Möödunud lahing · 2026-05-26 UTC
MCP Servers Vastasseis — 26. mai 2026
Kategooriast MCP Servers. 99 märget pandud 5 võitleja kohta. onchain-mcp võttis krooni.
Lõppseis
Koosseis
Võitlejad
Iga selles lahingus võistelnud tööriista profiilid, järjestatud nende lõppskoori järgi.
Bankless Onchain MCP Server on raamistik ahelasisese andmega suhtlemiseks Bankless API kaudu. See rakendab Model Context Protocol (MCP) protokolli, mis võimaldab AI mudelitel juurde pääseda plokiahela oleku- ja sündmuste andmetele struktureeritud viisil. Server pakub erinevaid andmetöötlusi, sealhulgas lepingu oleku lugemist, sündmuste logide hankimist ja tehingute ajaloo otsimist. See teenus on suunatud arendajatele ja uurijatele, kes vajavad struktureeritud viisil plokiahela andmetega suhtlemist. See projekt ei ole enam värskendusi vastu võtnud ning selle hooldusstaatus võib mõjutada selle stabiilsust ja funktsioonide kättesaadavust.
Разбивка критериев
- Financial data retrieval from various bankless networks
- Structured data access for advanced analytics
- Integration with Bankless API
- Real-time access to transaction details and information
- Advanced event extraction and analysis
- Tailor-made smart contract development support
MarkItDown on kerge Pythoni utiliit erinevate failide Markdowniks teisendamiseks kasutamiseks LLM-ide ja sellega seotud tekstianalüüsi torustikega. See on kõige enam võrreldav textractiga, kuid keskendub olulise dokumendi struktuuri ja sisu säilitamisele Markdownina, sealhulgas pealkirjad, loendid, tabelid, lingid jne. Väljund on sageli mõistlikult esitatav ja inimesele sõbralik, kuid see on mõeldud tekstianalüüsi tööriistade tarbimiseks ja ei pruugi olla parim valik kõrge täpsusega dokumendi teisenduste jaoks inimeste tarbimiseks. MarkItDown toetab praegu teisendamist PDF-st, PowerPointist, Wordist, Exelist, piltidest (EXIF metaandmed ja OCR), audios (EXIF metaandmed ja kõne transkriptsioon), HTML-ist, tekstipõhistest vormingutest (CSV, JSON, XML), ZIP-failidest, YouTube URL-idest, EPubidest ja veel enam. Soovitame kasutada virtuaalset keskkonda, et vältida sõltuvuskonflikte. Python 3.10 või uuema versiooniga saate MarkItDowni installida pip abil: pip install 'markitdown[all]' või lähtekoodist: git clone git@github.com:microsoft/markitdown.git, seejärel pip install -e 'packages/markitdown[all]' MarkItDown kasutamine hõlmab käsurea kutsumist, kas määrates väljundfaili, edastades sisu või kasutades kitsamaid convert_* funktsioone konkreetsete kasutusjuhtude jaoks.
Разбивка критериев
- Kiides XML-, CSV- ja JSON-failide konvertimisega
- Video-, kuva- ja muu failide uuendamine
- Documenti analüüsisaadikud avaandmete automaatsed kogumist
- Avaleht- ja raamatukomplektide tööriisid
- Tagriigatest lihtsolutions andmeallika käivitamine
- Päringute ja sündmuste analüüsi, XML- ja CSV-failide andmekoguvõrgu kohta, vastavalt konverteerimise määratlusi ja struktuuri
mcp-clickhouse on ClickHouse MCP server, mis annab lubatud käske ClickHouse klasterile.
Разбивка критериев
- run_query SQL-päringute käivitamiseks ClickHouse klastris
- list_databases kõigi andmebaaside loetlemiseks ClickHouse klastris
- list_tables tabelite loetlemiseks andmebaasis koos lehekülgede jaotamisega
- run_chdb_select_query SQL-päringute käivitamiseks chDB sisseehitatud ClickHouse mootori abil
- Tervise Kontrolli Endpooint serveri jälgimiseks
- Mitmed autentimisrežiimid, sealhulgas OAuth ja OIDC läbi FastMCP
QA Sphere'i TMS-i MCP server on klient, mida kasutatakse suurte keelemudelite (LLM) integreerimiseks QA Sphere'iga (QSP), et tõhustada testimisskriptide loomise võimalusi. Pärast serveri konfigureerimist (üksikasjad on saadaval GitHubis) saavad LLM-id suhelda QA Sphere'i automatiseeritud testijuhtumitega. Kasutades MCP-d (Model Callback Protocol), võimaldab see arendajatel ja testijatel kiiresti luua AI-põhiseid testijuhtumeid, automatiseerida ülesandeid ja käivitada QAS Sphere'iga integreeritud testikomplekte. MCP-põhine lahendus on kasutajatoetatud, võimaldades automatiseerida laia valikut QA ülesandeid, sealhulgas testi-juhtumite avastamist ja käivitamist. Lisaks saate viidata suurtele keelemudelitele, automatiseerida ülesandeid ja käivitada testi komplekte, mis on integreeritud QA Sphere'i testijuhtimise süsteemiga.
Разбивка критериев
- MCP server Qüüsiülesande testi juhtimise süsteemi võrguressursiks
- Toetab suure liiki keelemodelite (LLM) interaktiivsust
- API-lugemine ja konfiguratsioon
- Ühistüüpeline mtc klientiga
- Compatiibelne on teistega MCP kliendiga
MemoryMesh on teadmiste graafiku server, mis on loodud AI mudelite jaoks, keskendudes tekstipõhistele RPG-mängudele ja interaktiivsele lugude jutustamisele. See aitab AI-l säilitada järjepidevat, struktureeritud mälu vestluste vahel, võimaldades rikkalikumaid ja dünaamilisemaid interaktsioone. Projekt põhineb MCP serverite hoidla Knowledge Graph Memory Serveril ja säilitab selle põhifunktsionaalsuse. MemoryMesh võimaldab kasutajatel luua ja hallata struktureeritud teavet AI mudelite jaoks. MemoryMesh on kohalik teadmiste graafiku server, mis sobib eriti hästi tekstipõhiste rollimängude jaoks, kuid mida saab kasutada ka sotsiaalvõrgustike simulatsioonideks, organisatsiooni planeerimiseks või muude struktureeritud andmeid nõudvate stsenaariumide jaoks. Peamised funktsioonid Dünaamilised skeemipõhised tööriistad: määratlege oma andmestruktuur skeemidega ja MemoryMesh genereerib automaatselt tööriistad andmete lisamiseks, värskendamiseks ja kustutamiseks. Intuiitne skeemide kujundamine: looge skeemid, mis juhivad AI-d sõlmede genereerimisel ja ühendamisel, kasutades nõutavaid välju, loetletud tüüpe ja seoste määratlusi. Metandmed AI juhendamiseks: kasutage metandmeid konteksti ja struktuuri pakkumiseks, aidates AI-l mõista teie andmete tähendust ja seoseid. Seoste käsitlemine: määratlege seosed oma skeemides, et julgustada AI-d looma ühendusi seotud andmepunktide vahel. Informatiivne tagasiside: Pakub tehisintellektile veateadist, võimaldades tal vigadest õppida ja teadmiste graafikuga suhtlemist parandada. Sündmuste tugi: Sündmuste süsteem jälgib toiminguid, pakkudes ülevaadet teadmiste graafiku muutmisest. Sõlmed esindavad üksusi või kontsepte teadmiste graafikus, igal neist on nimi, nodeType, metandmed ja kaal. Servad esindavad seoseid sõlmede vahel, igal serval on lähtekoht, sihtsõlm ja edgeType. Skeemid on MemoryMeshi süda ja määratlevad andmestruktuuri automaatselt genereeritud tööriistadega.
Разбивка критериев
- Dünaamilised skeemipõhised tööriistad
- Intuiitne skeemi kujundus
- Metaandmed AI juhendamiseks
- Suhete käsitlemine
- Informatiivne tagasiside
- Sündmuste tugi