SuperAPI AI 工具集3,662 个结果 · 第 62 / 102 页
Google Workspace CLI（gws）是一个社区构建的非官方命令行工具，用于统一访问 Google Workspace 所有 API，包括 Drive、Gmail、Calendar、Sheets、Docs、Chat 等。它从 Google Discovery Service 动态构建命令，无需静态命令列表，提供结构化 JSON 输出，适合人类和 AI 代理使用，并内置 100+ Agent Skills。该工具支持多种认证方式（交互式、无头/CI、服务账号、预获取令牌），适用于自动化脚本、AI 代理集成和服务器端操作。注意：这不是 Google 官方支持的产品，项目处于活跃开发中，可能会有破坏性变更。
PlanetScale CLI（pscale）是 PlanetScale 数据库的命令行工具，将分支、部署请求等 PlanetScale 概念带到命令行中。它支持通过 Homebrew、Scoop、Docker、下载二进制包等多种方式安装，并提供 MCP 服务器集成、GitHub Actions 支持以及面向 AI 代理和自动化的 agent-guide 与技能文件。
Push To Display 的 cli 与 MCP 服务器包，用于从终端或 AI 智能体向 iOS/Android 上的 Push To Display 看板发送结构化内容。支持将更新路由到特定面板并实时渲染。需 Node.js 18+，可用 npx 直接运行或全局安装，支持浏览器登录与设备代码无头登录，凭据存于系统钥匙串。内置 Model Context Protocol 服务器，让 Claude、Cursor、VS Code Copilot 等 AI 客户端直接访问看板。也可用 pt_ 开头的 API 密钥认证用于 CI/CD，但仅支持 send 命令。
clickup-cli 是一个面向 ClickUp API 的命令行工具，针对 AI 智能体与人工使用进行了优化。它覆盖约 130 个 REST 端点，分布在 28 个资源组和 4 个实用命令中，并默认提供节省 token 的紧凑输出，也可通过 --output json 获取完整响应。该工具同时提供 MCP 服务器模式，可暴露 144 个工具实现 100% API 覆盖。它支持 npm、Homebrew、预编译二进制、crates.io 等多种安装方式，并可从 git 分支名自动识别任务 ID。
climate-change-data 是一个 GitHub 上的精选资源列表，汇集与气候变化相关的 API、开放数据以及机器学习/人工智能项目。该仓库由 KKulma 维护，旨在为关注气候、水资源和生物多样性的 AI 模型提供数据与项目参考。内容按类别组织，包括数据集、API 和开源项目，并设有 ML 开放项目板块。用户可通过提交 Pull Request 或 Issue 贡献新资源，需注明类别、链接和简短描述。该资源适合研究人员、开发者及对气候数据感兴趣的 AI 从业者查找和利用开放数据。
Clojars-MCP-Server 是一个 Model Context Protocol (MCP) 服务器，用于从 Clojure 社区构件仓库 Clojars 获取依赖信息。它为 Cline、Roo Code、Cody、Claude Desktop 等工具提供获取 Clojars 依赖最新版本、检查特定版本是否存在以及获取版本历史记录的能力。
cloud-cost-mcp 是一个基于 Model Context Protocol（MCP）的多云定价比较服务器，支持 AWS、Azure、GCP 和 OCI 四大云厂商。它可让用户通过自然语言查询，比较计算、存储、出网流量和 Kubernetes 成本，并提供工作负载计算器与迁移节省估算。数据来自公开 API，无需 API 密钥，覆盖 4900 多种实例类型。
Cloud Run MCP Server 是 Google Cloud Platform 官方提供的 MCP 服务器，用于让兼容 MCP 的 AI 代理将应用部署到 Google Cloud Run。它支持从 Gemini CLI、AI 驱动的 IDE、AI 助手应用以及 Google Gen AI SDK 或 Agent Development Kit 等代理 SDK 进行部署。该服务器提供部署文件内容、列出服务、获取服务详情、获取服务日志、部署本地文件夹、列出 GCP 项目、创建 GCP 项目等工具，以及 deploy 和 logs 两个自然语言提示。用户可通过 Gemini CLI 扩展、本地 MCP 服务器（Node.js 或 Docker）或远程 MCP 服务器（部署在 Cloud Run 上并通过 IAM 认证）等方式使用。此外还提供基于 gcloud CLI 的 Cloud Run 技能，使 AI 代理能执行更多 Cloud Run 操作。
OpenCloudCosts（cloudcostsmcp）是一个开源 MCP 服务器，为 AI 助手提供 AWS、GCP 和 Azure 的实时云定价数据。它通过 16 个 MCP 工具（其中 14 个完全可用，2 个为兼容性占位）让 AI 助手直接调用实时定价 API，而非依赖训练数据猜测。支持公有列表价格和企业协商折扣价（预留实例、节省计划、CUD、EDP），可跨三大云同时比较工作负载成本、查找最便宜区域、计算单位经济性等。项目使用 Go 编写，提供 pip、Homebrew、二进制、Docker 和源码构建等多种安装方式，并支持与 Claude Code 等 MCP 客户端集成。
中文介绍正在整理，稍后补充。
cloudflare-mcp-go 是一个使用 Go 语言编写的 MCP（Model Context Protocol）服务器，对接 Cloudflare API v4，让任何兼容 MCP 的客户端（如 Claude 及其他 MCP 工具）能够通过自然语言查询和调查 Cloudflare 账户。根据仓库说明，该服务器以只读（read-focused）为主，面向安全分类与调查工作流，覆盖区域（zones）、DNS、WAF 与防火墙规则、速率限制、HTTP 请求日志、Security Center 洞察以及威胁情报等方面。使用需要 Cloudflare API token 和 Go 1.25+。可通过一条命令添加到 Claude Code，无需手动克隆或构建；CLOUDFLARE_ACCOUNT_ID 为可选，仅少数工具（accounts、audit logs、KV、intel）需要。按资料，服务器提供按领域分组的 117 个只读工具，另有可选写入工具，仅在设置 CLOUDFLARE_MCP_ENABLE_WRITE=true 时注册。服务器通过 stdio 通信，可从任意 MCP 客户端连接。具体安装命令、配置示例与完整工具清单未在提供资料中给出，暂未提供。
cloudprice-mcp 是一个面向 FinOps 的 MCP 服务器，让 Claude、GitHub Copilot、Cursor、Windsurf、Cline、Continue、Zed 等兼容 MCP 的 AI 客户端获得 AWS、Azure、GCP、OCI 四大云厂商的结构化定价数据与分析原语。它提供 25 个工具，覆盖计算、块存储、对象存储、托管 Postgres、出口流量、多可用区工作负载、快照、预留实例与节省计划折扣、FinOps 决策套件、多云端点实例竞价、跨云 GPU 定价、跨供应商 LLM Token 定价、碳足迹与价格异常检测，并保留每周自动刷新的公开价格历史数据集。通过一行命令即可安装并自动配置多个 AI 客户端，适合在 AI 对话中直接完成预留实例盈亏平衡、多云 TCO、迁移退出成本、快照成本建模与出口套利等分析。需要 Python 3.10+。
CloudScope MCP 是一个多云成本管理 MCP 服务器，支持 Azure 和 GCP。它提供对云支出的只读访问，包括消费分析、异常检测、预测、预算跟踪和引导式 FinOps 工作流。用户可以通过 AI 助手直接询问云账单，获取决策就绪的报告，而非原始数字。Azure 通过 az login 自动检测，GCP 需要配置 BigQuery 账单导出。该工具完全只读，不会创建、修改或删除任何云资源。
codemagic-mcp 是一个基于 Model Context Protocol（MCP）的服务器，为 AI 智能体提供统一接口，用于操作 Codemagic CI/CD、App Store Connect 和 Google Play，从而通过对话完成移动应用从仓库接入、构建、签名到发布的完整交付流程。它覆盖 Codemagic 构建管理、App Store Connect 的 TestFlight 与上架、Google Play 的 AAB 发布与分阶段推送、JUnit XML 测试结果解析，以及跨商店的本地化发布说明校验。该工具需要 Node.js 20 或 22（LTS），并依赖 asc CLI 和 google-play CLI，通过环境变量配置各平台凭据，可借助 npx 快速接入 MCP 客户端（如 Claude Desktop）。
Codex MCP Server 是一个基于 Model Context Protocol（MCP）的服务器，用于从 Codex 获取经过丰富处理的区块链数据。它可与任何兼容 MCP 的客户端（如 Claude Desktop）配合使用。使用前需要拥有 Codex API 密钥，可从 Codex Dashboard 获取。该服务器支持通过 npx 直接运行而无需安装，也可在本地以 stdio 方式启动，并支持开发时的自动重载。用户可将其集成到 Claude Desktop 中，通过编辑配置添加服务器，或使用 Claude CLI 进行连接。
Codex雷达是一个监控 Codex 额度重置与模型降智状态的网站，汇集官方动态、社区预测、模型基准对比与实用使用经验，并提供 Codex 速蹬模拟器等互动内容，帮助用户判断额度重置时间、模型质量变化及各模型档位的实际表现。
Cogito 是 Deep Cogito 推出的开源大型语言模型系列，采用迭代蒸馏与放大（IDA）训练方法，这是一种通过迭代自我改进实现可扩展且高效对齐的策略，旨在通往通用超级智能。本次预览版发布了 3B、8B、14B、32B 和 70B 五种参数规模的模型，均基于 Llama / Qwen 预训练检查点训练，在各标准基准测试中，每个模型均优于同规模的最佳开源模型，包括 LLaMA、DeepSeek 和 Qwen 的对应版本。其中 70B 模型还优于新发布的 Llama 4 109B MoE 模型。每个模型支持直接回答（标准 LLM 模式）或先自我反思再回答（类似推理模型模式），并针对编码、函数调用和智能体用例进行了优化。模型可通过 Hugging Face、Ollama 下载，或通过 Fireworks AI、Together AI 的 API 直接使用。计划在未来几周/几个月内发布更大模型（109B、400B、671B 的 MoE）以及各尺寸的改进检查点，所有模型将开源。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
Coincap MCP 是一个基于 CoinCap 公共 API 的 MCP 服务器，无需 API 密钥或注册即可查询实时加密货币价格与市场信息。用户可在 Claude Desktop 等 MCP 客户端中直接询问比特币价格、以太坊市值或可用加密资产列表。
中文介绍正在整理，稍后补充。
cointelegraph-mcp 是一个 MCP 服务器，用于实时获取 Cointelegraph 的最新新闻。它聚合 17 个 Cointelegraph RSS 订阅源，覆盖 Bitcoin、Ethereum、Regulation 等类别，并通过 MCP 工具提供新闻查询。主要工具包括 get_rss_categories（列出所有可用 RSS 类别）和 get_latest_news（获取指定类别的最新文章，可自定义返回数量和摘要长度）。该服务器支持将 HTML 文章摘要转换为 Markdown，内置 1 小时缓存以减少重复 RSS 请求，并可与 Claude Desktop 无缝集成，实现 AI 驱动的新闻查询。使用前需满足 Python 3.10 或更高版本、可选 Claude Desktop 以及网络连接。
Color Me Shop MCP Server 是日本电商平台 Color Me Shop（由 GMO Pepabo 运营）的官方远程 MCP 服务器。它让用户可以通过自然语言对话，用 AI 工具管理网店，例如询问“显示今天未处理的订单”或“列出库存不超过 5 件的商品”。服务器采用 Streamable HTTP 传输，并使用 OAuth 2.1 与动态客户端注册进行认证，支持 Claude、Claude Code、Cursor、OpenAI Codex CLI、Gemini CLI 等兼容 MCP 的客户端。主要功能覆盖订单管理（查询、搜索、更新、取消、销售统计、发送邮件、生成支付链接）、商品管理（查询、搜索、注册、更新、库存/分类/分组管理、推荐商品设置）、客户管理（查询、搜索、注册、更新、积分、会员等级）、优惠券管理以及店铺设置查看（配送方式、支付方式、礼品设置、商品评价）。访问权限通过 Color Me Shop OAuth 按最小权限原则进行范围限定。
Colors ai 是一个面向商业智能与 AI 模型部署的 AI 平台，官方定位为提供可执行的商业智能（actionable business intelligence）与 AI 模型部署能力。目前公开资料仅包含其名称、官网地址与上述简短定位，未提供具体功能模块、技术架构、使用方式、适用场景、收费模式或平台支持等细节，这些信息暂未提供。
CommonGround Kernel 是一个面向人机协作与多智能体工作的开源底层基础层，由 Intelligent-Internet 在 GitHub 上发布。它把智能体的工作转化为可持久保存的公共记录，让后续的人类、智能体、工具或外部运行时能够跨越交接、暂停和运行时变更，重建共同工作基础。它并非单纯的持久化日志，而是一个“宪法式账本内核”，定义独立参与者协作所需的最小公共事实、工作边界、语义所有权和因果关系。当前版本为 v3r1 预览版，聚焦 Ledger Kernel 和本地优先的开发者路径，支持 PostgreSQL 本地开发、uv 安装、CLI 优先的工作流、BYOA 工作记忆报告等。
CompMix 是一个评估问答方法的基准，面向混合异构输入源（知识库、文本、表格、信息框）的问答任务。该基准由相关机构发布，主要服务于需要综合利用多种数据来源进行问答的研究与评测。其官方页面提供了关于基准构建方式、问题起始形式、答案形式以及排行榜等信息入口。具体的问题数量、数据构成、评测指标等细节暂未提供。
confluence-mcp-server 是一个基于 TypeScript 的 MCP（Model Context Protocol）服务器，用于与 Confluence 进行交互。它提供三项核心工具：使用 CQL 查询搜索 Confluence 页面、获取指定页面的内容，以及更新页面的内容。用户可通过执行 CQL 搜索（支持 limit 参数，默认 10）、按 pageId 读取页面正文、按 pageId 更新内容并可选择性修改标题。该项目说明其定位为一次 Confluence MCP 服务器的测试，并演示了核心 MCP 概念。适合在 Claude Desktop 等支持 MCP 的客户端中接入，通过 stdio 通信方式让 AI 助手访问和修改 Confluence 数据。项目提供依赖安装、构建及开发时自动重建的命令，并支持通过 Smithery 自动安装；配置需写入 Claude Desktop 的配置文件（macOS 与 Windows 路径不同）。调试方面推荐使用 MCP Inspector，其以包脚本形式提供，会在浏览器中给出可访问调试工具的 URL。
中文介绍正在整理，稍后补充。
console-chat-gpt 是一个基于 Python 的命令行 AI 聊天工具，支持从终端直接与多个主流大语言模型交互，包括 OpenAI、MistralAI、Anthropic、xAI、Google AI，以及任何兼容 OpenAI SDK 的提供商（如 DeepSeek、Alibaba、Inception、Moonshot AI、OpenRouter 等）和本地 Ollama 模型。它提供流式输出、角色选择、温度控制、对话历史、图像输入、MCP 支持、Telegram 机器人对话等功能，并可通过 config.toml 文件或应用内设置菜单进行配置。该项目已标记为弃用，推荐新用户使用其继任者 tellm。
一个多频道内容分发 MCP 服务器，支持将同一篇内容自动发布到 DEV.to、Hashnode、GitHub Discussions、Reddit、Bluesky、LinkedIn、Medium 和 Twitter/X 等 8 个以上平台。它能针对不同平台自动适配内容格式，通过幂等状态管理避免重复发布，并内置各社区的反垃圾规则。该 MCP 本身不进行 LLM 调用，只提供干净的 API，由你的 AI 智能体负责生成各平台专用的文案变体。
Contentable.ai 是一个面向生成式 AI 模型的端到端测试平台。根据现有资料，其定位为对生成式 AI 模型进行测试，但资料中未提供具体功能、支持的模型、使用方式、收费信息或适用场景等细节。
中文介绍正在整理，稍后补充。
Context Firewall 是一个本地 MCP 代理，位于 AI 代理（如 Claude Code、Claude Desktop、Cursor、Cline 等）与已配置的下游 MCP 服务器之间。它将 50+ 个工具定义折叠为 4 个元工具，并在大型工具输出（原始 HTML、base64 数据块、超大 JSON）进入模型上下文窗口前进行压缩，压缩幅度达 60–95%。无论下游服务器有多少工具，客户端始终只看到 4 个工具。压缩后仍超出配置 token 预算的内容会被硬截断，但完整原始输出始终可通过 read_more 检索。该项目适用于任何 MCP 客户端和任何模型。
Context-First MCP 是一个面向 AI 对话的 MCP 服务器，旨在让 AI 在多轮交互中保持有据可依、连贯且诚实。它提供 37 个工具，分为 7 层，涵盖上下文健康、状态管理、沙箱与发现、持久记忆、高级推理、真实性验证、编排、结构化研究与自主文件导出。可与 Claude Desktop、Cursor、VS Code 及任何 MCP 客户端配合使用，支持 npx 零安装和 Vercel 远程部署，无需 API 密钥。核心的 context_loop 调用可替代 6–7 个单独工具，返回统一的行动指令。
Context-Keeper 是一个基于 LLM 驱动的智能记忆与上下文管理系统，旨在为 AI 助手提供持续记忆能力。它通过短期记忆（本地文件系统存储近期完整对话）与长期记忆（向量数据库永久保存关键信息摘要）相结合，并采用渐进式压缩机制，将详细记录逐步转化为语义摘要。系统支持会话隔离、工作空间隔离、个性化记忆策略与跨会话知识传递，并引入记忆ID与批次ID概念。其核心架构为“意图理解→宽召回→精排序→智能合成”的 LLM 驱动宽召回+精排序流程，配合四维统一上下文模型实现全生命周期管理。项目支持多种向量数据库（如阿里云 DashVector、京东云 Vearch，可扩展 Milvus、Weaviate 等），时间线存储使用 TimescaleDB/PostgreSQL，知识图谱使用 Neo4j。大模型支持本地 Ollama 及云端 OpenAI、DeepSeek、Claude、通义千问等。项目采用 MIT 许可证开源。
ContextKit 是一个面向 AI 编程智能体的命令行工具，同时也是一个 MCP（模型上下文协议）客户端，用于创建已内置上下文的规格文件。它基于可复用的 Jinja2 模板生成规格，并从各类 MCP 来源和用户输入中填充上下文。需要说明的是，ContextKit 虽然作为 MCP 客户端工作，但本身并不使用 AI 模型，它的定位是借助 MCP 生态实现上下文注入。