SuperAPI AI 工具集3,662 个结果 · 第 47 / 102 页
vLLM 是一个面向大语言模型（LLM）的高吞吐、内存高效推理与服务引擎，最初由加州大学伯克利分校 Sky Computing Lab 开发，现由来自 2000 多名贡献者的开源社区共同维护。它通过 PagedAttention 高效管理注意力键值内存，并支持连续批处理、分块预填充、前缀缓存等特性，显著提升服务吞吐量。vLLM 兼容 Hugging Face 上 200 多种模型架构，支持多种量化方案、优化注意力与 GEMM/MoE 内核、推测解码、分布式并行推理，并提供 OpenAI 兼容 API 服务器、Anthropic Messages API 与 gRPC 支持。它可运行在 NVIDIA、AMD、Intel GPU 及 x86/ARM/PowerPC CPU 上，并支持多种硬件插件。
VMware-VKS 是一个面向 VMware vSphere Kubernetes Service（VKS，原名 vSphere with Tanzu）的 MCP Skill 与 CLI 工具，用于管理 Supervisor 集群、vSphere 命名空间以及 TanzuKubernetesCluster（TKC）的完整生命周期。项目由 VMware 工程师 Wei Zhou 发起的社区驱动项目，并非 VMware 官方产品。它提供 23 个 MCP 工具，可接入 AI 智能体的 MCP 配置，同时附带命令行接口，支持 dry-run 模式与 kubeconfig 导出。运行需要 Python 3.10+、vSphere 8.0+，并启用 Workload Management（WCP），授权需 vSphere Kubernetes Service（Enterprise Plus 或 VMware Cloud Foundation）。注意 2.0 版本将三个 VM Service 工具重命名（list_vm_snapshots → list_vm_service_snapshots 等），以避免与同家族 vmware-aiops、vmware-monitor 工具的命名冲突。
Voice Lab 是一个面向语音智能体的测试与评估框架，由 saharmor 在 GitHub 上开源。它用于跨语言模型、提示词和智能体人格进行系统化测试与性能评估，帮助开发者在切换模型、优化提示词或调整人格设定时做出数据驱动的决策。虽然针对语音智能体优化，但也适用于任何基于 LLM 的智能体评估场景。目前仅支持语音智能体的文本部分，即测试底层语言模型与提示词。
VoltAgent 是一个端到端的 AI 智能体工程平台，由两部分组成：开源 TypeScript AI 智能体框架，以及 VoltOps Console 云/自托管控制台。框架提供记忆、RAG、护栏、工具、MCP、语音、工作流等能力，支持多智能体协作与任意 AI 提供商接入；VoltOps 提供可观测性、自动化、部署、评估、提示词管理等功能。开发者可用完整代码控制构建智能体，并获得生产级的可见性与运维能力。
Voxel51 是一个面向视觉 AI 构建者的数据平台，帮助团队在视频、LiDAR 和传感器数据中找到导致模型失败的特定样本，并进行数据整理、标注与再测试。该平台基于开源工具 FiftyOne 构建，旨在减少在不良数据上浪费的训练轮次。用户可搜索数据集、在上下文中可视化所有内容、筛选值得训练的数据，并更少但更好地完成标注。平台支持将数据工作交接，并被用于生产环境中的物理 AI 团队所信赖。官方资料还提及，它是 Florence-2 VLM 开发的基础，并帮助消除了对 20 TB 以上视觉数据的重复人工转换。Voxel51 也是 Open Images Dataset V7 可视化的官方合作伙伴。面向开发者友好，且已通过采购审批流程。更多具体功能细节、平台支持情况、定价模式和使用步骤，资料中暂未提供。
WARDEN 是一个面向 MCP（Model Context Protocol）的安全防火墙，用于在第三方 MCP 服务器的工具定义到达模型之前进行审查。它以零依赖 TypeScript 库的形式提供，也可作为 stdio MCP 服务器运行。核心能力包括静态扫描规则、签名威胁源、来源与工具定义固定（pinning）检查，并对每个服务器给出可记录的裁决：允许/阻止、0..1 评分、发现项、逐工具划分以及当时生效的确切规则表。它不依赖账户、API 密钥或模型，唯一网络流量指向用户配置中的服务器。默认策略在高严重度时阻止整个服务器，并对工具定义进行固定；任何后续变更（包括无害编辑）都需要人工重新批准。
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。
Web Scraping MCP Server 是 HasData 提供的托管型 MCP 服务器，为 Claude、Cursor、Windsurf 等 MCP 客户端提供一个只读抓取工具，可抓取任意公开网页。请求通过托管代理发出，页面需要时自动渲染 JavaScript，返回格式支持 Markdown、纯文本、原始 HTML 或结构化 JSON，无需自行托管或内置浏览器。每次调用最低消耗 1 积分，每月赠送 1,000 免费积分，无需信用卡。
web3-jobs-mcp 是一个 MCP（Model Context Protocol）服务器，为 AI 智能体提供对精选 Web3 职位的实时访问能力。它从 web3.career 获取职位数据，支持按远程状态、国家和职位标签等条件筛选，并可将职位列表以格式化 Markdown 输出，便于智能体进行职位发现与职业洞察。
中文介绍正在整理，稍后补充。
web3-research-mcp 是一个本地运行的 MCP 服务器，用于对加密货币代币进行深度研究。它可跨 CoinGecko、CoinMarketCap、DeFiLlama 及网络搜索等多个来源收集信息，生成涵盖技术基本面、市场数据、社交情绪等内容的详细报告。该工具免费、无需 API 密钥，所有数据均保留在用户本机。它提供研究计划创建、关键词搜索、来源检索、CoinGecko 实时行情、DeFiLlama 协议数据、交易所挂单查询等工具，并支持资源保存与状态跟踪。适用于 Claude Desktop、Claude Code、Cursor 等 MCP 客户端，需 Node.js 18 或更高版本。
中文介绍正在整理，稍后补充。
wechat-chatgpt 是一个已归档的开源项目，通过 wechaty 将 ChatGPT 接入微信，让用户能在微信中与 ChatGPT 交互。项目支持对话上下文、命令设置、Dall·E、Whisper 和提示词设置，并提供 Docker、docker compose、Railway、Fly.io 及 Node.js 等多种部署方式。
weekly-weather-mcp 是一个基于 MCP（模型上下文协议）的天气服务器，通过 OpenWeatherMap One Call API 3.0 提供全球任意地点的 8 天详细天气预报和当前天气状况。它支持未来 48 小时逐小时预报、每日早中晚三个时间点的数据、天气摘要、降水概率、温度、湿度、风速等信息，并可按指定时区返回结果。该服务器可用于 Claude Desktop 等支持 MCP 的客户端，无需单独配置文件，API 密钥可通过环境变量或参数传入。
中文介绍正在整理，稍后补充。
移动端 AI 无代码应用开发工具
中文介绍正在整理，稍后补充。
wildfire-mcp-server 是一个基于模型上下文协议（MCP）的服务器，用于在全球范围内检测、监测和分析潜在野火。它整合 NASA FIRMS 卫星火点数据、OpenWeatherMap 天气预报与空气污染数据、Google Earth Engine 土地覆盖数据以及 OpenStreetMap 地理信息，为 AI 助手提供野火相关的工具能力。主要工具包括：查询指定日期潜在野火（可设置火辐射功率、亮度温度阈值，并按伊朗边界或自定义边界框过滤）、坐标反查地址、获取 5 天天气预报、当前及历史空气污染数据、以及判断某位置是否包含潜在野火燃料。项目使用自定义的评估与非生产许可证，生产使用需获得版权持有者书面批准。
Workki ai 是一个用于信息核查与识别虚假新闻的 AI 解决方案，采用其专有模型实现。当前资料未提供具体功能细节、使用方法、支持平台、收费方式或适用场景等信息。
WrapFast 是一个 SwiftUI 样板代码（Boilerplate），旨在帮助开发者快速构建 iOS 应用和 AI 包装应用（AI Wrappers）。它提供了完整的 Xcode 项目、Node.js Express 后端以及详细的文档和教程。该样板集成了身份验证、用户引导、应用内购买、付费墙、云数据库、分析、设置、收集用户反馈等常见功能，并包含安全的 API 密钥后端、OpenAI 和 Anthropic Claude 的接口集成，支持图像生成、图像分析（Vision）和消息请求。开发者可以基于此快速启动如卡路里计数器、植物识别、室内设计、鸡尾酒创作等 AI 应用，节省重复代码编写时间，加速产品上线和盈利。
x402-bazaar-mcp 是一个面向 AI 智能体的 MCP（Model Context Protocol）服务器，用于接入 x402 Bazaar 的按调用付费 API。它提供 Base 链上的代币安全工具集，包括代币安全检测、蜜罐与 Rug 检查、B20（Base 原生代币标准）冻结/扣押套件、制裁筛查、钱包风险评估、交易前 GO/HOLD/STOP 门控、钱包与授权审计、签名防护、实时 DEX 价格与 AI 报告等。支付通过 x402 以 USDC 在 Base 上按次结算，无需 API 密钥、订阅或注册。可托管使用，也可通过 npx 本地运行；支持 Cursor、Cline、Windsurf、VS Code、Coinbase AgentKit 等 MCP 客户端。
x402-mcp 是一个 stdio MCP 服务器，将 x402.tunedfor.ai 的实时加密货币市场结构 API 封装为 7 个工具，供任何兼容 MCP 的客户端（如 Claude Desktop、Cursor、Cline、Windsurf、Claude Code）调用。它提供跨交易所订单流、价格、资金费率、未平仓合约快照、CVD、鲸鱼活动及 OHLCV 历史等数据。通过 MCP 使用免费，有速率限制，适合测试、原型设计、低频代理工作流和个人使用；付费 REST 端点适合生产代理，支持按次使用 USDC 在 Base 或 Solana 上支付，无需 API 密钥。
xero-mcp-server 是 Xero 官方提供的 Model Context Protocol（MCP）服务器实现，用于在 MCP 协议与 Xero API 之间建立桥梁，让符合 MCP 协议的工具（如 Claude Desktop 等 MCP 客户端）能够以标准化方式访问 Xero 的会计与业务功能。它支持 Xero OAuth2 自定义连接认证、联系人管理、会计科目表管理、发票创建与管理，并遵循 MCP 协议规范。使用者需要 Node.js（v18 或更高版本）以及带 API 凭据的 Xero 开发者账户。该服务器同时提供多种查询与创建类 MCP 命令，覆盖账户、联系人、发票、信用票据、项目、日记账、组织详情、损益表、报价、税率、付款、试算平衡表、银行交易、薪资员工与工时表等数据。
Xiaomi MiMo 是小米推出的大模型开放平台，官方定位为旗舰性能、全模态、面向专业工作流。平台提供团队 Token 方案与批量推理（Batch API），并已由 V2.6 模型驱动。用户可通过官网平台接入并使用其大模型能力，以释放生产力。
XTuner 是 InternLM 团队开发的高效、灵活且功能完整的大模型微调工具包。2025 年 9 月发布的 XTuner V1 是专为超大规模 MoE 模型打造的新一代训练引擎，支持最高 1T 参数 MoE 训练，可在无专家并行的情况下训练 200B 规模 MoE 模型，600B 模型仅需节点内专家并行。它支持 Dropless 训练、长序列训练（200B MoE 在 64k 序列长度下无需序列并行）、DeepSpeed Ulysses 序列并行，并首次实现 200B 以上 MoE 模型 FSDP 训练吞吐超越传统 3D 并行方案，在昇腾 A3 Supernode 上训练效率超过 NVIDIA H800。XTuner V1 面向预训练、指令微调和强化学习持续优化，特别聚焦昇腾 NPU 优化，并可作为通用训练后端与开源生态集成。
Yesbrain 是一个用于训练、分享和订阅 AI 模型的平台，并提供奖励机制。根据现有资料，其核心定位是围绕 AI 模型的训练、共享与订阅构建平台化服务，用户可在平台上参与模型的训练与分享，并通过订阅方式获取模型，同时平台设有奖励机制。目前关于该平台的具体功能细节、使用方式、适用场景、收费模式、支持的技术栈与平台限制等信息暂未提供，需以官方页面后续公布的内容为准。
中文介绍正在整理，稍后补充。
YourBench 是一个动态基准生成框架，用于从源文档生成问答对和评估数据集。它可以将 PDF、Word 文档和文本转换为结构化基准数据集，输出格式可配置。该库为开源项目，托管模型调用可能产生提供商费用。主要功能包括文档摄入、问题生成、自定义输出模式、多模型支持、HuggingFace 集成和可审查输出。
Yuan2.0-M32 是一个采用混合专家（MoE）架构的大语言模型，总参数量 40B，每次激活 2 个专家、激活参数 3.7B。它提出并采用了新的路由网络 Attention Router 以提升专家选择效率与准确率，相比使用经典路由网络的模型准确率提升 3.8%。模型从零开始用 2000B tokens 训练，训练计算量仅为同等参数规模稠密模型的 9.25%。在编码、数学等多个专业领域具备竞争力，在 MATH 和 ARC-Challenge 基准上分别达到 55.9% 和 95.8% 的准确率，超过 Llama3-70B。每 token 前向计算 7.4 GFLOPS，仅为 Llama3-70B 的 1/19。序列长度支持 16K。相关代码与模型已开源在 GitHub，并发布在 ModelScope 与 Hugging Face。
YuLan-Mini 是中国人民大学 AI Box 团队开发并维护的开源轻量级语言模型，参数量为 24 亿（2.4B，包含嵌入层大小）。该模型仅使用 1.08T tokens 进行预训练，据官方说明，其性能可与使用显著更多数据训练的行业领先模型相媲美，尤其在数学和代码领域表现突出。项目开源了相关预训练资源与后训练技术报告，以促进可复现性。YuLan-Mini 属于 YuLan 模型家族，该家族还包含更大规模及采用不同训练策略的模型。模型提供基础版 YuLan-Mini、中间检查点、指令微调版 YuLan-Mini-Instruct 等下载资源。预训练方法通过三项关键创新提升训练效率：精心设计的数据流水线（结合数据清洗与数据调度策略）、可有效缓解训练不稳定性的系统优化方法、以及整合定向数据选择与长上下文训练的有效退火方法。项目还开源了数据清洗与合成流水线、分类器、W&B 日志等资源，可用于预训练自有 LLM、学习率退火、微调指令版本、训练动态研究及合成自有数据等场景。
Yume 是 Claude Code 的原生桌面应用（非终端界面），在保留原 CLI 引擎与订阅的前提下，提供编排流程、实时交错思考、最多 4 个并行后台代理、插件系统、多供应商支持、内置 MCP 服务器管理，以及自带的 MCP 记忆服务器（yume-mcp-memory）。它支持多标签会话、会话快照、可视化变更时间线、上下文实时用量与自动压缩、键盘快捷键等。支持 macOS、Windows、Linux，采用 Tauri + Rust 构建。免费演示版提供 2 个标签、2 个面板、1 个窗口；Pro 版从 $4/月 起，另有 $49 终身买断。
Zabbix MCP Server 是一个轻量级的 Model Context Protocol（MCP）服务器，用于将 AI 助手与 Zabbix 监控平台集成。它通过仅 3 个统一工具提供对完整 Zabbix API 的访问，覆盖 100% 的 Zabbix API（100+ 方法），兼容 Zabbix 6.0 及以上版本。该服务器支持只读模式和 API 方法过滤，可用于查询主机、监控项、触发器、模板、问题等数据。
ZenML 是为生产环境 AI 提供的统一基础设施层，包含 ZenML 与 Kitaru 两个开源项目。ZenML 可以在你已有的基础设施上编排流水线与智能体；Kitaru 则用真实生产数据回放这些流水线与智能体，帮助在变更上线前评估改进、回归与成本。ZenML 支持用 Python 编写流水线和智能体，并运行在你已有的编排器与云平台上，从笔记本到 Kubernetes 无需重写即可迁移。ZenML 与 Kitaru 均采用 Apache 2.0 许可，支持自托管、查看源代码并将数据保留在原处。该平台面向企业级，具备 SOC 2 Type II 和 ISO 27001 认证，运行在你自有的基础设施上。
ZGI 是一个面向企业构建 AI 智能体与治理型 AI 系统的平台。它能够摄取、清洗和结构化企业数据与文档，并通过知识图谱、多重召回与工作流编排来支撑 AI 应用。用户可利用自有数据、工具、工作流、模型和技能快速启动业务就绪的智能体，通过统一网关接入 OpenAI、Anthropic、Google、DeepSeek、Qwen 等模型，并按质量、可用性、成本或区域选择模型，集中控制访问、配额、路由策略与回退。平台覆盖智能体全生命周期，支持自然语言查询业务数据库、设计智能体与编排工作流，并让智能体以持久身份跨系统与团队持续工作。