一个统一的LangGraph工作流框架,用于并行执行RAG和MCP方法,比较它们在问答系统中的性能。
安装状态
已补齐
工具数量
2
GitHub Stars
0
命令预览
pip install -r requirements.txt
一个统一的LangGraph工作流框架,用于并行执行RAG和MCP方法,比较它们在问答系统中的性能。
安装状态
已补齐
工具数量
2
GitHub Stars
0
命令预览
pip install -r requirements.txt
一款基于Google Gemini AI的快速轻量级研究工具,提供结构化研究报告生成、实时新闻获取、内容摘要及交互式问答功能。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
pip install -r requirements.txt
一个监督式的多代理问答系统,智能地将用户查询路由到SQL推理管道或文档(RAG)推理管道,并在整个过程中强制执行安全性、记忆和引用。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
python -m venv .venv
一个基于模型上下文协议(MCP)构建的检索增强生成(RAG)系统,用于存储、处理和搜索PDF文档。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
pip install -r requirements.txt
一个基于Google Agent Development Kit (ADK)开发的动物园导览助手,能够通过本地数据库和维基百科回答关于动物园动物的问题。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
python3 -m venv .venv
一个基于LangGraph构建的最小化问答代理系统,可在终端运行并作为iOS问答应用的后端引擎。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
pip install -e .
基于MCP协议的RAG服务器,提供文档管理、智能搜索和问答系统功能,适用于知识库管理和AI助手集成。
安装状态
已补齐
工具数量
6
GitHub Stars
0
命令预览
python rag_server.py
一个基于LangChain的代理服务,通过FastMCP服务器连接PostgreSQL和pgvector知识库,利用Gemini嵌入和向量搜索工具实现问答功能。
安装状态
已补齐
工具数量
0
GitHub Stars
0
命令预览
uv run python main.py --init # optional: create tables + sample docs
AI驱动的学术研究助手,支持跨arXiv、PubMed和Semantic Scholar搜索学术论文,提供摘要、综合和问答功能,可通过HTTP API和MCP集成使用。
安装状态
已补齐
工具数量
6
GitHub Stars
0
命令预览
pip install -r requirements.txt
一个通过MCP stdio协议提供人工介入的Web UI工具,用于响应LLM问题。
安装状态
已补齐
工具数量
1
GitHub Stars
0
命令预览
docker run --rm -it tejzpr/rishvan-mcp --source windsurf
一个多模态检索增强生成(RAG)系统,集成了FAISS向量数据库,提供Streamlit前端、FastAPI后端和MCP服务器集成,支持文档上传、问答和对话记忆功能。
安装状态
已补齐
工具数量
3
GitHub Stars
0
命令预览
python -m app.main