"LLM工具扩展"标签的搜索结果

提供一组基于Model Context Protocol (MCP) 的独立工具服务，包括网页搜索、趋势分析、情感识别、日程管理、媒体查询等，用于增强大型语言模型 (LLM) 应用的功能和上下文感知能力。

这是一个Java项目，包含一个可嵌入的MCP服务器实现，用于向LLM客户端提供标准化的工具调用和上下文信息。

允许Python应用内嵌MCP工具服务器，为Claude Code提供高性能、易集成的自定义工具，扩展LLM功能。

基于MCP协议，实现动态工具分组与注册，提供Java方法作为LLM可调用的同步/异步工具服务。

WeMake AI提供一套生产就绪的企业级MCP服务器，为LLM安全提供多样化认知与操作能力，满足GDPR合规。

赋能 Gemini CLI，快速部署并管理自定义 MCP 服务器，实现 LLM 智能体与企业数据源及工具的自然语言交互。

基于MCP协议的后端服务，为LLM客户端提供标准化的实时天气查询工具。

一个功能丰富的MCP服务器集合，提供文件系统操作、Jupyter交互、GitHub项目管理、网页内容转换以及Roo任务状态管理等多种后端服务，以标准化方式向LLM客户端提供上下文和功能。

提供数学计算和天气查询功能的MCP服务器实现，供LLM客户端调用。

基于Ollama/Gemini大模型的MCP客户端应用，集成了工具调用能力，并提供了可扩展功能的示例MCP服务器。

MCP Hub Server作为中心服务器，连接并管理多个MCP服务器，扩展LLM可访问的工具集，突破工具数量限制。

基于MCP协议的DeepSeek Agent服务器，提供天气查询、Shell命令执行和时间查询等工具，支持与LLM客户端进行交互。

通过模型上下文协议(MCP)扩展LLM能力的工具包，集成多种实用工具，赋能LLM连接外部世界。

基于Model Context Protocol的服务器端模版，提供IP地址查询工具和资源，方便LLM应用集成外部功能。

该仓库实现了一个基于SSH协议的MCP服务器，允许LLM客户端通过安全的SSH连接执行远程命令和管理文件，扩展LLM与外部系统的交互能力。

本仓库提供了一个中文Model Context Protocol (MCP) 服务器的入门指南，包含可运行的代码示例，帮助开发者快速理解和构建基于MCP协议的LLM应用后端，重点介绍了工具(Tools)的开发和使用。

该仓库提供了一系列基于Model Context Protocol (MCP) 的服务器参考实现，旨在帮助开发者快速构建LLM应用后端的上下文服务，涵盖文件系统、代码仓库、云服务、数据库等多种外部资源和工具的集成。

动态创建工具的MCP服务器，允许LLM客户端通过自然语言描述创建和使用新工具。

Modal MCP Toolbox是一个MCP服务器实现，通过Modal云平台提供Python代码执行和图像生成工具，扩展LLM应用的功能。