Explorar comunidad

- Permite la exploración de datos autónoma en conjuntos de datos basados ​​en .csv, proporcionando información inteligente con el mínimo esfuerzo.

- Este servidor Kaggle MCP hace que Kaggle sea más accesible al permitirle explorar competiciones, tablas de clasificación, modelos, conjuntos de datos y núcleos directamente dentro de MCP, lo que agiliza el descubrimiento para los científicos y desarrolladores de datos.

🪟 - Genere hermosos paneles HTML independientes a partir de archivos CSV/Excel con visualizaciones interactivas de ECharts, tema de degradado oscuro y tablas de datos ordenables.

📇 🪟 - Servidor MCP de inteligencia de decisiones con 19 algoritmos (bandidos, Monte Carlo, optimización de restricciones, pronóstico, detección de anomalías, análisis de riesgos, algoritmos gráficos), 28 herramientas MCP. Instalar a través de .

- Permite a los agentes consultar información local sobre dependencias en un proyecto Ruby.

🪟 - Servidor de gráficos sin dependencia que representa barras, líneas, circulares, dispersión y más desde JSON o CSV a SVG, HTML, PNG o URL de datos. Temas integrados; La salida PNG se muestra en línea en el chat. Instalar a través de .

🪟 - Protocolo de contexto modelo para R: permite a los agentes de IA participar en sesiones interactivas de R en vivo.

- conecta Jupyter Notebook con Claude AI, lo que le permite a Claude interactuar directamente con Jupyter Notebooks y controlarlos.

- La primera integración de NetworkX para Model Context Protocol, que permite el análisis y la visualización de gráficos directamente en conversaciones de IA. Admite 13 operaciones que incluyen algoritmos de centralidad, detección de comunidades, PageRank y visualización de gráficos.

📇 🪟 - Comparación de modelos LLM/VLM en tiempo real con puntos de referencia, precios y recomendaciones personalizadas de 5 fuentes de datos. No se requiere clave API.

🪟 - Herramientas por lotes deterministas para que los agentes de LLM dejen de adivinar las fechas y las matemáticas del próximo token. Instantánea enriquecida (18 campos), despachador de lotes (diff/until/since/add/weekday/business_days, análisis de lenguaje natural), evaluación de Python con matemáticas y estadísticas precargadas y conversión de unidades basada en pintas. Un cableado para fechas + matemáticas.

- Matemáticas herméticas para agentes: búsqueda de teoremas de 3,7 millones, ID constante de PSLQ, OEIS, verificaciones reales del kernel Lean, listas de verificación de aplicabilidad. No hay LLM adentro, no hay clave API.

🪟 - Vincule múltiples fuentes de datos (SQL, CSV, Parquet, etc.) y solicite a AI que analice los datos para obtener información y visualizaciones.

🪟 - Servidor MCP para Dingo: una herramienta integral de evaluación de la calidad de los datos. Servidor Permite la interacción con las capacidades de evaluación basadas en reglas y LLM de Dingo y con el listado de reglas y avisos.

📇 🪟 — Las herramientas para crear e interactuar con GrowthBook incluyen indicadores y experimentos.

- Un servidor MCP integral basado en Go para cálculos matemáticos, que implementa 13 herramientas matemáticas en aritmética básica, funciones avanzadas, análisis estadístico, conversiones de unidades y cálculos financieros.

- Prediga cualquier cosa con los agentes de predicción y pronóstico de Chronulus AI.

- Cree, lea, valide y guarde modelos de dinámica de sistemas Stella (archivos .stmx en formato XMILE) para simulación y modelado científicos.

🪟 - Archivos de datos tabulares de perfiles (CSV, TSV, Parquet, Excel, JSON) para agentes de LLM: descripción general del conjunto de datos de una sola llamada, estadísticas por columna, auditoría de la calidad de los datos (valores faltantes, duplicados, tipos mixtos, valores atípicos) y sugerencias de tipos de datos para ahorrar memoria. Pitón puro (pandas); los archivos se leen localmente y nada

🪟 - Análisis de texto local determinista: sentimiento, puntuación de legibilidad, extracción de palabras clave, similitud de texto, resumen y detección de idioma en 18 idiomas. Python puro, cero dependencias pesadas, rueda de 42 KB. Instalar: .

🪟 - Detección de anomalías basada en la física mediante MCP. Utiliza ecuaciones de ondas de Klein-Gordon en GPU para detectar anomalías con alta precisión (promedio 0,90). 9 herramientas: escaneo, huella digital, comparación, riesgo de token, creación de perfiles de billetera, verificación de volumen, detección de manipulación de precios.

- Compara estructuras de datos de filtro aproximadas (Bloom, Counting Bloom, Cuckoo, SuRF) a través de MCP

- Servidor Model Context Protocol (MCP) para Jupyter.

🪟 - Cree, administre y automatice proyectos, tareas y predicciones de Label Studio para flujos de trabajo de etiquetado de datos.