最终排名
阵容
参赛工具
参加这场对决的每个工具的简介,按最终得分排序。
Bankless Onchain MCP Server 是一个通过 Bankless API 与链上数据交互的框架。它实现了 Model Context Protocol（MCP），使 AI 模型能够以结构化的方式访问区块链状态和事件数据。该服务器提供多种数据操作，包括合约状态读取、事件日志获取以及交易历史检索，满足需要以结构化方式交互链上数据的开发者和研究人员。 该项目已不再收到更新，其维护状态可能会影响其稳定性和功能可用性。
标准细分
- 合约操作 (读取智能合约状态，获取代理，获取 ABI，获取源码)
- 事件操作 (获取事件，构建事件主题)
- 交易操作 (获取交易历史，获取交易信息)
MarkItDown 是一款轻量级的 Python 工具，用于将各种文件转换为 Markdown，供 LLMs 及相关文本分析流程使用。它最类似于 textract，但专注于在保留重要文档结构和内容（如标题、列表、表格、链接等）时生成 Markdown。输出通常相当可读且人类友好，但主要面向文本分析工具，可能不适合用于需要高保真人类阅读的文档转换。 MarkItDown 目前支持从 PDF、PowerPoint、Word、Excel、图像（EXIF 元数据与 OCR）、音频（EXIF 元数据与语音转录）、HTML、基于文本的格式（CSV、JSON、XML）、ZIP 文件、YouTube 链接、EPub 等进行转换。 建议使用虚拟环境以避免依赖冲突。使用 Python 3.10 或更高版本，您可以通过 pip 安装 MarkItDown：pip install 'markitdown[all]'，或从源代码安装：git clone git@github.com:microsoft/markitdown.git，然后执行 pip install -e 'packages/markitdown[all]'。 MarkItDown 的使用方式涉及命令行调用，可以通过指定输出文件、管道内容，或者针对特定用例使用最精确的 convert_* 函数。
标准细分
- 手机嵌律终切换PDF事一：带少分級模模一：模模丁，模模模
- 正延可代pdf事室为图球。连接图叴。
- 可代为台佩语析。叏之置代事室一。
- 気小图事室些台劧市。可切剅度。
- 定义快组给娸。
- 正延可代zip文字：切到存往带少分
mcp-clickhouse MCP 服务是ClickHouse的MCP 服务。它包含ClickHouse的相关工具，包括 run_query 执行 ClickHouse 集群上的 SQL 查询、list_databases列出ClickHouse集群中的所有数据库 、和 list_tables 列表包含分页的数据库表，以及 chDB 工具，如 run_chdb_select_query执行 SQL 查询使用 chDB 的内嵌 ClickHouse 引擎。还提供一个健康检查端点来检查服务器的健康状况以及安全机制来进行身份验证。该服务器可以设置为内部服务、局部开发或通过FastMCP与OAuth / OIDC身份验证提供商配合使用。
标准细分
- run_query 执行 ClickHouse 集群上的 SQL 查询
- list_databases 列出 ClickHouse集群中的所有数据库
- list_tables 列表包含分页的数据库表
- run_chdb_select_query 执行 SQL 查询使用 chDB 的内嵌 ClickHouse 引擎
- 健康检查端点用于服务器监控
- 支持多个身份验证模式，包括OAuth与OIDC通过FastMCP
MCP Server for QA Sphere TMS 是一个客户端，用于将 LLM 与 QA Sphere（QSP）集成，以提升测试脚本创建能力。 在服务器配置完成后（详细信息可在 GitHub 上查看），LLM 可以与 QA Sphere 的自动化测试用例交互。通过使用 MCP（Model Callback Protocol），它使开发者和测试人员能够快速创建基于 AI 的测试用例、自动化任务，并运行与 QAS Sphere 集成的测试套件。 MCP 基础的解决方案由用户支持，能够实现多种 QA 任务的自动化，包括测试用例的发现与执行。此外，您可以引用大型语言模型、自动化任务，并在与 QA Sphere Test Management System 集成的测试套件中运行。
标准细分
- MCP 服务器用于 QA Sphere 测试管理系统
- 支持大语言模型（LLMs）交互
- API 访问和配置
- 兼容所有 MCP 客户端
MemoryMesh 是一款为 AI 模型设计的知识图谱服务器，专注于文字 RPG 和交互式叙事。它帮助 AI 在多次对话中保持一致、结构化的记忆，支持更丰富、更动态的交互。该项目基于 MCP 服务器仓库中的 Knowledge Graph Memory Server，并保留了其核心功能。MemoryMesh 赋能用户构建和管理 AI 模型的结构化信息。 MemoryMesh 是一个本地知识图谱服务器，特别适用于文本驱动的 RPG，但也可用于社交网络模拟、组织规划或任何涉及结构化数据的场景。 关键特性：动态基于 Schema 的工具——使用 Schema 定义数据结构，MemoryMesh 会自动生成用于添加、更新和删除数据的工具。直观的 Schema 设计——创建引导 AI 生成并连接节点的 Schema，使用必填字段、枚举类型和关系定义。用于 AI 指导的元数据——利用元数据提供上下文与结构，帮助 AI 理解数据的意义与内在关系。关系处理——在 Schema 中定义关系，鼓励 AI 在相关数据点之间创建连接。 信息反馈：为 AI 提供错误反馈，使其能够从错误中学习并改进与知识图谱的交互。事件支持：事件系统跟踪操作，提供关于知识图谱如何被修改的洞察。 节点代表知识图谱中的实体或概念，每个节点都有名称、nodeType、metadata 和 weight。边表示节点之间的关系，每条边都有源节点、目标节点和 edgeType。Schema 是 MemoryMesh 的核心，定义了带有自动生成工具的数据结构。
标准细分
- 动态模式-基于工具
- 直观的模式设计
- 元数据为 AI 指导
- 关系处理
- 可获得的反馈
- 事件支持