mcpdotnet

模型上下文协议 (MCP) 的 .NET 实现

MCP .NET

工具介绍

功能亮点:严格遵循 MCP 协议标准,提供客户端/服务器双向通信(Stdio/SSE),内置详细的日志追踪机制9。

示例场景:连接本地命令行工具或 Shell 脚本,实现 LLM 对本地资源的调用(如文件操作)9。

兼容性:仅支持 .NET 8.0+,适合新项目迁移。

相关工具

NONE

Crawlee

免费 国外
爬虫
一个网络抓取和浏览器自动化库,供 Node.js 构建可靠的爬虫。在 JavaScript 和 TypeScript 中。提取 AI、LLM、RAG 或 GPT 的数据。从网站下载 HTML、PDF、JPG、PNG 和其他文件。适用于 Puppeteer、Playwright、Cheerio、JSDOM 和原始 HTTP。有头和无头模式。具有代理轮换功能。
NONE

code-server

免费 国外
浏览器中的 VS Code
NONE

it-tools

免费 国外
为开发人员提供的方便的在线工具集合,具有出色的用户体验。
NONE

full-stack-fastapi-template

免费 国外
fastapi Python 全栈 模板
全栈、现代 Web 应用程序模板。使用 FastAPI、React、SQLModel、PostgreSQL、Docker、GitHub Actions、自动 HTTPS 等
NONE

FluxPanel

免费 国内
vue3 ElementUI Python FastApi
FluxPanel基于FastApi+SqlAlchemy+Vue3开发的管理系统,易于拓展,支持代码一键生成
Wot UI

Wot UI

免费 国内
uni-app vue3 typescript
高颜值、轻量化的uni-app组件库。基于Vue3+TS开发,提供70+高质量组件,支持暗黑模式、国际化和自定义主题。
NONE

RAGFlow

免费 国外
RAGFlow是一个基于深度文档理解的开源检索增强生成(RAG)引擎。当与大型语言模型(LLM)集成时,它能够提供真实的问题回答能力,并基于来自各种复杂格式数据的充分引用来支持其回答。
NONE

Galacean Engine

免费 国内
Web 3D
Galacean Engine 是一套 Web 为先、移动优先、开源共建的实时互动解决方案,采用组件化架构并用 Typescript 编写。它包含渲染、物理、动画、交互、XR等功能,并提供了具备完善工作流的可视化在线编辑器,帮助你在浏览器上创作绚丽的 2D/3D 互动应用.
NONE

Leafer

免费 国内
Typescript Canvas
一款革新、好用的 Canvas 引擎, 轻松实现专业图形编辑。适用于图形编辑、小游戏、互动应用、组态软件、生成图片与短视频等场景
NONE

MoviePy

免费 国外
视频处理 python
基于FFmpeg的视频剪辑/合成库,支持特效添加、格式转换、GIF生成
NONE

LLMs-from-scratch

免费 国外
PyTorch LLM ChatGPT
用PyTorch从零开始逐步实现类似ChatGPT的大语言模型(LLM)
Abp Vnext

Abp Vnext

免费 国外
.netcore .net
ABP 提供创建业务的基础设施和工具 使用最佳实践和现代软件架构的解决方案。 不要重复自己, 专注于您的业务并享受编码。
NONE

MCPSharp

免费 国外
MCP .NET
MCPSharp 是一个 .NET 库,可帮助您构建模型上下文协议 (MCP) 服务器和客户端 - AI 助手和模型使用的标准化 API 协议。
JVS 规则引擎

JVS 规则引擎

免费 国内
规则引擎 Vue ElementUI
JVS规则引擎是可以直接使用的企业级规则引擎,自动化与智能化并行。Java语言开发,前端VUE+ElementUI,提供私有化部署,支持提供全量源码、二次开发、定制、可集成。
Ollama

Ollama

免费 国外
部署工具
Ollama是一款开源的本地大模型部署工具,致力于让用户在消费级设备上轻松运行大型语言模型
flowgram.ai

flowgram.ai

免费 国内
工作流
FlowGram.ai:一款字节跳动开源的节点式工作流可视化引擎
NONE

FinML:用于动态选股的实用机器学习框架

免费 国外
AI金融
股票推荐对投资公司和投资者至关重要。然而,没有单一的选股策略会永远赢,而分析师可能没有足够的时间去检查所有标准普尔500股票(标准普尔500)。在本文中,我们提出了一个实用的方案,使用机器学习推荐标准普尔 500 指数的股票。我们的基本理念是动态购买并持有前 20% 的股票。首先,我们选择具有良好解释力的代表性股票指标。其次,我们采用五种常用的机器学习方法,包括线性回归、岭回归、逐步回归、随机森林和广义提升回归,在滚动窗口中对股票指标和季度对数回报进行建模。第三,我们选择每个时期均方误差最低的模型对股票进行排名。最后,我们通过执行等权重、均值方差和最小方差等投资组合分配方法来测试选定的股票。我们的实证结果表明,在夏普比率和累积回报方面,拟议的方案在标准普尔 500 指数上优于仅做多策略。
NONE

stockpredictionai

免费
AI金融
预测股票价格走势的完整过程笔记本

升级到专业版

解锁更多高级功能,提升工作效率

广告位

300 x 250