AI и машинное обучение

MCP-серверы в категории «AI и машинное обучение». Основные сценарии: модели машинного обучения, датасеты, инференс и AI-пайплайны. Сравните исходные проекты, варианты подключения, транспорт, лицензии и активность разработки.

Найдено: 264 MCP-серверов· стр. 16 из 22

Apple RAG MCP

Apple RAG MCP

BingoWon

11810

Разработчикам под экосистему Apple нужна точная и актуальная документация. Обычный поиск по сайту разработчика часто выдаёт нерелевантные страницы, если запрос сформулирован не дословно. Приходится перебирать десятки страниц, чтобы найти ответ. Apple RAG MCP решает эту проблему принципиально иначе. Сервер использует семантический поиск, RAG (Retrieval-Augmented Generation) и AI-реранжирование. Он понимает смысл вопроса, а не просто ищет совпадения слов. На запрос «Как избежать утечек памяти в SwiftUI?» ассистент получит не общие страницы про память, а конкретные статьи Apple об управлении памятью, захвате замыканий и слабых ссылках. База знаний уже включает полную документацию Apple Developer, справочники по всем фреймворкам и расшифровки сессий WWDC. Вам не нужно ничего настраивать, скачивать индексы или разбираться в эмбеддингах. Просто подключили сервер к любому MCP-клиенту — и начали работать.

Проверка источника ожидается
TypeScriptstreamable-http
MCP Image

MCP Image

shinpr

11619

Это MCP-сервер для генерации и редактирования изображений через ИИ-ассистентов. Вы просто описываете, что хотите увидеть, — сервер сам превращает ваши слова в готовый результат. Вам не нужно разбираться в промпт-инжиниринге или тонкостях работы нейросетей. Главное отличие сервера — встроенный оптимизатор промптов. Он работает по фреймворку Subject–Context–Style. Сервер проверяет ваш запрос на полноту: есть ли в нём объект съёмки, окружение, стиль и композиция. Если чего-то не хватает, он добавляет детали — характеристики объекта, освещение, цвета, ракурс. При этом оптимизатор не искажает вашу задумку. Если запрос уже детальный, он оставляет его почти без изменений. Сервер работает поверх Google Gemini (модели Nano Banana 2 и Nano Banana Pro) или OpenAI GPT Image. Выбор провайдера настраивается одной переменной окружения. Инструмент подходит разработчикам, дизайнерам и контент-менеджерам. Вместо того чтобы вручную генерировать картинки через сайты нейросетей, вы можете создавать их прямо в привычном инструменте — Claude, Cursor или Codex.

Проверка источника ожидается
TypeScriptstdio
Evalview MCP

Evalview MCP

hidai25

11220

EvalView — MCP-сервер для регрессионного тестирования AI-агентов. Он решает проблему скрытых регрессий: агент может вернуть HTTP 200, но вести себя неправильно — выбрать другой инструмент, пропустить обязательный шаг уточнения или выдать результат хуже по качеству. Обычные end-to-end тесты не замечают такого дрифта. EvalView записывает эталонное поведение агента («золотой эталон») и при каждом новом запуске сравнивает с ним выбор инструментов, цепочки вызовов и метаданные. Пример из жизни: вы обновили модель с GPT-4 на GPT-4o. Код не менялся, health check проходит. Но агент начал использовать вместо инструмента «Поиск» инструмент «Генерация ответа» — пользователь получает неактуальные данные. EvalView обнаружит это изменение, классифицирует как дрифт провайдера и покажет оценку уверенности. Если режим исцеления настроен, сервер может автоматически повторить вызов с другим промптом или направить разработчику. Сервер подходит для команд любого размера — от соло-разработчиков до стартапов. Он интегрируется с CI/CD, поддерживает LangGraph, CrewAI, OpenAI и Claude. Код открыт под лицензией Apache-2.0.

Проверка источника ожидается
Pythonstdio
ProofFlow

ProofFlow

Hyperion-GPU

1108

ProofFlow — инфраструктура аудита для AI-агентов, которые пишут код. Система записывает все действия агента: от постановки задачи до финального результата. Вместо слепого доверия к коду, сгенерированному нейросетью, вы получаете полный «журнал работ» (Agent Work Ledger). Каждое изменение кода, каждый вывод и затраченный токен фиксируются. Это не просто ревьюер PR. Это локальный журнал для работы AI-агента, который фиксирует контекст до, во время и после изменений кода. ProofFlow работает по принципу «сначала контракт» (contract-first): вы описываете задачу и критерии приёмки, агент выполняет работу, а сервер верифицирует результат и упаковывает его в пакет доказательств (Proof Packet). Решение подходит командам, которые внедряют AI-кодинг без потери контроля над качеством и безопасностью. Каждый пакет можно прикрепить к PR или Code Review комментарию, чтобы человек мог быстро проверить логику, не гадая, что произошло.

Проверка источника ожидается
Pythonstdio
AAI Gateway

AAI Gateway

gybob

1045

AAI Gateway — это шлюз для управления возможностями AI-агентов. Он объединяет MCP-серверы и пакеты навыков в единую систему — Agent Apps. Основная задача — избавить разработчика от трёх проблем: раздувания контекста, сложного поиска инструментов и дублирования настроек для разных агентов. Вместо того чтобы вручную искать MCP на GitHub, читать README и копировать JSON-конфиги, можно просто попросить AI-ассистента найти и установить нужное. Поиск работает через естественный язык. Всё, что импортировано один раз, становится доступно всем AI-агентам сразу: Claude, Codex, OpenCode и другим. Экономия токенов достигается за счёт архитектуры: вместо полных схем всех инструментов (в среднем 7500 токенов на 10 MCP) в контекст передаётся краткое описание Agent App (менее 50 токенов). Полные данные подгружаются по запросу, когда агент решает использовать конкретный инструмент. Это даёт заявленную экономию в 99%.

Проверка источника ожидается
TypeScriptstdio