TradeSearcher 策略检索
v0.1.1
ai.tradesearcher/mcp-server
从 Claude Code、Cursor、Codex 等智能体检索 TradeSearcher 的策略与回测。
“Social Search” 共 4,773 个结果
v0.1.1
ai.tradesearcher/mcp-server
从 Claude Code、Cursor、Codex 等智能体检索 TradeSearcher 的策略与回测。
v0.1.7
io.github.trakkr-aisearch/openai-ads-mcp
OpenAI Ads MCP,用于 ChatGPT 广告的推广活动、素材、受众、洞察与转化数据。
v1.5.2
one.socialai/website-mcp
Build, edit, stock, and publish Social AI websites and storefronts via AI chat.
v1.0.2
ai.searchshop/apostleman
检索、对比并购买 Apostle 男士护肤品:有色保湿乳、洁面乳与套装。
v1.0.0
ai.searchshop.www/la-luer
检索、比较并购买 La Luer 微电流美容仪及护肤产品。
v0.1.0
com.jeeva-jyotish/reference-search
有出处可查的吠陀占星(Jyotish)解答:影响、因素与瑜伽,均引自 jeeva-jyotish.com。
v1.0.1
com.101soundboards/search
在 101soundboards.com 上搜索数百万条音效与音效面板。
v1.0.0
ai.findip/patent-search
语义专利检索与分析:按含义查找、对比并分析专利。
v1.2.1
app.dealermax/public-search
意大利跨经销商 MCP:汽车、带报价的短期租赁、经销商目录、汽车知识库。
v0.8.1
online.sasame/research
免密钥 MCP:审计/认证 MCP 服务器、签名信任历史;加入淘金小镇,与你的 LLM 一起建设。
v1.2.1
in.ninelayer/search
智能体原生搜索引擎,提供面向 AI 智能体优化的实时网页检索。
v0.5.5
io.github.NeoAIResearch/neo-mcp
面向 Neo 的 AI/ML 工程 MCP 服务器——提交任务、跟踪执行并获取输出。
v1.0.3
io.github.DeepSearch-Common/korean-stocks
面向 AI 智能体的韩国股票与加密货币,经 x402 USDC 支付获取 KRX 新闻、财务与风险。
v1.6.5
io.github.sidinsearch/bugproof
捕获、回放并调试失败场景,生成可移植、可执行的 bug 工件。
v0.1.2
io.github.globalsearchdata/enrich
免费使用、无需 API 密钥;按域名或公司名补全信息,包括国家、联系人与社交主页。
v1.0.0
com.pixserp/search
带引用来源的实时 AI 原生网页搜索。一个工具适配所有 MCP 客户端,按请求统一计费。
v1.0.0
com.shinobidata/research
面向 AI 客户端的组合分析与美股市场研究,兼容 ChatGPT deep-research。
v0.1.7
io.github.koki-socialgist/decixa-mcp
Decixa MCP 服务器——面向 AI 智能体的意图驱动 API 发现与选择。
v1.0.0
io.mcp-marketplace/search
在任意支持 MCP 的 AI 客户端内搜索并安装 4,000 多个经过安全扫描的 MCP 服务器。
v1.6.0
com.socialneuron/mcp-server
面向 AI 社交媒体的 52 个 MCP 工具:创作、分发、分析与优化内容。
v0.5.1
io.github.futuresearch/everyrow-mcp
给你的 AI 配一支研究团队:对数据集的每一行进行预测、打分、分类或调研。
v1.0.2
io.github.Serenn-AI/technician-search
按位置与品牌查找经过认证的家电维修、暖通空调(HVAC)与水管维修技师。
v0.1.0
io.github.base76-research-lab/cognos-session-memory
以 MCP 工具形式提供 CognOS 信任评分(C=p·(1-Ue-Ua))与会话轨迹存储。
v0.1.1
io.github.base76-research-lab/token-compressor
使用本地 LLM + 嵌入向量校验把提示词压缩 40–60%,并保留全部条件语句。