SuperAPI AI 工具集3,631 个结果 · 第 28 / 101 页
pymol-mcp 是一个将 PyMOL 以无界面（headless）方式嵌入为 MCP 服务器的开源项目，让大语言模型能够直接驱动分子可视化。它无需 GUI、无需 socket 插件、无需手动设置，内置 30 多个带类型的工具，可内联返回渲染图像，支持加载 GROMACS/LAMMPS 分子动力学轨迹，并附带笼形水合物分析工具包（氢键网络、F3/F4 序参数），且经过数值验证。项目以标准 MCP stdio 协议运行，兼容 Claude Code/Desktop、Codex CLI、Gemini CLI、Cline、Continue 等支持 MCP 的客户端。用户用自然语言提出需求，模型调用类型化工具，由无界面 PyMOL 完成渲染。适合计算化学、分子动力学和笼形水合物研究场景。
PythonAnywhere Model Context Protocol（MCP）服务器，用于将 AI 工具与 PythonAnywhere 云平台集成。它作为 AI 工具与 PythonAnywhere 账户之间的桥梁，允许语言模型和自动化客户端以安全、可编程的方式管理文件、网站、Web 应用和计划任务，并保持细粒度控制和可审计性。需要安装 uv 并准备 PythonAnywhere API 令牌和用户名。
pytorch-llama 是一个在 GitHub 上开源的项目，其核心目标是用 PyTorch 从零实现 LLaMA 2 模型。该项目由 hkproj 维护，仓库中提供了完整的代码文件与目录结构，方便开发者学习、研究或复现 LLaMA 2 的架构与实现。从现有资料来看，该项目属于大语言模型相关的技术实现，适合对 Transformer、注意力机制以及 LLaMA 2 内部结构感兴趣的开发者参考。资料未提供详细的安装步骤、使用说明、功能列表、平台支持、收费情况或效果评估，因此这些信息暂未提供。
中文介绍正在整理，稍后补充。
qlik-mcp 是一个面向 Qlik Cloud API 的 MCP 服务器，使 Claude 等 AI 助手能够与 Qlik 应用交互并从可视化图表中提取数据。它支持列出工作区中的 Qlik 应用、获取应用内的工作表、查看工作表内的图表，以及读取指定图表的数据，并提供认证与限流支持。
QMailing 的 MCP 服务器，让 AI 智能体通过 QMailing API 读取和发送邮件，并管理邮箱、自定义域名和 Webhook。提供两种接入路径：面向 Claude.ai 的自定义连接器（OAuth 授权，无需安装包），以及面向传统 MCP 客户端（Claude Desktop、Cursor、Continue、Zed 及命令行客户端）的 npm 软件包 + API Token 方式。两条路径的工具集一致，如 qmailing_list_mailboxes、qmailing_send_email 等。
QuantOracle 是面向自主金融智能体的量化计算 API，提供 63 个确定性计算器与 10 个组合工作流，覆盖期权、衍生品、风险、组合、统计、加密/DeFi、宏观/外汇、TVM 等领域。所有计算器零依赖、结果可缓存与验证，每 IP 每天免费 1,000 次调用，无需注册或 API 密钥。另提供 QuantOracle Live（实时市场数据 + 计算）和 QuantOracle Watch（24/7 仓位监控，Webhook 告警）等付费层级，通过 x402 协议按次支付（Base 或 Solana 上的 USDC）。
Quartermaster 是一款本地离线的游戏资产库检索工具，能把 Unity Asset Store、Fab、Quixel Megascans、Gumroad 和 Leartes Cosmos 中的已购或可免费领取的资产集中索引到一个 SQLite 数据库中，并通过 MCP 协议提供给 AI 编程代理使用。它支持 SQLite FTS5 全文关键词搜索、基于本地 ONNX 文本嵌入（BAAI/bge-small-en-v1.5）的自然语言意图搜索，以及基于 ONNX CLIP 嵌入（Qdrant/clip-ViT-B-32）的跨模态视觉搜索，三种信号通过 3 路 RRF 融合，全部在 CPU 上运行，无需 GPU 或云 API。它还能扫描本地磁盘，判断资产是已下载还是仅云端可用，并提供资产冲突检测和直接从缓存 .unitypackage 解包到 Unity 项目的功能。截至资料所述，在约 7500 个资产的库中峰值内存约 520 MB，首次查询约 1.4 秒，之后热查询约 85 毫秒。
quran-mcp-server 是一个基于 Model Context Protocol (MCP) 的服务器，用于通过 Quran.com 官方 REST API v4 与古兰经语料库交互。它根据 OpenAPI 规范生成，将多个 API 端点封装为工具，供兼容的 LLM 客户端调用。主要功能包括：章节列表与详情、按章节/页/卷/希兹布/鲁布·希兹布获取经文、按关键字获取经文、随机经文、搜索古兰经、获取翻译和经注列表及详情、获取诵读者和诵读风格、获取语言列表等。该服务器支持 Docker 生产模式、Node.js 生产模式和开发模式，并可通过环境变量配置 API 密钥、端口和详细日志。适用于需要访问古兰经数据的 AI 应用开发场景。
Qwen-Agent 是一个基于 Qwen>=3.0 的 Agent 框架与应用集合，提供 Function Calling、MCP、代码解释器、RAG、Chrome 扩展等能力，并包含 Browser Assistant、Code Interpreter、Custom Assistant 等示例应用，同时作为 Qwen Chat 的后端。
Qwen2.5 是通义千问团队推出的大语言与多模态模型系列，包含基础模型与指令微调模型，参数规模覆盖 0.5 至 720 亿，既有稠密模型也有混合专家（MoE）模型。该系列在语言理解、生成、多语言、编程、数学与推理等多项基准上表现优异，超过此前的开放权重模型（包括前代 Qwen1.5），并与专有模型具备竞争力。Qwen2.5 具备较强多语言能力，可覆盖约 30 种语言。其模型套件还涵盖数学推理、音频理解、语音分析、视觉理解与视频理解等多模态方向，并支持微调。
Qwen2.5-VL 是阿里云通义千问团队开发的多模态视觉语言模型系列（其仓库现已更新至 Qwen3-VL）。该系列模型可处理文本、图像和视频输入，支持文档解析、视觉推理、视频理解、OCR、空间定位等任务，并提供多种参数规模（如 3B、7B、32B、72B），包含 Dense 与 MoE 架构，适用于从边缘设备到云端的部署。仓库提供模型权重、论文、代码示例，并可通过 Transformers、vLLM 等框架调用。
R1-Multimodal-Journey（又称 MM-Eureka V0）是一个探索多模态大模型强化学习（RL）的开源项目，旨在将类似 DeepSeek-R1 的 R1 式强化学习应用于视觉语言模型（VLM），验证其在几何等更具挑战性问题上的有效性。项目基于 Open-R1-Multimodal 构建，集成了 vLLM、Open-R1 与 trl 等开源成果，并采用 DeepSeek-R1 与 Qwen2.5-VL 的技术与基座模型。其核心改进包括：支持 vLLM 加速训练，在 8 张 H100 上较 OpenR1-MM 快 5-6 倍；修复 Open-R1-Multimodal 中的部分 bug（如 get_per_token_logps 函数）；将 transformers 升级至 4.49.0.dev0 以支持 Qwen2.5_VL。实验使用 geo170k 的 2 万条样本，发现即便 3B 小模型在 instruct 设置下，训练最初 10 步内即可出现“aha moment”。项目还发现 VLM 难以像 LLM 那样呈现长度增长曲线，但性能仍有提升；相比 SFT，R1 式 RL 仅基于答案正确性奖励，却表现出更高的数据效率。项目最新进展已迁移至 MM-Eureka，更多能力、模型与数据亦在该仓库开源。
radare2-mcp 是一个用于 radare2 的 MCP（模型上下文协议）stdio 服务器，让 AI 智能体（如 OpenCode、Mai、VSCode、Claude、CLION 等）能够调用 radare2 进行二进制反汇编与逆向分析。它完全用 C 语言编写，基于 radare2 原生 API，支持 CLI、r2 插件和 MCP 服务器三种运行形态；可通过 r2pipe 连接本地或远程 r2/iaito 会话，并提供只读模式、沙箱锁定、工具限制与细粒度工具配置，还支持 HTTP MCP 服务器模式与可选的 X-Session-ID 多路复用。
rae-mcp 是一个为西班牙皇家学院（RAE）API 提供 Model Context Protocol（MCP）服务器实现的仓库。它允许语言模型与 RAE 的词典和语言资源进行交互，从而增强模型对西班牙语的处理能力。该服务器可运行于 stdio 传输模式（用于与 LLM 集成）或作为 SSE 服务器运行，提供 search 和 get_word_info 两个工具，支持查询词典信息和获取单词详细信息。
RAG-Anything 是香港大学数据科学实验室（HKUDS）开发的一款 All-in-One 多模态 RAG 框架，基于 LightRAG 构建。它针对传统文本 RAG 系统无法有效处理现代文档中图像、表格、公式、图表和多媒体等混合内容的痛点，提供统一的多模态文档处理与查询能力。该框架支持 PDF、Office 文档、图片等多种格式，内置针对图像、表格、数学公式等内容的专用处理器，并自动构建多模态知识图谱，实现实体抽取与跨模态关系发现。系统提供纯文本查询、VLM 增强查询和多模态查询三种方式，消除了对多个专用工具的需求。项目在 GitHub 上已获得超过 1000 颗星，用户可通过 pip 安装使用，Office 文档处理需要 LibreOffice 支持。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
Ragas 是一个开源框架，用于测试和评估 LLM 应用。它提供自动指标、合成测试数据生成，以及开发和生产环境中的质量监控工作流。支持通过 pip 安装（pip install ragas），关注应用性能、鲁棒性和持续质量改进。
RAGEN 是一个用于训练推理型 LLM 智能体的开源强化学习框架，基于 StarPO 算法，支持多轮轨迹级强化学习。它提供 10 个内置环境（如 Sokoban、FrozenLake、WebShop、DeepCoder、SearchQA 等）和 Gym 兼容接口，便于添加自定义环境。RAGEN-2 版本进一步引入基于奖励方差的 SNR-Adaptive Filtering 轻量级轨迹过滤，以及推理坍塌诊断（通过条件熵与互信息代理指标检测模板坍塌），帮助理解并修复智能体强化学习中的隐藏失效模式（如 Echo Trap 和推理坍塌）。框架支持 PPO 与 GRPO 两种优化方式，并包含诊断仪表盘、训练指标指南等工具。
RAGEN 是一个用于训练推理型 LLM 智能体的强化学习框架，基于 StarPO 算法支持多轮强化学习。它提供轨迹级与轮次级训练、10 个内置环境以及 Gym 兼容接口，便于添加自定义环境。RAGEN-2 进一步引入基于奖励方差的 SNR 自适应过滤与推理崩溃诊断指标，用于缓解模板坍缩等问题，并提升训练稳定性。
中文介绍正在整理，稍后补充。
Ragie MCP Server 是一个基于 Model Context Protocol（MCP）的服务器，用于让 AI 模型从 Ragie 知识库中检索信息。它提供名为 retrieve 的工具，可查询知识库并返回相关文本片段。项目已不再需要，因为 Ragie 现已原生支持 MCP（可流式 HTTP 服务器）。若希望公司内部用户在 Claude 或 ChatGPT 等应用中访问知识库，可能需要 MCP Bridge。该服务器使用 TypeScript 编写，依赖 @modelcontextprotocol/sdk、ragie 和 zod，采用 MIT 许可证。
中文介绍正在整理，稍后补充。
Raindrop.io MCP Server 是一个开源集成项目，让大语言模型（LLM）通过 Model Context Protocol（MCP）与 Raindrop.io 书签服务交互。它提供创建书签和搜索书签两项工具，支持在对话中直接管理书签。项目基于 Node.js，需要使用 Node.js 16 或更高版本，并准备 Raindrop.io 账户与 API token。可通过 Smithery 自动安装到 Claude Desktop，也可手动克隆仓库、安装依赖并配置环境变量。配置完成后，在 Claude for Desktop 中即可调用 create-bookmark 和 search-bookmarks 工具。项目采用 MIT 许可证，欢迎贡献。
rakuten-mcp 是一个面向乐天 Web Service API 的 Model Context Protocol（MCP）服务器，提供跨六个乐天产品族的只读工具，包括 Ichiba（电商市场）、Books（图书）、Travel（旅行）、Recipe（食谱）、Kobo 和 GORA（高尔夫）。工具描述提供英语和日语双语。所有工具均为只读 HTTP GET 请求，不创建、修改或删除任何内容。返回的条目为促销性商品信息，需在乐天平台上核实价格与库存。该项目为非官方项目，与乐天集团无关联、未获其认可或赞助。
Ramen ai 是一个面向基于大语言模型（LLM）的文本分类任务的现代 AI 工具集，其核心特点是在无需训练的情况下完成文本分类。资料中未提供更多关于具体功能、使用方式、适用场景或限制的细节。
rancher-mcp-server 是面向 Rancher 生态的 Model Context Protocol（MCP）服务器，用于通过 MCP 客户端管理多云/多集群 Kubernetes、Harvester HCI（虚拟机、存储、网络）以及 Fleet GitOps。它提供 Harvester、Rancher、Kubernetes、Helm、Fleet 等工具集，默认只读，支持通过 Bearer Token 直接调用 Rancher API，无需 CLI 包装。可添加到 Cursor 或 Claude Desktop 的 MCP 配置中，也支持 Streamable HTTP 传输与 Docker 容器运行。
RAVN 的本地/stdio MCP 服务器，用于跨链兑换执行，支持 EVM 链、原生（非封装）比特币和 Solana 作为源链或目标链。无需注册、无需 API 密钥、0% 协议费。该服务器是 RAVN 公共 REST API 的轻量客户端，每次工具调用都会向生产环境发起真实 HTTP 请求。RAVN 不持有资金，服务器不会索取私钥；ravn_execute 返回待签名载荷（交易、类型化数据或存款地址）。
Ray 是由 Anyscale 推出的开源 AI 计算引擎框架，用于管理、执行和优化各类计算需求。它被称为“AI 计算引擎”，旨在为任意规模、任意加速器上的分布式工作负载精确编排基础设施。Ray 以 Python 原生为设计理念，开发者可以用极少代码将 Python 应用扩展到分布式环境，并统一 AI、机器学习和生成式 AI 工作负载。其核心能力涵盖并行 Python 代码、多模态数据处理、分布式模型训练、模型部署（Ray Serve）、批量推理、强化学习（Ray RLlib）、LLM 推理与微调等，支持 CPU 与 GPU 混合流水线，兼容多种框架。Ray 拥有高层 ML 库和完整生态，可端到端运行 AI/ML 工作流，并支持集群部署、调试优化与常见工具集成。Anyscale 是基于 Ray 的全托管 AI 平台，由 Ray 创始团队打造，提供企业治理、开发者工具与专家支持。Ray 由开源社区驱动，被众多 AI 领先企业采用，用于加速 AI 运营。
Raydium LaunchLab MCP 是一个 MCP 服务器，让 AI 智能体能够在 Raydium Launchpad（又称 LaunchLab）上创建、购买和出售代币。它支持基于联合曲线的代币铸造，并可自定义名称、符号、小数位、总供应量、募资目标等参数，同时将代币图片和元数据上传至 IPFS 去中心化存储。该工具通过 MCP 协议为 AI 智能体提供三个核心操作：铸造代币、用 SOL 购买代币、卖出代币。使用前需准备 Node.js 18.x 或更高版本、有足够 SOL 的 Solana 钱包私钥以及 Pinata 账户的 API 凭证。项目采用 MIT 许可证开源。
RD-Agent 是微软推出的研发自动化智能体，旨在通过 AI 驱动数据驱动的 AI，自动化高价值的通用研发流程。其核心框架包含“研究”（R，提出新想法）和“开发”（D，实现想法）两个部分。典型应用包括自动量化工厂、数据挖掘智能体、研究副驾驶（自动阅读论文或财报并实现模型/数据集）、Kaggle 智能体、FFT 智能体以及数据科学智能体。RD-Agent 目前仅支持 Linux 系统，依赖 Docker 和 Conda 环境，可通过 PyPI 安装，并支持 LiteLLM 接入多种大模型（含 DeepSeek）。
Reactive Agents 是一个开源 TypeScript 智能体执行框架，为可控执行、端到端可观测性与可靠运行而设计，同一份代码可在本地 4B 模型与前沿 API 之间运行。它提供透明的 12 阶段执行引擎、逐阶段钩子、工具调用修复、输出验证、崩溃恢复以及每次运行签名的证据收据。框架支持 8 种推理策略、4 层记忆、8 个 LLM 提供商、模型自适应上下文、护栏与验证、Ed25519 身份，以及 React/Vue/Svelte 前端集成，基于 Effect-TS 构建。
Realmplay AI 是一个 AI 角色扮演平台，官方自述主打隐私保护与不受审查的 AI 模型。除上述定位外，现有资料未说明其具体功能、使用方式、收费情况与适用平台，相关信息暂未提供。
中文介绍正在整理，稍后补充。
recon-crypto-mcp 是一款面向 AI 代理的自托管 DeFi 工具，通过 MCP 协议让 AI 读取多链资产与 DeFi 仓位，并准备交易。所有交易需在 Ledger 硬件钱包上签名批准，私钥永不离开设备。支持以太坊、Arbitrum、Polygon、Base、Optimism、TRON、Solana、比特币和莱特币，覆盖 Aave V3、Compound V3、Morpho Blue、Uniswap V3、Curve、Lido、EigenLayer、Rocket Pool、Safe 多签、MarginFi、Kamino、Marinade、Jito、SunSwap，以及 LiFi 跨链和 Jupiter v6 兑换。可在 Claude Code、Cursor 等 MCP 兼容客户端中使用。