服务。所有操作均自动记录,并可通过audit://aws-operations资源终端节点访问。
为像 Claude Desktop 这样的 MCP 客户端提供 Discord 集成功能。
OpenManus 是一个开源框架,旨在构建通用的 AI 代理,无需邀请码即可实现各种想法。该项目由 MetaGPT 团队开发,支持多种语言,并提供基于强化学习(RL)的 LLM 代理调优方法。OpenManus 提供了简单的安装和配置流程,支持使用 OpenAI 等 LLM API,并允许用户通过终端快速启动代理。该项目鼓励社区贡献,并提供了详细的文档和示例代码。此外,OpenManus 还提供了浏览器自动化工具和多种运行模式,如 MCP 工具版本和多代理版本,适用于不同的应用场景。
一个概念验证的模型上下文协议服务器,使大型语言模型应用程序能够与Uber Eats互动,允许人工智能代理通过自然语言浏览和订购食物。
通过模型上下文协议,启用 SAP HANA Cloud 数据库与 Cursor IDE 之间的集成,提供用于管理机器学习模型和执行上下文的标准接口。
通过模型上下文协议启用与macOS Siri快捷方式的交互,允许用户动态列出、打开和运行带有可选输入的快捷方式。
一个接口,允许像 Claude 这样的大型语言模型通过模型上下文协议与 ActivityWatch 时间跟踪数据交互,从而实现对应用程序使用情况、浏览历史和生产力模式的查询。
该服务器将AI助手与ClickUp工作区集成,通过安全的OAuth2身份验证过程实现任务、团队、列表和看板管理。
促进了DecentSampler鼓组配置的创建,支持WAV文件分析和XML生成,以确保准确的采样长度和结构良好的预设。