搜索「Customer Service」的结果

ai.phano/intelligence

面向客户成功与客户经理团队的只读客户情报。

ai.pathbound/pathbound

面向 AI 智能体的客户上下文与运营层。

io.github.ThunderEagle/context-bridge

面向 AI 编码助手的 MCP 记忆服务器。Windows 服务、ONNX 嵌入、SQLite 向量检索。

com.setix/clearinghouse

面向 AI 代理的“成果即服务”商务：发现、雇佣并按凭证结算。已在 devnet 上线。

io.github.Evozim/tos-slayer

标记滥用条款的服务条款合同分析器。

io.github.opsconduit/jobber-mcp

客户自托管的只读 MCP 服务器，用于 Jobber 运维报表、OAuth 配置与 GraphQL 校验。

io.github.raresv/cardora-business-assistant

面向商家的 Cardora 忠诚度计划分析：客户加入、集章、奖励与趋势。

io.github.srotzin/hive-mcp-sla-monitor

监控 Hive Agent 集群的服务等级协议（SLA）达成情况。

io.github.pipeworx-io/noaa

NOAA Weather MCP——美国国家气象局预报与预警。

com.olyport/nws-alerts

来自美国国家气象局的有效天气警报与预警

io.github.MariusAure/needhuman-mcp

面向 AI 代理的真人服务（Human-as-a-Service）：委派需要真人完成的任务，并通过 API 获取结果。

io.github.Eronmmer/bloomfilter

让 AI 智能体能够搜索、注册和配置域名的服务。

io.github.sickn33/agentic-awesome-skills/azure-aks

Deploy and manage Azure Kubernetes Service clusters. Configure node pools, networking, and integrations. Use when running Kubernetes workloads on Azure.

io.github.hyperdxio/hyperdx/page-layout

使用 PageHeader 与 PageLayout 添加或更新应用页面头部与布局。在创建新页面、修复不一致的页头，或把 Service Map / Kubernetes / dashboard 页面迁移到共享布局时使用。

io.github.google/skills/gke-alert-configuration

使用 PromQL 与 Google Cloud Managed Service for Prometheus，通过 Terraform 为 Google Kubernetes Engine（GKE）集群、工作负载与服务配置告警策略。用于编写、分析、校验或部署以监控 GKE 服务延迟、流量、错误率（采用多窗口多燃烧率 SLO 告警）、内存饱和，以及 CrashLoopBackOff、Node NotReady 等集群健康状况的 Terraform 告警策略。不用于非 GKE 计算运行时，如无 GKE 的独立 Compute Engine VM 或独立 Cloud Run 服务。

io.github.docling-project/docling/docling

用 Docling 理解任意受支持格式文档的内容——PDF（原生数字或扫描件）、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、CSV、图片、音频与 XML——把它们统一转换为 DoclingDocument（Markdown 或结构化 JSON）。当你需要读取、解析、转换、提取或切分无法直接阅读的文档时使用，例如“这份 PDF 里有什么”“转成 markdown”“提取表格”“为 RAG 切块”“读这份扫描文档”“解析这个 DOCX/PPTX”。涵盖 docling CLI、Python SDK（DocumentConverter 与 PipelineOptions）、远程 Service Client（自托管或托管的 docling-serve），以及用于最小依赖体积的 docling-slim install extras。

io.github.bentoml/BentoML/bentoml-k8s-deploy

使用纯 kubectl manifest（不用 Helm、operator 或 BentoCloud/Yatai）将容器化的 BentoML 服务部署到 vanilla Kubernetes 集群。接收已推送的容器镜像（来自 bentoml-containerize 技能），探测 bento 的服务拓扑，为部署编写一份 `config.yml`，并据此为每个 BentoML 服务渲染一个 Deployment + Service（外加可选 HPA/Ingress），按依赖顺序应用，并用真实推理请求验证 rollout。当用户说“deploy my BentoML service to Kubernetes”“deploy this bento image to my cluster”“run my bento on k8s”“create k8s manifests for my bento”“split my bento services into separate pods”“expose my BentoML service in Kubernetes”等时使用。也可诊断失败的部署——“my BentoML pods are crashing”“ImagePullBackOff”“pod stuck Pending”“readiness probe failing”“rollout stuck”“can't reach my service on Kubernetes”“inference 4xx/5xx”。

io.github.google/skills/data-manager-api-audience-ingestion

引导开发者使用 Data Manager API 及其相关客户端库来管理（添加、移除与清空）面向 Google 产品的受众成员。当用户想上传受众成员、移除特定用户，或清空/替换整个受众（用于 Customer Match、移动设备 ID 受众或 Data Manager API 支持的其他受众用例）时使用。不用于上传事件或转化（用 data-manager-api-event-ingestion 技能）。

io.github.first-fluke/oh-my-agent/oma-backend

后端专家，负责 API、数据库与认证，遵循整洁架构（Repository/Service/Router 模式）。用于 API、端点、REST、数据库、服务器、迁移和认证相关工作。

io.github.first-fluke/oh-my-agent/oma-backend

后端专家，负责 API、数据库与认证，遵循整洁架构（Repository/Service/Router 模式）。用于 API、端点、REST、数据库、服务器、迁移和认证相关工作。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。