Loading...
Loading...
共找到 97 个 Skills
用于指导开发者使用Python或Node/TypeScript构建高质量MCP（模型上下文协议）服务器，以集成外部API/服务的指南。
使用FastMCP在Python中构建MCP服务器，向LLM暴露工具、资源和提示词。支持存储后端、中间件、OAuth代理、OpenAPI集成以及FastMCP Cloud部署。可预防30+种常见错误。 适用场景：创建MCP服务器，或排查模块级服务器、存储、生命周期、中间件、OAuth、后台任务或FastAPI挂载相关错误。
使用Cartesia Line SDK构建语音Agent。通过LiteLLM支持100+家LLM提供商，具备工具调用、多Agent交接和实时中断处理功能。
当用户要求「构建MCP服务器」「创建MCP工具」「使用MCP暴露资源」「编写MCP客户端」，或者需要Model Context Protocol Python SDK的最佳实践、传输方式、服务器原语、LLM上下文集成相关指导时，应当使用本技能。
当您在生物信息学、化学信息学、基因组学、结构生物学、蛋白质组学和药物发现领域使用科研工具与工作流时，可使用本Skill。本Skill提供对600+科研工具的访问权限，包括机器学习模型、数据集、API和分析包。适用于以下场景：搜索科研工具、执行计算生物学工作流、构建多步骤研究管线、访问OpenTargets/PubChem/UniProt/PDB/ChEMBL等数据库、为研究任务寻找合适工具，或是将科研计算资源集成到LLM工作流中。
使用NobodyWho及其他Godot原生方案将本地LLM集成到Godot游戏中，适用于提及以下关键词的场景：godot llm、nobodywho、godot ai npc、gdscript llm、godot local llm、godot chatgpt、godot 4 ai、godot、llm、nobodywho、gdscript、game-ai、npc、local-llm
使用agentstack-sdk服务器包装器将现有Python Agent封装为Agent Stack服务，无需修改业务逻辑。
TensorLake SDK 用于构建智能体工作流、沙箱化代码执行以及文档解析/提取。当用户提及TensorLake，或询问TensorLake的API/文档/功能时使用。此外，当用户构建需要无服务器工作流编排（并行map/reduce DAG）、LLM生成代码的沙箱化执行，或从PDF/图片中进行文档解析、结构化提取与OCR的AI Agent或智能体应用时，也可使用该SDK。它可作为基础设施层与任意LLM提供商（OpenAI、Anthropic）、智能体框架（LangChain、CrewAI、LlamaIndex）、数据库或API配合使用。
当你在Python中使用FastMCP构建MCP（Model Context Protocol，模型上下文协议）服务器时，可使用本技能。FastMCP是一个框架，用于创建向Claude等大语言模型（LLM）暴露工具、资源和提示词的服务器。本技能涵盖服务器创建、工具/资源定义、存储后端（内存/磁盘/Redis/DynamoDB）、服务器生命周期、中间件系统（8种内置类型）、服务器组合（导入/挂载）、OAuth代理、认证模式、图标、OpenAPI集成、客户端配置、云部署（FastMCP Cloud）、错误处理和生产模式。它能预防25+种常见错误，包括存储配置错误、生命周期问题、中间件顺序错误、循环导入、模块级服务器问题、async/await混淆、OAuth安全漏洞和云部署失败。本技能还包含基础服务器、存储后端、中间件、服务器组合、OAuth代理、API集成、测试和独立生产架构的模板。
使用ElevenLabs构建语音AI Agent。适用于创建语音助手、客服机器人、交互式语音角色或任何实时语音对话场景。
Model Context Protocol（MCP）专家，负责构建MCP服务器、工具、资源及客户端集成。当提及“mcp server、model context protocol、claude code extension、building ai tools、tool definition、mcp transport、stdio transport、sse transport、resource provider、prompt template、mcp、model-context-protocol、claude-code、ai-tools、llm-integration、anthropic、server、protocol”这些关键词时，可使用此技能。
适用于以下场景：部署ML模型、MLOps、模型服务、特征存储、模型监控，或询问PyTorch部署、TensorFlow生产环境部署、RAG系统、LLM集成、ML基础设施相关问题