SuperAPI AI 工具集3,637 个结果 · 第 16 / 102 页
mcp-servers-kagi 是一个基于 TypeScript 的 Model Context Protocol (MCP) 服务器实现，用于集成 Kagi 搜索 API。它通过 MCP 协议向兼容客户端（如 Claude Desktop）提供工具，使 AI 助手能够执行网络搜索。项目当前已实现 kagi_search 工具，支持传入查询字符串和可选结果数量限制，返回 Kagi API 的搜索结果。此外，项目计划但尚未实现 kagi_summarize（网页/文本摘要）、kagi_fastgpt（快速响应）和 kagi_enrich（增强新闻结果）三个工具。使用前需配置 Kagi API 密钥，可通过 Smithery 安装或手动构建，并支持 MCP Inspector 调试。项目采用 MIT 许可证，欢迎贡献。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
MCP Tic-Tac-Toe 是一个基于 Model Context Protocol（MCP）的服务器，让 AI 助手可以通过标准化工具接口玩井字棋（Tic-Tac-Toe）。它适合用于演示 AI 与人类的协作以及 MCP 集成，内置完整的游戏管理功能。
mcp-trino 是一个用 Go 实现的高性能 Trino Model Context Protocol（MCP）服务器。它让 AI 助手能够通过标准化的 MCP 工具访问 Trino 分布式 SQL 查询引擎，执行 SQL 查询并浏览 catalog、schema 和表结构。该项目同时提供 MCP 服务器模式和类似 psql 的交互式 CLI 模式，支持 STDIO 与 HTTP 传输，并提供可选的 OAuth 2.0/OIDC 认证。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
Memory MCP 是一个受 Engram（记忆痕迹）启发的记忆型 MCP 服务器，为 AI 助手提供持久化的"第二大脑"。它采用双层记忆架构：热缓存（Hot Cache，约 0ms）将高频使用的知识通过 SessionStart 和 UserPromptSubmit 钩子在 Claude 开始思考前直接打印进上下文，无需工具调用；冷存储（Cold Storage，约 50ms）则通过语义相似度搜索其余全部记忆。系统会自动学习使用模式，使用 3 次以上的记忆自动提升为热缓存，14 天未使用的记忆自动降级，无需手动整理。它支持从 Claude 输出中提取知识并链接成知识图谱，提供自动配置的钩子与斜杠命令，嵌入模型基于 sentence-transformers，跨平台运行（含 Apple Silicon）。
中文介绍正在整理，稍后补充。
MeterCall（官方称 RailCall）是一个本地优先的 AI 工作流与智能体治理平台，以通用 API 网关和 AI 路由的形式，让你用自己的密钥连接各类 LLM，并在本机运行、审批和审计自动化流程。它强调数据不出本机、默认干跑、人工审批和可验证收据，按流程计费，每流程 0.01 美元，提供 100 次免费流程。
中文介绍正在整理，稍后补充。
microtap-mcp 是一个 MCP 服务器，为 AI 助手接入 MicroTap 提供的 20 个按调用付费 API，涵盖 Polymarket 与 Kalshi 预测市场、跨平台预测市场价差、DeFi 与加密货币数据、多链链上读取、实时天气和实时网络搜索。它通过 x402 协议用 USDC 自动支付，无需注册、API 密钥或控制台。安装后首次运行会自动生成一个本地 EVM 钱包地址，用户向该地址充值少量 USDC（Base 主网）后，助手即可自行调用付费接口；多数工具每次调用约 0.01 美元，最高 0.05 美元。私钥仅保存在本机，用于本地签名支付，不会发送给 MicroTap、大模型服务商或其他任何地方。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
mistral.rs 是一个快速、灵活的本地大语言模型推理引擎，支持文本、图像、视频、音频等多模态输入，可在本地运行 Hugging Face 模型、GGUF 文件与 UQFF 量化格式，并提供 OpenAI 兼容与 Anthropic Messages 兼容的 HTTP 接口、内置 Web UI，以及 Python 与 Rust SDK，方便开发者部署与集成。
Mitra AI 是一款由机器人驱动的客户互动方案，通过租赁 AI 机器人，结合大语言模型（LLM）应用，帮助企业展示下一代客户互动能力。该方案旨在提升客户参与度，已获得 885 次主流媒体报道，并被 50 多家全球企业采用，其中包括 20 家财富 500 强公司。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
MixEval 是一个基于标准答案（ground-truth）的动态大语言模型评测基准，通过对现有多个基准进行混合构建。它从网络挖掘真实用户查询，并与现有基准中的相似查询匹配，从而兼顾真实世界查询的全面性与标准答案评测的高效、公平评分。MixEval 与 Chatbot Arena 的模型排名相关性达 0.96，运行速度快、成本低，仅为运行 MMLU 所需时间和成本的 6%，且完全本地运行、可复现。项目还提供难度更高的 MixEval-Hard，用于更好地区分强模型。MixEval 支持动态更新，通过快速稳定的流程定期替换查询，以缓解数据污染问题，更新后版本间分数方差低（0-100 分制下标准差 0.36），版本差异显著（唯一查询比例 85%）。该基准已被 NeurIPS 2024 接收，后续还发布了支持任意到任意真实世界评测的 MixEval-X。官方网站提供排行榜、评估套件及论文等资源。
MixEval 是一个基于真实用户查询和现有基准混合的动态大语言模型评测套件，提供与 Chatbot Arena 高度相关（0.96）的模型排名，同时运行快速、成本低廉，并定期更新数据以避免污染。它支持开源和专有模型，提供点击即用的评测流程，包括模型响应生成和分数计算，还可方便地注册自定义模型和基准数据。
MLB API MCP Server 是一个基于 Model Context Protocol（MCP）的服务器，通过 FastMCP 接口为 AI 应用提供全面的 MLB（美国职业棒球大联盟）统计数据和棒球数据访问。它作为 AI 应用与 MLB 数据源之间的桥梁，可将棒球统计数据、比赛信息、球员数据等无缝集成到 AI 工作流和应用中。所有 MLB 相关功能均以 MCP 工具形式暴露，而非 RESTful HTTP 端点，通过 /mcp/ 端点使用 MCP 协议访问。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
MMR1 是一个面向多模态推理模型的开源研究项目（CVPR 2026），由 LengSicong 等人开发。项目针对当前多模态推理训练面临的两大瓶颈——缺少开放的大规模高质量长链思维（CoT）数据，以及标准 GRPO 强化学习在低奖励方差下易出现梯度消失导致微调不稳定——提出方差感知采样（Variance-Aware Sampling，VAS）方法。VAS 以方差促进分数（Variance Promotion Score，VPS）为指导，结合结果方差与轨迹多样性来筛选训练提示，从而提升奖励方差、稳定策略优化并加速收敛。项目同时开源了约 160 万条长 CoT 冷启动轨迹的 MMR1-SFT 数据集、约 1.5 万条 RL QA 对的 MMR1-RL 数据集，以及 3B、7B、32B 多尺度模型检查点，并提供端到端可复现训练流程。评估显示 MMR1-7B-RL 在多项数学类多模态推理基准上取得 7B 规模 SOTA。项目基于 Apache 2.0 许可，仅为非商业用途的研究预览。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。