SuperAPI AI 工具集3,631 个结果 · 第 75 / 101 页
graph-polymarket-mcp 是一个用于查询 Polymarket 预测市场数据的 MCP（Model Context Protocol）服务器，结合 The Graph 子图与 Polymarket REST API（Gamma + CLOB），共提供 31 个工具，供 Claude、Cursor 等 AI 智能体调用。它支持市场搜索、实时 CLOB 价格与订单簿、链上数据查询、交易者盈亏（P&L）、持仓、活动、未平仓合约（open interest）、市场结算状态以及交易者画像等功能。v2.0.0 新增 10 个基于 Gamma 和 CLOB API 的工具，这些工具无需 API Key，直接访问 Polymarket 公开 REST 端点；链上索引数据部分需要免费的 The Graph API Key（免费额度为每月 100,000 次查询）。该服务器已发布至 MCP Registry，标识为 io.github.PaulieB14/graph-polymarket-mcp。
graph-tool-call 是一个面向 LLM Agent 的图结构化工具检索组件，用于在大型工具目录中查找目标工具、其前置依赖工具，以及符合规划器 token 预算的最小 schema 包。它把检索视为考虑调用契约的图问题，而非扁平的相似度搜索：从 OpenAPI、GraphQL introspection、MCP tools、Python 函数和结构化工具目录中确定性摄入工具，结合关键词、图关系、可选嵌入与 MCP 注解信号进行混合检索，并做有证据支持的目标选择与类型化前置依赖展开，最后输出按 token 预算裁剪、遵循契约投影的模型侧 schema。项目宣称在 248 个工具场景下达到 82% 准确率、减少 79% token，核心搜索与图包仅使用 Python 标准库，无需额外依赖，并提供 OpenAI、Anthropic、LangChain v1、MCP、Docker、Kubernetes 适配器；认证、租户策略、审批与具体执行业务仍由宿主应用负责。
GraphRAG 是微软开源的一个基于图的模块化检索增强生成（RAG）系统。它通过数据管道与转换套件，利用大语言模型从非结构化文本中提取有意义的结构化数据，并以知识图谱作为记忆结构来增强大语言模型的输出，为问答任务构建有针对性的上下文。该项目属于研究性质，代码为演示用途，并非微软官方正式支持的产品。自 2024 年 7 月首次发布以来，项目目前已基本进入维护模式，不再接受新的 PR 或新功能，仅按需进行错误修复和依赖更新，尤其是针对 CVE 的处理。官方提醒，GraphRAG 的索引操作可能成本较高，建议阅读全部文档、从小规模开始，并参照提示词调优指南对提示进行微调以获得更佳效果。
GraphRAG-Ollama-UI 是一个基于本地大语言模型运行 GraphRAG 的本地化知识图谱应用，改编自微软的 GraphRAG 项目，并配套完整的交互式界面生态。项目采用以 API 为核心的架构，提供 FastAPI 服务作为后端核心，支持 Ollama 及 OpenAI 兼容接口的本地模型与嵌入模型，从而避免依赖高成本的云端模型。它提供独立的 Gradio 索引与提示调优界面，以及主交互界面，可用于索引构建、提示调优、查询、聊天和知识图谱可视化等功能。
greeks-mcp 是一个 Model Context Protocol（MCP）服务器，将 Greeks 期权分析 API 封装为工具，供 Claude Desktop、Cursor、Claude Code 等任意 MCP 客户端调用。用户可让助手查询任意股票代码的 GEX、Greeks、Max Pain、异常期权流或完整仪表盘，数据实时来自 API。该服务器仅暴露派生/计算后的分析数据，不重新分发原始市场数据。使用前需在 greeks.pro 注册并创建 API 密钥（格式为 grk_<48 位十六进制>）；公开工具（筛选器、健康检查、套餐）无需密钥即可使用。配置方式为在客户端配置中添加一个 mcpServers 块并重启客户端，uv 会按需在隔离环境中下载并运行已发布的包，无需手动安装或更新。也可使用 pipx 安装，或通过附带的 Dockerfile 以容器方式运行。服务器使用 stdio 通信，共提供 17 个工具。
GreenCalculus MCP 服务器是一个提供温室气体排放因子与可审计碳计算的 MCP 服务。每个返回值都附带精确的来源引用和固定的数据版本，使 AI 智能体给出的数字可被人引用、可被机器复现，而非猜测。该仓库本身是一个轻量桥接包，用于只能启动本地 stdio 进程的客户端以及 docker run 安装场景，它把每条 JSON-RPC 消息转发到远程服务器并原样返回回复。服务为远程模式，支持远程 MCP 的客户端可直接指向 URL，无需安装。提供免费密钥，发现类方法（initialize、tools/list）以及 search_factors、explain_absence 无需密钥，其余工具需要密钥。
Grid.ai 是一个面向 AI 模型开发与部署的平台，其核心思路是通过抽象底层基础设施，简化模型训练与上线流程。根据现有资料，该平台定位为帮助开发者减少在算力配置、环境搭建等基础设施层面的投入，从而更专注于模型本身的开发工作。资料未提供其具体功能模块、支持的框架、计费方式、可用区域或使用步骤等细节，这些信息暂未提供。
Griptape 是一个面向创意人士与开发者的生成式 AI 平台，核心目标是让用户以可预测、可控制的方式编排多个 AI 模型与智能体。它包含三部分：Griptape Nodes 提供可视化拖拽式节点编辑器，无需代码即可连接创意、搭建 AI 工作流，并支持分享与再创作；Griptape Cloud 提供托管式云服务，涵盖数据处理管线、检索就绪数据库与无服务器应用运行时，帮助用户快速部署和扩展 AI 应用；Griptape Framework 是面向开发者的 Python 框架，提供清晰的抽象来构建生成式 AI 智能体、多智能体系统、管线、工作流与 RAG 实现，并强调无需深入学习提示工程。平台兼顾创意与代码两类用户：非技术用户可通过 Nodes 可视化搭建管线，产品团队可通过 Cloud 部署 ETL、RAG 等结构，开发者可用 Python 编写业务逻辑。官方称其 Off-Prompt™ 方案可带来更好的安全性、性能与更低的成本。
Grok 4 是 xAI（埃隆·马斯克创立的 AI 公司）开发的新一代大语言模型，于 2025 年 7 月 9 日正式发布。该模型跳过原计划的 Grok 3.5，在自然语言、数学和推理任务上表现突出，宣称在推理基准测试中取得 35–45% 的领先分数。Grok 4 支持文本、图像等多种输入类型，并提供专门的 Grok 4 Code 版本，具备智能代码补全、调试辅助、优化建议以及与 IDE 的实时集成能力。用户可通过 X（原 Twitter）平台直接访问，并获得集成的网页浏览与实时数据访问功能，也可下载 iOS 和 Android 应用随时使用。据页面信息，Grok 4 采用第一性原理推理，增强了逻辑一致性，适合处理复杂数学与科学问题。模型参数估计在 100–1750 亿之间，上下文窗口最高可达 130,000 tokens，支持多语言。Grok 4 还包含面向企业场景的优化版本，可用于数据提取、分析及特定领域任务，并提升了稳定性与性能。关于收费、价格及具体试用方式，资料未提供明确信息。
Groq Summarizer 是一款 Chrome 浏览器扩展，使用 AI 技术对在线内容进行摘要。它面向需要快速浏览长文章、应对信息过载的用户，提供即时摘要、多语言支持、自定义 API 密钥配置，并借助 Groq API 实现高速处理，同时强调安全与隐私。
Grounder MCP 是一个面向本地与云端大语言模型的实时网络接地（web grounding）工具，以四个 MCP 工具的形式提供。大模型的知识被冻结在训练截止时间，Grounder 为模型接入当前网络：提供排序后的搜索结果、真实网页内容，以及按上下文窗口大小裁剪、附带引用的证据包。它是 https://grounder.dev 托管服务的轻量 stdio 客户端，本地不运行浏览器或爬虫，无需安装重型组件。可使用共享演示密钥无注册试用，也可在 grounder.dev 申请免费密钥（每月 1,500 页，无需信用卡）正式使用。适用于 Claude Desktop、Cursor、LM Studio、Continue.dev 及任何 MCP 客户端。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
GRPO-Zero 是一个从零实现 DeepSeek R1 所用 GRPO 算法的开源项目，力求依赖极简并降低 GPU 显存占用。它几乎不依赖 transformers 与 vLLM，仅使用 tokenizers 做分词、PyTorch 做训练。默认配置可在单张 A40（48GB 显存）上运行数小时获得较好结果，也支持通过将优化器卸载到 CPU 在 24GB 显存 GPU（如 RTX 4090）上训练。项目还引入 DAPO 的若干改进：Token 级策略梯度损失、移除 KL 散度、过长回合过滤，并在 CountDown 任务上训练 Qwen2.5 模型。
gsc-mcp 是一个面向 Google Search Console API 与 Google Indexing API 的 MCP 服务器，提供完整的 API 覆盖，共包含 13 个工具。与仅封装 searchAnalytics.query 的其他 GSC MCP 服务器不同，该项目暴露了 Google Search Console 和 Indexing API 中所有可用端点，涵盖搜索分析、站点地图、URL 检查以及批量索引等功能。它支持两种身份验证方式：OAuth2 刷新令牌和服务账号。使用 Indexing API 时，Google 仅支持带有 JobPosting 结构化数据的页面，或嵌入在 VideoObject 中的 BroadcastEvent 直播页面，工具要求调用方指定 contentType 以标识适用的受支持类型。API 成功响应仅确认收到通知，并不保证 Google 已索引该 URL，需使用 url_inspection_inspect 检查索引状态。该项目还提供 llms.txt 供 AI 代理读取机器可读摘要，并包含 templates/CLAUDE.md 或 templates/AGENTS.md 模板，可复制到项目中以帮助代理了解此 MCP。
GSM8K-RLVR 是一个用于在 GSM8K 数学数据集上实验「可验证奖励强化学习」（RLVR）概念的简化实现仓库，面向基础语言模型。它参考了 Tulu3 论文与 DeepSeek R1 的思路，目标是在不依赖预训练奖励模型的前提下，提升基础模型在数学解题上的性能与结构化输出能力。仓库采用少样本提示（few-shot prompting）、简化的提示格式以及「正确性 + 格式遵循」双重奖励系统，并使用 GRPO 对 Qwen/Qwen2.5-Math-1.5B 等模型进行 RL 微调。作者给出了 8-shots 评估下的性能提升摘要，并说明其实现受限于 24GB 显存，对完成长度和少样本示例数量做了限制。该仓库可作为探索推理能力的起点，适合关注 RLVR、GSM8K 与基础模型后训练的开发者研究使用。
gtasks-mcp 是一个 Google Tasks 的 Model Context Protocol（MCP）服务器，用于与 Claude 等支持 MCP 的客户端集成，实现对 Google Tasks 中任务的搜索、列表、创建、更新和删除等操作。该服务器提供搜索、列出全部任务、创建任务、更新任务、删除任务以及清空已完成任务等工具，并支持通过资源地址读取单个任务详情。使用前需要创建 Google Cloud 项目、启用 Google Tasks API、配置 OAuth 同意屏幕并添加 https://www.googleapis.com/auth/tasks 范围，创建桌面应用类型的 OAuth 客户端 ID，将下载的密钥文件重命名为 gcp-oauth.keys.json 并放置于仓库根目录，然后构建服务器。可通过 Smithery 自动安装到 Claude Desktop，也可手动在桌面应用的服务器配置中添加。认证流程通过运行 npm run start auth 在系统浏览器中完成，凭据将保存至仓库根目录的 .gdrive-server-credentials.json 文件中。
NVIDIA NeMo Guardrails 是一款开源工具包，用于为基于大语言模型（LLM）的对话应用添加可编程护栏（Rails）。它可控制 LLM 的输出行为，例如避免讨论政治话题、按特定方式回应特定请求、遵循预定义对话路径、使用特定语言风格、提取结构化数据等。开发者可在应用代码与 LLM 之间定义输入、对话、检索、执行和输出五类护栏，从而构建可信、安全、可控的 LLM 应用，并防御越狱和提示注入等常见漏洞。工具包引入 Colang 建模语言（含 1.0 与 2.0 版本）用于设计灵活的对话流，支持通过 Python API 或护栏服务器调用，并可选择性集成 LangChain。它兼容多种 LLM 模型，内置自检、安全模型、越狱与注入检测等护栏库，并提供 CLI、Docker 部署及安全评估工具。项目采用 Apache License 2.0 许可，需 Python 3.10 至 3.13。
Guardrails 是一个 Python 框架，用于构建可靠的 AI 应用。它通过运行输入/输出守卫（Guards）来检测、量化和缓解特定类型的风险，并帮助从大语言模型（LLM）生成结构化数据。Guardrails Hub 提供了预构建的验证器（validators），可组合成输入和输出守卫，拦截 LLM 的输入和输出。该框架支持专有和开源 LLM，可与 Python 和 JavaScript 一起使用，并可作为独立服务通过 REST API 交互。
GuardVibe 是一款面向 AI 生成代码（vibe coding）的安全扫描工具，支持 Next.js、Supabase、Clerk、Stripe、Prisma、Hono 及 MCP 等技术栈。它通过确定性污点分析与跨文件鉴权覆盖检查，发现 AI 编码时可能遗漏的漏洞，并提供自动修复建议、SARIF 导出、pre-commit 钩子和每日刷新的 CVE 版本情报。可作为 MCP 服务与 Claude Code、Cursor、Gemini CLI、Codex、VS Code（Copilot）、Windsurf 等 AI 编码代理协同工作，且完全本地运行、无需账号或 API 密钥。
Guidance 是微软推出的一个 Python 库，用于控制大语言模型的生成过程。它采用类似 Handlebars 的模板语法，将生成、提示和逻辑控制（如条件、循环、工具调用）交织在一起，从而精确控制输出结构。相比传统提示或微调，Guidance 能降低延迟和成本，并支持通过正则表达式和上下文无关文法（CFG）约束生成。该库可通过 PyPI 安装，支持 Transformers、llama.cpp、OpenAI 等多种后端。
GuideLLM 是一个用于评估和优化大语言模型（LLM）实际部署性能的开源平台，重点关注真实推理场景下的基准测试。它能够模拟与 OpenAI 兼容服务器和 vLLM 原生服务器的端到端交互，生成贴近生产环境的负载模式，并输出详细报告，帮助团队了解系统行为、资源需求和运行极限。该工具支持真实数据集与合成数据集以及多模态输入，提供 SLO 导向的评估指标（如 TTFT、ITL 和端到端延迟的完整分布）、同步/并发/基于速率等多种流量模式，以及可导出的标准化报告。GuideLLM 采用多进程、多线程和异步执行，具备较高吞吐能力，并通过 CLI 和 API 提供灵活的定制与快速上手方式。项目使用 Apache License 2.0 许可，适合工程和机器学习团队评估模型行为、调优部署和规划容量。
gut 是一个 Python 库，用于对文本做小型判断：是/否、单选、评分，返回 YES、NO 或 UNSURE。它专为 TypeSafe AI 的 Jev 设计，也可运行在 Ollama、vLLM、OpenAI 或本地 NLI 模型上。核心特点是用一行 Python 代码完成判断，无需编写提示词、解析输出或设定阈值，每个判断可处理最多 1,000 个主题。适合需要快速、低成本地对大量文本做分类或决策的场景，如判断评论是否为垃圾、工单归属、任务是否完成等。
GyataGPT AI 是一款帮助企业快速、安全地创建 AI 应用的工具。根据现有资料，其核心定位是面向组织的 AI 应用创建平台，强调快速搭建与安全两方面。除上述信息外，关于具体功能、技术架构、支持的模型、使用方式、价格与平台等内容暂未提供。
H2O.ai推出的基于Elo评级方法的大模型评估系统
H2O LLM Studio 是一个用于微调大型语言模型（LLM）的框架和无代码图形界面（GUI）。它让用户无需编码经验即可轻松、有效地微调最先进的 LLM，提供专门为大型语言模型设计的 GUI，支持大量超参数、LoRA 和 8 位模型训练等低内存微调技术，还包含实验性强化学习（RL）微调、高级评估指标、模型性能可视化对比、W&B 集成、与模型聊天以及导出到 Hugging Face Hub 等功能。此外也提供命令行界面（CLI）。
h2oGPT 是 H2O.ai 推出的 Apache 2.0 开源项目，用于与本地私有 GPT 大语言模型进行对话，并对文档、图片、视频等资料进行查询与总结，强调 100% 私有化。它支持 oLLaMa、Mixtral、llama.cpp 等多种推理后端与模型，提供 Gradio 界面和 CLI，可上传并查看文档，支持视觉模型、图像生成、语音转写与语音合成、联网搜索、多种检索增强与代理能力。项目支持 Linux、Docker、macOS 和 Windows，并提供兼容 OpenAI 的服务器代理 API。
hackmd-mcp 是一个 Model Context Protocol（MCP）服务器，用于将 HackMD 笔记平台与 AI 助手集成。它通过 HackMD API 让 LLM 客户端访问和操作 HackMD 的笔记、团队、用户资料和历史数据。主要功能包括：获取用户资料信息，创建、读取、更新和删除笔记，管理团队笔记并与团队成员协作，访问阅读历史，列出和管理团队。该服务器支持 HTTP 和 STDIO 两种传输方式，可部署到云端，支持 Smithery 等平台。使用前需要获取 HackMD API Token，可通过环境变量或 HTTP 头传递配置。项目采用 MIT 许可证。
Haiku MCP Server 是一个基于模型上下文协议（MCP）的服务器，通过 Haiku API 让 AI 代理在 22 条区块链上执行 DeFi 交易。它支持代币发现、余额查询、交易报价、交易构建、钱包集成和可选的自包含执行，还能发现高收益机会并分析钱包投资组合。AI 代理可以据此完成交换、提供流动性、借贷、跨链桥接和执行收益策略。该服务器既可独立运行，也可与外部钱包 MCP 配合使用，实现安全签名和广播。
HairstylesAI 是一个基于 AI 的发型预览工具，用户上传自拍后即可免费预览剪发效果，并对比多种真实感发型方向。付费后可解锁高清无水印结果、发型变体、保存历史和一份可供发型师参考的 Salon Card（沙龙卡）。据资料介绍，上传照片不会被用于训练 AI 模型，免费预览与生成的预览图默认在 48 小时后过期。
中文介绍正在整理，稍后补充。
这是一本关于大型语言模型的图解指南，包含超过275幅定制插图和可运行代码，由Jay Alammar和Maarten Grootendorst合著，旨在帮助Python开发者快速掌握LLMs的核心概念与实际应用，适合从入门到进阶的读者。
这是一个面向 LLM 应用开发的 LangChain 实战教程仓库，提供一系列实用教程，内容覆盖 LangChain 基础、基于 LangChain 的检索增强生成（RAG）、LangChain 进阶技巧、使用 LangGraph 构建 LLM 智能体、使用 LangMem 管理智能体记忆，以及 LangSmith 入门。
《Hands-On Large Language Models》是 Jay Alammar 与 Maarten Grootendorst 合著的 O'Reilly 图书官方代码仓库。仓库提供全书所有示例的配套代码，包含近 300 张手工绘制的插图，帮助读者以可视化方式学习大语言模型的实用工具与概念。作者建议通过 Google Colab 运行示例，可免费使用 16GB 显存的 T4 GPU，并提供了本地安装包与 conda 环境的快速指南。
hands-on-llms 是一个免费开源课程，通过设计、训练和部署一个实时金融顾问 LLM 系统，帮助学习者了解 LLM、LLMOps 和向量数据库。课程提供源代码、视频和阅读材料，采用三管道架构：训练管道使用 QLoRA 微调开源 LLM，实时特征管道从 Alpaca 摄取金融新闻并生成嵌入存入 Qdrant，推理管道使用 LangChain 构建 RAG 链，结合向量数据库上下文和聊天历史生成金融建议。课程还包含使用 GPT-3.5 生成金融问答数据集进行蒸馏微调。外部服务包括 Alpaca、Qdrant、Comet ML、Beam 和 AWS，均有免费套餐。代码和视频完全免费，Medium 文章需付费。
Happy Oyster 是阿里巴巴推出的实时交互式 3D 世界模型，面向开放式世界创建与交互。用户可以通过文本、语音或图像来导演正在运行的世界，或以第一人称探索可无限延展的世界，并生成连贯的音频与视频。该模型强调多模态联合音视频生成，并在时间维度上保持物理一致性。