AI 销售引擎
v1.0.0
MCP ServerMCP Registry
nz.phos/sales-engine
AI 销售——潜在客户挖掘、ICP 评分、外联内容生成。
streamable-httpregistry 收录
“Multi Engine” 共 1,454 个结果
v1.0.0
nz.phos/sales-engine
AI 销售——潜在客户挖掘、ICP 评分、外联内容生成。
v1.0.0
nz.phos/analytics-engine
AI 分析——销售分析、机器学习预测、客户细分。
v1.0.0
nz.phos/marketing-engine
AI 营销——内容生成、竞品分析、社交平台发布。
v1.0.1
io.github.ExpertVagabond/volcengine
字节跳动火山引擎（豆包 Doubao）MCP 服务器。
v0.2.7
io.github.eaisdevelopment/mcp-multi-edit
Essential AI Solutions（essentialai.uk）出品的原子化多文件查找替换
v1.0.3
io.github.agentc22/x402engine-mcp
面向 AI 智能体的 50 多个按次计费 API——图片、LLM、代码、加密货币、旅行等，通过 x402 结算。
v1.0.2
io.github.BerriAI/litellm-mcp
一个 API 接入 100 多个 LLM：GPT-4、Claude、Gemini、Mistral 等。
v0.2.1
io.github.adelpro/quran-search-engine-mcp
面向 AI 工具的古兰经搜索引擎 MCP，提供古兰经检索、阿拉伯语规范化与结果高亮。
v0.1.1
io.github.religa/multi-mcp
多模型 AI 编排 MCP 服务器，内置代码审查、对比与辩论工具。
v0.1.3
io.github.eghuzefa/engineer-your-data
面向数据工程的 MCP 服务器：校验、转换、可视化与 API。
skillsmp.stas00-ml-engineering-skill-md
端到端训练与运维大规模 LLM/VLM/多模态模型的实战方法论与具体配方——选择并基准测试加速器、存储与网络；SLURM/Kubernetes 编排；最大化训练吞吐并在显存内装下模型；诊断并撑过训练不稳定、NaN/Inf 与硬件/作业故障；检查点与容错；推理性能与显存；调试多节点/多卡挂起；以及编写/运行测试。当用户在训练或微调大模型、遭遇低 TFLOPS/MFU、OOM、数据加载缓慢、损失尖峰/发散、NCCL/InfiniBand 或多节点挂起、节点/GPU 故障、检查点或抢占问题、存储/网络瓶颈，或需要挑选 GPU/云/文件系统，或估算推理延迟/吞吐时使用。提炼自《Machine Learning Engineering》，最新版本见 https://github.com/stas00/ml-engineering。
io.github.PostHog/posthog/turning-engineering-analytics-into-insights
把工程分析（PR / CI）数据转化为已保存的 PostHog insight、仪表盘与订阅，并说明如何用 SQL 直接查询产品数据。涵盖经 engineering-analytics-sources 发现按团队的 GitHub 仓库表、在 HogQL 中复刻精心的列语义、在涉及产品逻辑时读取暴露的 engineering_analytics_* 仓库视图（CI 成本、指纹化失败行、提交归属）、用 insight-create 保存查询，以及用 subscriptions-create 安排投递。当被要求“把这个存成 insight”“把 CI 健康度/合并时长做成仪表盘”“每周给我邮件发 PR 吞吐量”“画 CI 成本图”“跟踪首次评审时长”“订阅这些数字”“对 CI 成功率告警”或询问“工程分析读取哪些数据/表/视图”时使用。临时性 CI 与合并问题用 diagnosing-ci-and-merge-bottlenecks；调查某个具体 CI 失败用 investigating-ci-failures。
io.github.addyosmani/agent-skills/frontend-ui-engineering
构建生产级、可访问、响应式的用户界面。在构建或修改界面与页面、创建组件、实现布局、满足 WCAG 可访问性要求、管理状态时使用，或当产出需要达到生产质感而非 AI 生成感时使用。
io.github.affaan-m/ECC/ai-first-engineering
适用于 AI 代理产出大部分实现成果的团队的工程运营模型。在为大量由代理编写的代码库设定团队流程、评审门槛或归属规则时使用。
io.github.affaan-m/ECC/agentic-engineering
以 Agentic 工程师的方式开展工作：评测优先执行、任务拆解与成本感知的模型路由。当需要规划或执行交由 Agent 端到端完成的工程工作时使用。
io.github.affaan-m/ECC/council-multi-model
在既有 council 已产出决策草稿之后，追加一次可选的外部 Codex 批评。适用于含糊、影响重大、值得由另一次模型调用来尝试打破现有综合结论的决策。把精简后的草稿与分歧发给 OpenAI 前需要明确同意，对同一提供商的评审如实标注，适配器不可用时把评审标记为缺席。
io.github.Jeffallan/claude-skills/devops-engineer
编写 Dockerfile、配置 CI/CD 流水线、撰写 Kubernetes manifest，并生成 Terraform/Pulumi 基础设施模板。处理部署自动化、GitOps 配置、事故响应 runbook 与内部开发平台工具。在搭建 CI/CD 流水线、应用容器化、管理基础设施即代码、部署到 Kubernetes 集群、配置云平台、自动化发布或响应生产事故时使用。涉及流水线、Docker、Kubernetes、GitOps、Terraform、GitHub Actions、值班响应或平台工程时调用。
io.github.alirezarezvani/claude-skills/senior-ml-engineer
面向将模型产品化的 ML 工程技能，涵盖 MLOps 流水线构建与 LLM 集成。包括模型部署、特征存储、漂移监控、RAG 系统与成本优化。当用户询问向生产部署 ML 模型、搭建 MLOps 基础设施（MLflow、Kubeflow、Kubernetes、Docker）、监控模型性能或漂移、构建 RAG 流水线，或集成带重试逻辑与成本控制的 LLM API 时使用。聚焦生产与运维，而非模型研究或初始训练。
io.github.mukul975/Anthropic-Cybersecurity-Skills/reverse-engineering-android-malware-with-jadx
使用 JADX 反编译器逆向恶意 Android APK：阅读 Java/Kotlin 源码、检查清单权限、receiver、service 与本地库，识别数据窃取、C2 通信、提权或覆盖层攻击行为。适用于分析疑似 Android 银行木马、间谍软件、短信窃取器或其他被标记的 APK，或一般性的移动恶意软件与 Android 威胁调查。
io.github.bytedance/deer-flow/engineer-system-change
从第一性原理评估并执行非平凡的软件系统变更。用于评估 RFC、issue、设计、功能、重构、依赖变更，以及所提字段、事件、API、模块与服务的必要性、消费者、系统适配、验证、回滚需要推敲的场景。阅读真实系统，识别具体问题与具名语义消费者，选择最小充分方案，拒绝伪需求与投机性抽象，并要求与风险相称的证据。不用于机械式编辑、源码讲解，或对已完成 diff 的专项审查。
io.github.sickn33/antigravity-awesome-skills/frontend-ui-engineering
构建生产级 UI。在创建或修改用户界面、构建组件、实现布局、管理状态时使用，或当产出需要真正达到生产质量而非 AI 生成感时使用。
io.github.alirezarezvani/claude-skills/chaos-engineering
用于规划、执行或从混沌工程实验中学习。触发词包括「chaos experiment」「fault injection」「gameday」「resilience test」「blast radius」「steady state」「abort criteria」「Chaos Toolkit」「Chaos Mesh」「Litmus」「Gremlin」「AWS FIS」，或任何刻意故障注入的问题。附带实验设计器、爆炸半径计算器与复盘生成器（均为 stdlib Python）、4 份关于混沌原则+实验设计+攻击分类法+工具生态的参考文档，以及 /chaos-experiment 斜杠命令。可与 feature-flags-architect（将 kill switch 作为中止触发器）及 kubernetes-operator（常见混沌目标）组合。
io.github.iamasters-academy/iamasters-os/automation-loop-engine
循环工程（Loop Engineering）引擎。把重复劳动变成系统：一次设计、多次执行，带校验、人工关卡与经验沉淀（REGLAS.md）。三种功能：(1) 安装 —— 首次使用时通过 5 个问题访谈，按各用户的业务、工具与边界定制本技能；(2) 雷达 —— 察觉某项任务正在变成长期循环，并询问「我们是把它设计成系统，还是先直接跑一次？」；(3) 工厂 —— 设计循环（9 格画布）、触发、运行与评估。只要用户说 "loop"、"sistematiza esto"（把这个体系化）、"automatiza este proceso"（自动化这个流程）、"línea de producción"（流水线）、"todas las semanas"（每周都）、"para cada cliente"（每个客户都要）、"hazlo en lote"（批量做）、"diseña el sistema"（设计这个系统）、"diseña el loop"（设计这个循环）、"monta el sistema de"（搭起……的系统）、"deja de hacerlo a mano"（别再手工做）、"loop engineering"、"convierte esto en un sistema"（把这变成系统）、"configura la skill de loops"（配置循环技能），或要求重复本次会话中已做过 2 次以上的任务时，一律使用。第 3 次重复同一任务时主动进入雷达模式（原文截断于 "con estru"）。
io.github.alirezarezvani/claude-skills/engineering-skills
工程团队技能包的索引，支持 Claude Code、Codex、Gemini CLI、Cursor、OpenClaw 及另外 6 种工具。涵盖架构、前端、后端、QA、DevOps、安全、AI/ML、数据工程、Playwright、Stripe、AWS、MS365（仅 stdlib Python 工具）。用于浏览或选择工程团队角色技能——只加载所需的单个专家 SKILL.md，切勿批量加载整个技能包。