SuperAPI AI 工具集3,662 个结果 · 第 38 / 102 页
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。
RecurrentGemma 是 Google DeepMind 发布的一系列开放权重语言模型，基于新型 Griffin 架构。该架构用局部注意力与线性递归的混合机制替代全局注意力，从而在生成长序列时实现快速推理。此仓库包含模型实现以及采样和微调的示例代码。官方推荐大多数用户使用经过高度优化的 Flax 实现，同时也提供未优化的 PyTorch 参考实现。模型检查点可通过 Kaggle 下载，包含权重和分词器。代码支持 CPU、GPU 或 TPU 运行，Flax 实现针对 TPU 进行了优化，并包含用于递归层线性扫描的低层 Pallas 内核。项目采用 Poetry 管理依赖，并提供 Colab 教程覆盖采样和微调。
中文介绍正在整理，稍后补充。
Reddit roast 是一款基于大语言模型的趣味分析工具，可读取并分析用户的 Reddit 个人资料中的帖子和评论，进而识别其性格特征并生成一段带有调侃意味的“吐槽式”评价。分析结果会整理成一个可分享的网页，方便用户展示或分享给他人。该工具将 AI 能力与娱乐化社交场景结合，让用户以轻松方式了解自己在网络上的形象。
中文介绍正在整理，稍后补充。
redfin-mcp 是 HasData 维护的托管式 Model Context Protocol（MCP）服务器，为 Claude、Cursor、Windsurf 等 MCP 客户端提供两个只读的 Redfin 工具：按完整筛选条件搜索在售、待租和已售房源，以及读取单个房源完整页面，均返回结构化 JSON。无需 MLS 授权、无需自行托管，每月提供 1,000 免费额度（按基础费率约 100 次 Redfin 调用）。
redmine-mcp-stateless 是一个面向 Redmine 的无状态 MCP（Model Context Protocol）服务器，让 Claude Code 能够直接操作 Redmine。它以 HTTP 服务器形式运行在 RHEL 或 Docker 上，凭据不存储在服务器端，而是由客户端在每次请求时通过 HTTP 头传递。支持列出、创建和更新问题，跨问题与评论的全文搜索，以及编辑日志（journals）。采用上下文优先设计，返回问题时一并返回评论，便于 AI 理解历史、生成后续建议和总结进展。适合团队共享部署，天然支持多租户。
redmine-mcp-stdio 是一个面向 Redmine 的本地 MCP（Model Context Protocol）服务器，采用 stdio 通信方式。它可以让任意兼容 MCP 的客户端（如 Cursor、VS Code、Claude、Codex、Windsurf、Cline、Zed、JetBrains AI 等）直接读写 Redmine 中的问题（issues）、项目（projects）和时间条目（time entries），包括日志、附件、评论与工时跟踪。该服务器无需手动安装，客户端可通过 npx 按需启动并缓存。所有工具都带有 MCP 工具注解（如 readOnlyHint、destructiveHint），便于客户端自动批准只读调用。使用前需获取 Redmine API key，并通过环境变量 REDMINE_URL 与 REDMINE_API_KEY 配置。
Reflection 70B 是网站 reflection70b.net 提供在线试用的一款开源大语言模型，基于 Meta 的 Llama 3.1 70B Instruct 构建。据该网站介绍，其核心特点是采用“Reflection-Tuning”训练方法，使模型在生成过程中能够自我纠正推理错误，从而提升准确性与可靠性。网站声称该模型在 MMLU、HumanEval、MATH、IFEval、GSM8K 等多项基准测试中表现优异，超过 GPT-4o 及 Llama 3.1 405B，在编码辅助等任务上也表现突出。使用方式为：访问网站打开聊天界面，无需注册即可直接输入问题或任务，与模型对话并按需追问。网站称对话内容会加密且不长期存储，但可能使用匿名数据改进模型；模型可在单次会话中保持上下文，但不会跨会话记忆或永久学习。该站点声明与 HyperWrite、OthersideAI 没有合作或关联。需注意：以上性能对比、排名和隐私说明均来自该网站的自我描述，未提供独立的第三方验证信息；模型的许可见具体说明，本资料中暂未提供。
Reflection-70B 是一个开源语言模型，旨在缓解 AI 系统中的幻觉问题。它基于 Llama-3.1 框架构建，通过 Reflection-Tuning 技术，引入 <thinking>、<reflection>、<output> 等特殊令牌来结构化推理过程，使模型能够检测并纠正自身的推理错误。该模型在 MMLU、MATH、IFEval 和 GSM8K 等基准测试中表现优异，据官方称超越了 GPT-4o 等闭源模型。它使用 Glaive 生成的合成数据进行训练，并在信息验证阶段采用更严格的控制机制来减少虚假信息。用户可通过官网直接开始聊天，模型权重已在 Hugging Face 提供，API 计划通过 Hyperbolic Labs 发布，未来还将推出更强的 Reflection-405B 版本。
Reflexio 是一个面向 AI 智能体的学习平台，旨在让智能体从用户纠正、失败路径和成功结果中学习，从而随时间改进自身行为，避免重复犯错。它并非传统记忆层，而是行为学习平台：智能体发布实际交互过程，Reflexio 提取可复用的行为规则，下一次运行时再读回这些规则，全程无需重新训练模型。平台支持通过轻量 SDK 包装现有 LLM 调用，也可通过 Python、REST 或 CLI 接入；提取的信号包含触发条件与反馈，能精准注入相关上下文以控制 token 成本。每条学习成果均可查看、审核，可批准、置为待定或拒绝，被拒绝的会退出检索。官方提供从全托管、自带模型凭据到 BYOC/自托管的多种部署模式，学习数据可存放于用户自有数据库。
中文介绍正在整理，稍后补充。
Registrum MCP 是一个面向 AI 智能体的英国 Companies House 公司数据服务，通过 MCP 协议接入 Claude、Cursor 等兼容客户端。它提供公司搜索、公司档案、iXBRL 解析后的财务数据、董事历史以及公司所有权网络图谱，无需自行搭建 Companies House 开发账号、处理速率限制或解析 iXBRL。服务提供托管端点，匿名即可试用，无需注册或 API 密钥；也可申请免费密钥获得 60 天完整访问权限，或使用付费方案获取更高用量、高级端点与 SLA。
中文介绍正在整理，稍后补充。
Reka AI 是一家 AI 研究实验室，构建原生多模态模型（Spark、Edge、Flash、Core），可处理视频、图像、音频和文本。其模型被安全、媒体和国防领域的企业使用。Reka AI 致力于为物理 AI 时代构建模型和基础设施，其 Omni 模型能在单一架构中原生处理并生成各类数据，并实时运行。公司还提供可扩展的基础设施，用于对大规模视频数据进行标注、推理、搜索和剪辑，可通过 API、MCP 或应用使用。此外，Reka AI 提供前沿 AI 背后的训练数据，包括第一人称视频、机器人轨迹、世界模型素材和大规模专家人类判断。
relayer-mcp 是一个面向 XNS S3 兼容去中心化对象存储的 MCP 服务器，让 AI 智能体通过 stdio 传输以对话方式驱动 Relayer 的完整安装与日常管理。它提供 15 个工具，覆盖前置检查、浏览器注册、邮箱验证轮询、容器安装启动、健康检查、声明、OIDC 登录配置、存储验证、CLI 凭证签发，以及设置查看/更新/服务重启和备份管理。支持 Ubuntu 24.04 / Debian 12 一键脚本安装（含 Docker Engine 与 Node.js 20），macOS 和 Windows 仅引导使用 Docker Desktop。定价为每 TB 每月 6 美元，含保护、出口流量不设上限且不计费，最低保留 30 天且无单独提前删除费用。需要 Node.js 20+ 与本机 Docker 守护进程，不支持远程 Docker 主机安装，且仅执行全新安装、不支持就地升级。
RelayPulse 是一个面向开发者的 LLM 中转服务监测平台，官方定位为实时监测全球 LLM 中转服务的可用性、延迟与赞助链路。它通过持续检测接口连通性，帮助开发者快速评估不同服务商的服务质量，从而发现更稳定的 API 提供商。根据官方介绍，该平台支持 Claude、GPT、Gemini 等主流模型接口的连通性监测，主要解决开发者在使用第三方中转 API 时难以判断服务稳定性的问题。目前资料未提供具体监控指标明细、数据刷新频率、是否收费、支持的中转商数量、是否需要注册登录以及具体使用步骤等信息，这些内容暂未提供。
Proofpane 是一个 AI 治理平台，为受治理的 AI 工作提供证据层。它对编码代理（Claude Code、Cursor、Codex、Hermes、Claude Desktop）、工作流平台（n8n、UiPath、Power Automate、Zapier、Make）及直接 LLM API 调用中的每一次 AI 操作，在执行路径上进行策略门控（允许 / 拒绝 / 脱敏 / 暂停等待人工），并计量成本，记录到 SHA-256 哈希链式、防篡改的审计日志中，该日志可导出为 Ed25519 签名的 Evidence Pack，供审计者离线验证，无需依赖厂商账户。本仓库是 Proofpane MCP 守护进程的下载镜像，源代码保留在私有代码库中，仅用于让浏览器（Chrome 安全浏览、Edge SmartScreen）信任下载。
ReLLM 是一款面向 ChatGPT 等大语言模型的长期上下文工具，主打安全与权限敏感。根据现有资料，它旨在为 LLM 提供可长期保留的上下文信息，并在处理过程中考虑权限控制与安全性。目前关于其具体功能、技术实现、使用方式、适用场景及限制的详细信息暂未提供。
reMind 是一款本地、注重隐私的记忆应用，利用本地大语言模型（LLM）捕获并回忆用户的数字活动，将其转化为可检索的记忆。它强调数据存储在本地设备上，100% 开源且可完全自定义。用户需先下载 Ollama 及所需 LLM，再下载 Remind 即可使用。该工具旨在帮助用户回忆任务、优化工作流程并提升生产力。
Remote-MCP 是一个面向远程 MCP（Model Context Protocol，模型上下文协议）通信的类型安全解决方案，由 ssut 开发并开源在 GitHub 上。它提供双向、简洁的远程通信能力，允许本地 MCP 客户端连接远程 MCP 服务器，从而实现对模型上下文的远程访问与集中管理。项目包含 @remote-mcp/client 与 @remote-mcp/server 两个核心包：客户端库可作为本地 MCP 服务器运行并连接远程实现，服务端库用于创建可远程访问的 MCP 服务。它支持基本的 MCP 命令、工具与提示（Prompt）能力，并提供自定义 HTTP 头、认证中间件、基础中间件、基础错误处理等机制，同时计划支持完整事件订阅系统（资源变更、工具/提示列表变更通知）、崩溃安全处理等。项目还提供 Cloudflare Workers 与独立 Node.js 等实现示例，并包含 Nest.js 集成包。该库是对官方 MCP 规范的补充扩展，并非官方规范的一部分，采用 MIT 许可证。项目目前处于活跃开发阶段，属于实验性项目，可能出现破坏性变更。
Remyx AI 是一个面向 AI 生产团队的 ExperimentOps 平台，帮助团队决定下一步应发布哪些改动。它会将候选改动与代码库、目标、约束和历史结果进行匹配，给出最适合测试的改动建议，并能筛掉无法成立的改动。Remyx 还提供 Outrider 工具，可在公开 AI 仓库上自动检查并提交草稿 PR，并支持评估、基准测试、CI、A/B 测试等流程，让改动、结果和决策保持关联，使后续推荐能基于已有证据。
中文介绍正在整理，稍后补充。
Researcher.Life 是一个面向研究人员的学术服务平台，提供基于订阅的 AI 工具集与专家服务。其核心产品 Paperpal Prime 整合了学术写作助手、科学插图工具、文献推荐器、期刊查找器以及研究技能课程等。该平台覆盖学术写作、研究探索到推广与影响力提升等多个环节，背后有 22 年以上的学术经验支持。用户可按月或按年订阅，订阅期内可使用所有包含的工具。平台服务于全球 500 万以上研究人员，覆盖 190 多个国家。
RestGPT 是一个基于大语言模型的自主智能体，旨在通过 RESTful API 控制现实世界的应用程序，如电影数据库和音乐播放器。该项目由 Yifan-Song793 发布在 GitHub 上，包含论文代码。RestGPT 采用迭代式从粗到细的在线规划框架，并引入执行器来调用 RESTful API。其核心组件包括规划器（生成当前步骤的自然语言子任务）、API 选择器（将粗粒度高级子任务映射为更细粒度的 API 调用计划）以及执行器（执行 API 调用计划，其中调用器根据 API 计划和文档组织参数，解析器根据响应模式生成 Python 代码解析响应）。为评估性能，项目还提出了 RestBench 基准，包含 TMDB 电影数据库和 Spotify 音乐播放器两个真实场景，以及人工标注的指令和黄金解决方案路径。代码已发布，演示正在构建中。
中文介绍正在整理，稍后补充。
revit-model-mcp 是一个连接 MCP 客户端与实时 Autodesk Revit 模型的服务器项目。它允许 Claude Desktop、Claude Code、Cursor 等 MCP 客户端用自然语言读取 Revit 项目信息（如元素、参数、视图、警告和 PNG 导出），并在确认后修改模型。每次修改在 Revit 中对应一个命名的撤销条目，支持只读开关。项目提供 MSI 安装包，支持 SCCM、Intune 和组策略部署，适配 Revit 2022 至 2027，服务器可在 Windows、macOS 或 Linux 上运行。
Rhumb 是一个面向 AI 智能体的外部工具网关，由 Rhumb Index 和 Rhumb Resolve 两部分组成。Rhumb Index 对 149 个能力领域中的 999 项服务进行评分与比较，每项服务获得 0–10 的 AN Score，用于衡量执行质量、接入就绪度和智能体自主性支持。Rhumb Resolve 则通过受治理的执行通道，将受支持的能力调用路由到最合适的提供商，并生成执行回执。它支持三种凭证路径：受治理 API 密钥、x402/USDC 链上按次支付，以及 BYOK 或 Agent Vault。Rhumb 提供 MCP 和 API 两种接入方式，MCP 零配置即可使用发现工具，执行则需要受治理 API 密钥。当前最适合研究、提取、生成和窄范围数据丰富任务，更广泛的多系统业务自动化仍属未来范围。
这是一个面向 Claude Desktop 的 MCP 服务器，用于比较 Uber 和 Lyft 在指定路线上的实时价格，帮助用户找到更便宜的选项。它支持主要美国城市，可检测高峰加价（surge pricing），提供距离和时长估算，并生成可直接在 Uber 或 Lyft 应用中完成预订的深度链接。用户通过配置 claude_desktop_config.json 在 Claude Desktop 中启用，然后用自然语言提示词调用其工具，例如比较从 SFO 机场到旧金山市中心的 Uber 与 Lyft 价格、查询支持的城市列表，或获取从当前位置到机场的 Uber 预订链接。
RIGShare 的 Model Context Protocol（MCP）服务器，让兼容 MCP 的 AI 智能体（如 Claude Desktop、Cursor、VS Code 及自定义智能体框架）能够浏览和预订建筑设备以及机器人与 AI 硬件租赁。它向智能体暴露二十个工具：四个只读工具无需认证，十六个需认证工具需要具有相应权限范围的 RIGShare API 密钥。智能体可以预订任一事业部的设备、为设备所有者发布列表，并在机器人与 AI 硬件上运行远程会话，但涉及资金的环节始终由人工介入——智能体不会输入银行卡、不会代替所有者批准请求、也不会执行多因素认证。该项目也面向设备所有者进行招募。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
Rival 是一个 AI 模型对比平台，用户在同一提示词下可同时查看 393 个 AI 模型（包括 GPT、Claude、Gemini 等）的回答，并排呈现每个模型的输出，然后通过投票选出最佳答案。平台还提供互动挑战和 vibe 测试等玩法，帮助用户直观比较不同模型的回答质量与风格。
RL-Factory 是一个面向智能体学习（Agentic Learning）的强化学习后训练框架，目标是让用户以简单、高效的方式训练自己的 Agent 模型。该框架将环境与 RL 后训练解耦，用户只需提供工具配置和奖励函数即可开始训练，并支持异步工具调用，官方称可使 RL 后训练速度提升 2 倍。当前版本原生支持一键 DeepSearch 训练，具备多轮工具调用、模型评判奖励，并支持包括 Qwen3 在内的多个模型训练。框架提供环境解耦、Qwen3 模型支持、高效训练等能力，并规划了 WebUI、更高效的 AsyncLLMEngine、流程奖励、多模态智能体学习、Android 环境、工具缓存等功能。使用前需满足 CUDA >=12.0（推荐 12.4）、Python >=3.10（推荐 3.10）、vllm >=0.8.3（推荐 0.8.5，用于 Qwen3 支持）等依赖，通过 pip 安装相关依赖包并执行 pip3 install -e . --no-deps 安装本框架，注意目前仅测试了 Qwen 系列模型。
RM-Gallery 是一个一站式奖励模型平台，现已发展为 OpenJudge —— 一个面向 AI 应用（如 AI 智能体或聊天机器人）的开源评估框架，用于评估质量并驱动持续优化。OpenJudge 提供 50+ 生产就绪的评分器，覆盖语义质量、功能正确性、结构合规、Agent 生命周期、工具调用、记忆、规划、轨迹质量以及多模态等场景，并支持通过自定义 Python 接口/提示模板、零样本生成评分标准、数据驱动生成评分标准或训练专用 Judge 模型来构建评分器。它可将评分结果转化为奖励信号，用于微调与优化应用，且能与 LangSmith、Langfuse 等可观测性平台以及 VERL 等训练框架集成。提供在线 Playground（openjudge.me/app）无需安装即可试用。注意：v0.2.0 发布为 py-openjudge，导入命名空间为 openjudge，与旧版 rm-gallery（v0.1.x）不向后兼容，需参考迁移指南。
Road Poneglyph 是一个 MCP（模型上下文协议）服务器，用于审查计划中缺失的部分——未明说的假设、被忽略的技术风险以及执行盲点，以结构化预演（pre-mortem）方式输出分析。它提供单一工具 read_poneglyph，可接入 Claude Desktop、Claude Code、Cursor 等兼容 MCP 的客户端。该工具不自行调用语言模型，而是返回一段精心设计的分析提示词，由用户正在对话的模型执行。无需 API 密钥、无费用、无网络请求，数据不离开本机。需要 Python 3.10 或更高版本。项目采用 Apache-2.0 许可，属于 Grand Line 四工具栈之一，是受《海贼王》启发的同人项目，与版权方无关联。