Przeglądaj wszystkie treści oznaczone etykietą Open Source
Serwer mcp-local-rag MCP umożliwia lokalne, dbające o prywatność wyszukiwanie internetowe Retrieval-Augmented Generation (RAG) dla LLM-ów. Pozwala asystentom AI uzyskiwać dostęp, osadzać i wyodrębniać najnowsze informacje z internetu bez zewnętrznych API, usprawniając badania, tworzenie treści i workflow odpowiadania na pytania.
Weather MCP Server łączy asystentów AI z danymi pogodowymi w czasie rzeczywistym i historycznymi za pomocą Open-Meteo API — bez potrzeby używania kluczy API. Włącz przepływy oparte na AI z narzędziami świadomymi pogody do planowania podróży, organizacji wydarzeń, automatyzacji i nie tylko.
GitMCP to darmowy, otwartoźródłowy serwer Model Context Protocol (MCP), który łączy asystentów AI z dowolnym repozytorium GitHub, zapewniając świadome kontekstu podpowiedzi kodu, eksplorację oraz przepływy pracy związane z rozwojem oprogramowania. Redukuje halucynacje kodu, oferując bieżący, kontekstowy dostęp do kodu, zgłoszeń, PR-ów i struktur plików, zwiększając produktywność sterowaną przez AI.
Todos MCP Server to otwartoźródłowa aplikacja do zarządzania listą zadań z obsługą Model Context Protocol (MCP), umożliwiająca asystentom AI i chatbotom programowe zarządzanie zadaniami przez ustandaryzowane API. Oferuje przyjazne dla prywatności lokalne przechowywanie danych i praktyczne narzędzia do automatyzacji zadań w przepływach pracy wspieranych przez AI.
Agentset MCP Server to otwartoźródłowa platforma umożliwiająca Retrieval-Augmented Generation (RAG) z funkcjami agentowymi, pozwalająca asystentom AI na łączenie się z zewnętrznymi źródłami danych, API i usługami w celu tworzenia inteligentnych aplikacji opartych na dokumentach.
Serwer Figma-Context MCP łączy agentów AI do kodowania z układami projektowymi Figma, udostępniając dane Figma za pośrednictwem Model Context Protocol (MCP). Umożliwia asystentom AI pobieranie, analizowanie i interpretowanie plików Figma, umożliwiając płynne przepływy pracy od projektu do kodu, implementację UI, ekstrakcję komponentów oraz automatyczną dokumentację.
Serwer Telegram MCP łączy API Telegrama z asystentami AI za pomocą Model Context Protocol, umożliwiając automatyzację przepływów pracy związanych z wiadomościami, zarządzaniem dialogami i zaawansowanymi scenariuszami komunikacyjnymi w FlowHunt.
Lspace MCP Server to otwartoźródłowy backend oraz aplikacja samodzielna implementująca Model Context Protocol (MCP). Umożliwia trwałe, przeszukiwalne gromadzenie wiedzy poprzez przechwytywanie wniosków z dowolnej sesji AI i integrację ich między narzędziami, dając programistom możliwość budowy inteligentnych, kontekstowo wzbogaconych przepływów pracy.
Serwer mcp-k8s-go MCP umożliwia asystentom AI programową interakcję z klastrami Kubernetes za pośrednictwem Model Context Protocol, automatyzując i usprawniając przepływy pracy DevOps poprzez standaryzowany interfejs.
Serwer mcp-rag-local MCP umożliwia asystentom AI korzystanie z pamięci semantycznej, pozwalając na zapisywanie i wyszukiwanie fragmentów tekstu na podstawie znaczenia, a nie tylko słów kluczowych. Wykorzystuje Ollama do osadzania i ChromaDB do wyszukiwania wektorowego, wspierając zaawansowane zarządzanie wiedzą i kontekstowe przywoływanie w lokalnych procesach.
Serwer MCP aplikacji Authenticator umożliwia agentom AI bezpieczny dostęp do kodów 2FA i haseł, usprawniając zautomatyzowane procesy logowania i zarządzanie poświadczeniami na różnych platformach, przy jednoczesnym zachowaniu solidnych praktyk bezpieczeństwa.
Serwer Mifos X MCP łączy agentów FlowHunt AI z Apache Fineract®, umożliwiając płynną automatyzację danych finansowych, onboardowanie klientów, zarządzanie pożyczkami oraz integrację workflow AI poprzez ustandaryzowany protokół.
TFT MCP Server łączy asystentów AI z Riot Games API, umożliwiając programistyczny dostęp do historii meczów graczy Team Fight Tactics (TFT) oraz szczegółowych danych o meczach do automatycznej analizy, śledzenia graczy i szczegółowego komentowania wydarzeń.
Serwer Typesense MCP łączy agentów AI z Typesense, otwartoźródłową wyszukiwarką, umożliwiając LLM-om przeszukiwanie, pobieranie i analizowanie kolekcji danych strukturalnych w czasie rzeczywistym. Zintegruj zaawansowane narzędzia wyszukiwania dokumentów, analityki i odkrywania schematów bezpośrednio w swoich przepływach AI z bezpieczną obsługą klucza API.
Vectara MCP Server to otwartoźródłowy most łączący asystentów AI z platformą Trusted RAG firmy Vectara, umożliwiający bezpieczne i wydajne Retrieval-Augmented Generation (RAG) oraz wyszukiwanie korporacyjne dla generatywnych przepływów AI w FlowHunt.
Serwer TeamRetro MCP łączy asystentów AI z platformą TeamRetro, umożliwiając automatyzację zarządzania zespołem, retrospektyw, health checków oraz analityki poprzez bezpieczny interfejs Model Context Protocol. Zintegruj narzędzia do współpracy i analizy TeamRetro w swoich workflow AI, aby zwiększyć produktywność.
AllenNLP to solidna, otwartoźródłowa biblioteka do badań nad przetwarzaniem języka naturalnego (NLP), zbudowana na PyTorch przez AI2. Oferuje modułowe, rozbudowywane narzędzia, gotowe modele oraz łatwą integrację z bibliotekami takimi jak spaCy i Hugging Face, wspierając zadania takie jak klasyfikacja tekstu, rozpoznawanie koreferencji i wiele innych.
Chainer to otwartoźródłowy framework do głębokiego uczenia, oferujący elastyczną, intuicyjną i wydajną platformę dla sieci neuronowych, z dynamicznymi grafami define-by-run, akceleracją GPU i szerokim wsparciem dla architektur. Opracowany przez Preferred Networks przy udziale dużych firm technologicznych, idealny do badań, prototypowania i rozproszonego treningu, lecz obecnie jest w trybie utrzymania.
Fastai to biblioteka głębokiego uczenia oparta na PyTorch, oferująca wysokopoziomowe API, transfer learning oraz warstwową architekturę, która upraszcza rozwój sieci neuronowych dla wizji komputerowej, NLP, danych tabelarycznych i nie tylko. Opracowana przez Jeremy'ego Howarda i Rachel Thomas, Fastai jest projektem open source napędzanym przez społeczność, czyniąc nowoczesną AI dostępną dla wszystkich.
DL4J, czyli DeepLearning4J, to otwartoźródłowa, rozproszona biblioteka do uczenia głębokiego dla Java Virtual Machine (JVM). Jako część ekosystemu Eclipse umożliwia skalowalny rozwój i wdrażanie modeli głębokiego uczenia z użyciem języków Java, Scala oraz innych języków JVM.
Poznaj kluczowe ogłoszenia z Google I/O 2025, w tym Gemini 2.5 Flash, Project Astra, Android XR, agentów AI w Android Studio, Gemini Nano, Gemma 3n, SignGemma oraz zobacz, jak FlowHunt wykorzystuje te nowe, natywnie AI możliwości.
Dowiedz się więcej o modelu Grok firmy xAI, zaawansowanym chatbotcie AI prowadzonym przez Elona Muska. Poznaj dostęp do danych w czasie rzeczywistym, kluczowe funkcje, wyniki testów, zastosowania oraz porównanie z innymi modelami AI.
Jupyter Notebook to otwartoźródłowa aplikacja internetowa umożliwiająca użytkownikom tworzenie i udostępnianie dokumentów z żywym kodem, równaniami, wizualizacjami i narracyjnym tekstem. Szeroko wykorzystywana w data science, uczeniu maszynowym, edukacji i badaniach, obsługuje ponad 40 języków programowania oraz płynną integrację z narzędziami AI.
KNIME (Konstanz Information Miner) to potężna, otwartoźródłowa platforma analityki danych oferująca wizualne przepływy pracy, płynną integrację danych, zaawansowaną analitykę i automatyzację dla różnych branż.
Kubeflow to otwarta platforma uczenia maszynowego (ML) oparta na Kubernetes, upraszczająca wdrażanie, zarządzanie i skalowanie przepływów pracy ML. Oferuje zestaw narzędzi obejmujących cały cykl życia ML, od tworzenia modeli po wdrażanie i monitorowanie, zwiększając skalowalność, powtarzalność i wykorzystanie zasobów.
LangChain to otwartoźródłowy framework do tworzenia aplikacji opartych na dużych modelach językowych (LLM), usprawniający integrację zaawansowanych LLM-ów, takich jak GPT-3.5 i GPT-4 od OpenAI, z zewnętrznymi źródłami danych na potrzeby zaawansowanych aplikacji NLP.
Dowiedz się więcej o Mistral AI i oferowanych przez nich modelach LLM. Odkryj, jak wykorzystywane są te modele i co je wyróżnia.
Apache MXNet to otwartoźródłowy framework do głębokiego uczenia, zaprojektowany do wydajnego i elastycznego trenowania oraz wdrażania głębokich sieci neuronowych. Znany ze swojej skalowalności, hybrydowego modelu programowania oraz wsparcia wielu języków, MXNet umożliwia badaczom i deweloperom tworzenie zaawansowanych rozwiązań AI.
Natural Language Toolkit (NLTK) to kompleksowy zestaw bibliotek i programów Pythona do symbolicznego i statystycznego przetwarzania języka naturalnego (NLP). Szeroko stosowany w środowisku akademickim i przemyśle, oferuje narzędzia do tokenizacji, stemmingu, lematyzacji, tagowania części mowy i wiele więcej.
Open Neural Network Exchange (ONNX) to otwarty format umożliwiający bezproblemową wymianę modeli uczenia maszynowego pomiędzy różnymi frameworkami, zwiększając elastyczność wdrożeń, standaryzację oraz optymalizację sprzętową.
Plotly to zaawansowana, otwartoźródłowa biblioteka do tworzenia interaktywnych, publikacyjnej jakości wykresów online. Kompatybilna z Pythonem, R i JavaScriptem, Plotly umożliwia realizację złożonych wizualizacji danych i obsługuje szeroki zakres typów wykresów, interaktywności oraz integrację z aplikacjami webowymi.
Scikit-learn to potężna, otwartoźródłowa biblioteka uczenia maszynowego dla Pythona, oferująca proste i wydajne narzędzia do predykcyjnej analizy danych. Szeroko stosowana przez naukowców danych i praktyków uczenia maszynowego, oferuje szeroki zakres algorytmów do klasyfikacji, regresji, klasteryzacji i innych, z płynną integracją z ekosystemem Pythona.
SciPy to solidna, otwarta biblioteka Pythona do obliczeń naukowych i technicznych. Bazując na NumPy, oferuje zaawansowane algorytmy matematyczne, optymalizację, całkowanie, manipulację danymi, wizualizację oraz współpracę z bibliotekami takimi jak Matplotlib i Pandas, czyniąc ją niezbędną w obliczeniach naukowych i analizie danych.
TensorFlow to otwartoźródłowa biblioteka opracowana przez zespół Google Brain, zaprojektowana do obliczeń numerycznych i uczenia maszynowego na dużą skalę. Obsługuje deep learning, sieci neuronowe i działa na CPU, GPU oraz TPU, upraszczając pozyskiwanie danych, trenowanie modeli oraz wdrażanie.
Poznaj Wan 2.1, otwartoźródłowy model generowania wideo AI od Alibaba. Dowiedz się, jak działa, odkryj jego potężne funkcje i skorzystaj z naszego przewodnika krok po kroku, aby uruchomić go lokalnie na własnej karcie GPU.
