Alle Inhalte mit dem Tag Open Source durchsuchen
Der mcp-local-rag MCP-Server ermöglicht datenschutzfreundliche, lokale Retrieval-Augmented Generation (RAG) Websuche für LLMs. Er erlaubt KI-Assistenten den Zugriff auf, das Einbetten und Extrahieren aktueller Webinformationen ohne externe APIs und verbessert so Recherche-, Content-Erstellungs- und Frage-Antwort-Workflows.
Der Wetter-MCP-Server verbindet KI-Assistenten mit Echtzeit- und historischen Wetterdaten über die Open-Meteo-API – keine API-Schlüssel erforderlich. Ermöglichen Sie KI-gesteuerte Workflows mit wetterbewussten Tools für Reiseplanung, Terminorganisation, Automatisierung und mehr.
GitMCP ist ein kostenloser, quelloffener Model Context Protocol (MCP) Server, der KI-Assistenten mit jedem GitHub-Repository für kontextbewusste Code-Vervollständigungen, Exploration und Entwicklungs-Workflows verbindet. Er reduziert Code-Halluzinationen, indem er einen Live-, kontextuellen Zugriff auf Code, Issues, PRs und Dateistrukturen für eine verbesserte, KI-gesteuerte Produktivität bietet.
Der Todos MCP-Server ist eine Open-Source-To-Do-Listenanwendung mit Model Context Protocol (MCP)-Unterstützung, die es KI-Assistenten und Chatbots ermöglicht, Aufgaben programmatisch über eine standardisierte API zu verwalten. Er bietet datenschutzfreundlichen lokalen Speicher und praktische Tools für nahtlose Aufgabenautomatisierung in KI-gestützten Workflows.
Der Agentset MCP-Server ist eine Open-Source-Plattform, die Retrieval-Augmented Generation (RAG) mit agentischen Fähigkeiten ermöglicht. So können KI-Assistenten sich mit externen Datenquellen, APIs und Services verbinden, um intelligente, dokumentbasierte Anwendungen zu entwickeln.
Der Authenticator App MCP Server ermöglicht es KI-Agenten, sicher auf 2FA-Codes und Passwörter zuzugreifen, automatisierte Anmeldeprozesse sowie die Verwaltung von Zugangsdaten plattformübergreifend zu vereinfachen – und das bei Einhaltung robuster Sicherheitsstandards.
Der Figma-Context MCP-Server verbindet KI-Coding-Agenten mit Figma-Design-Layouts, indem er Figma-Daten über das Model Context Protocol (MCP) bereitstellt. Er ermöglicht KI-Assistenten, Figma-Dateien abzurufen, zu analysieren und zu interpretieren – für nahtlose Design-to-Code-Workflows, UI-Implementierung, Komponentengewinnung und automatisierte Dokumentation.
Der Lspace MCP Server ist eine Open-Source-Backend- und Standalone-Anwendung, die das Model Context Protocol (MCP) implementiert. Er ermöglicht eine dauerhafte, durchsuchbare Wissensbasis, indem er Erkenntnisse aus jeder KI-Sitzung erfasst und sie über verschiedene Tools hinweg integriert, sodass Entwickler intelligente, kontextangereicherte Workflows erstellen können.
Der mcp-k8s-go MCP Server ermöglicht es KI-Assistenten, programmatisch mit Kubernetes-Clustern über das Model Context Protocol zu interagieren und automatisiert sowie standardisiert DevOps-Workflows über eine einheitliche Schnittstelle.
Der mcp-rag-local MCP Server stattet KI-Assistenten mit semantischem Gedächtnis aus und ermöglicht das Speichern und Abrufen von Textpassagen basierend auf ihrer Bedeutung statt nur auf Schlüsselwörtern. Er verwendet Ollama für Embeddings und ChromaDB für die Vektorsuche und unterstützt fortschrittliches Wissensmanagement und kontextuelle Erinnerung in lokalen Workflows.
Der Mifos X MCP-Server verbindet FlowHunt KI-Agenten mit Apache Fineract® und ermöglicht nahtlose Automatisierung von Finanzdaten, Kunden-Onboarding, Kreditmanagement und Workflow-KI-Integration über ein standardisiertes Protokoll.
Der Telegram MCP Server verbindet die Telegram-API mit KI-Assistenten über das Model Context Protocol und ermöglicht automatisierte Workflows für Messaging, Dialogmanagement und fortgeschrittene Kommunikationsszenarien innerhalb von FlowHunt.
Der TFT MCP Server verbindet KI-Assistenten mit der Riot Games API und ermöglicht den programmatischen Zugriff auf Team Fight Tactics (TFT) Spieler-Match-Historie und detaillierte Match-Daten zur automatisierten Analyse, Spieler-Tracking und fundierten Event-Kommentierung.
Der Typesense MCP Server verbindet KI-Agenten mit Typesense, einer Open-Source-Suchmaschine, und ermöglicht LLMs die Suche, das Abrufen und die Analyse strukturierter Datensammlungen in Echtzeit. Integrieren Sie leistungsstarke Dokumentensuche, Analytik und Schema-Erkennung direkt in Ihre KI-Workflows mit sicherem API-Key-Handling.
Der TeamRetro MCP-Server verbindet KI-Assistenten mit der TeamRetro-Plattform und ermöglicht so die Automatisierung von Teammanagement, Retrospektiven, Gesundheitschecks und Analysen über eine sichere Model Context Protocol-Schnittstelle. Integrieren Sie TeamRetros Kollaborations-Tools und Analysen in Ihre KI-Workflows für mehr Produktivität.
Vectara MCP Server ist eine Open-Source-Brücke zwischen KI-Assistenten und Vectaras Trusted RAG-Plattform und ermöglicht eine sichere, effiziente Retrieval-Augmented Generation (RAG) sowie Enterprise Search für generative KI-Workflows in FlowHunt.
AllenNLP ist eine robuste Open-Source-Bibliothek für NLP-Forschung, entwickelt von AI2 auf PyTorch. Sie bietet modulare, erweiterbare Werkzeuge, vortrainierte Modelle und eine einfache Integration mit Bibliotheken wie spaCy und Hugging Face, unterstützt Aufgaben wie Textklassifikation, Koreferenzauflösung und mehr.
Chainer ist ein Open-Source-Deep-Learning-Framework, das eine flexible, intuitive und leistungsstarke Plattform für neuronale Netzwerke bietet. Es zeichnet sich durch dynamische Define-by-Run-Graphen, GPU-Beschleunigung und breite Architekturunterstützung aus. Entwickelt von Preferred Networks mit bedeutenden Beiträgen großer Tech-Unternehmen ist es ideal für Forschung, Prototyping und verteiltes Training, befindet sich aber inzwischen im Wartungsmodus.
DL4J, oder DeepLearning4J, ist eine Open-Source, verteilte Deep-Learning-Bibliothek für die Java Virtual Machine (JVM). Als Teil des Eclipse-Ökosystems ermöglicht sie die skalierbare Entwicklung und Bereitstellung von Deep-Learning-Modellen mit Java, Scala und anderen JVM-Sprachen.
Entdecken Sie die wichtigsten Ankündigungen von Google I/O 2025, darunter Gemini 2.5 Flash, Project Astra, Android XR, KI-Agenten in Android Studio, Gemini Nano, Gemma 3n, SignGemma und wie FlowHunt diese neuen AI-nativen Fähigkeiten nutzt.
Erfahren Sie mehr über das Grok-Modell von xAI, einen fortschrittlichen KI-Chatbot unter der Leitung von Elon Musk. Entdecken Sie den Zugriff auf Echtzeitdaten, Hauptfunktionen, Benchmarks, Anwendungsfälle und den Vergleich mit anderen KI-Modellen.
Jupyter Notebook ist eine Open-Source-Webanwendung, die es Nutzern ermöglicht, Dokumente mit ausführbarem Code, Gleichungen, Visualisierungen und erklärendem Text zu erstellen und zu teilen. Weit verbreitet in Data Science, Machine Learning, Bildung und Forschung, unterstützt es über 40 Programmiersprachen und die nahtlose Integration mit KI-Tools.
KNIME (Konstanz Information Miner) ist eine leistungsstarke Open-Source-Plattform für Datenanalysen, die visuelle Workflows, nahtlose Datenintegration, fortgeschrittene Analysen und Automatisierung für verschiedene Branchen bietet.
Kubeflow ist eine Open-Source-Plattform für maschinelles Lernen (ML) auf Kubernetes, die die Bereitstellung, Verwaltung und Skalierung von ML-Workflows vereinfacht. Sie bietet eine Suite von Tools, die den gesamten ML-Lebenszyklus abdecken – von der Modellentwicklung bis zur Bereitstellung und Überwachung – und verbessert Skalierbarkeit, Reproduzierbarkeit und Ressourcenauslastung.
LangChain ist ein Open-Source-Framework zur Entwicklung von Anwendungen, die von großen Sprachmodellen (LLMs) unterstützt werden. Es vereinfacht die Integration leistungsstarker LLMs wie OpenAI’s GPT-3.5 und GPT-4 mit externen Datenquellen für fortschrittliche NLP-Anwendungen.
Erfahren Sie mehr über Mistral AI und die LLM-Modelle, die sie anbieten. Entdecken Sie, wie diese Modelle eingesetzt werden und was sie besonders macht.
Apache MXNet ist ein Open-Source-Deep-Learning-Framework, das für effizientes und flexibles Training sowie die Bereitstellung tiefer neuronaler Netze entwickelt wurde. Bekannt für seine Skalierbarkeit, sein hybrides Programmiermodell und die Unterstützung mehrerer Sprachen, ermöglicht MXNet Forschern und Entwicklern den Aufbau fortschrittlicher KI-Lösungen.
Natural Language Toolkit (NLTK) ist eine umfassende Suite von Python-Bibliotheken und Programmen für symbolische und statistische Verarbeitung natürlicher Sprache (NLP). Weit verbreitet in Wissenschaft und Industrie, bietet es Werkzeuge für Tokenisierung, Stemming, Lemmatisierung, POS-Tagging und mehr.
Open Neural Network Exchange (ONNX) ist ein Open-Source-Format für den nahtlosen Austausch von Machine-Learning-Modellen zwischen verschiedenen Frameworks und verbessert die Flexibilität bei der Bereitstellung, die Standardisierung und die Hardware-Optimierung.
Plotly ist eine fortschrittliche Open-Source-Bibliothek zur Erstellung interaktiver, publikationsreifer Diagramme online. Kompatibel mit Python, R und JavaScript, ermöglicht Plotly Nutzern die Darstellung komplexer Datenvisualisierungen und unterstützt eine Vielzahl von Diagrammtypen, Interaktivität und die Integration in Webanwendungen.
Scikit-learn ist eine leistungsstarke Open-Source-Bibliothek für maschinelles Lernen in Python, die einfache und effiziente Werkzeuge für die prädiktive Datenanalyse bietet. Sie wird von Data Scientists und Anwendern des maschinellen Lernens weltweit genutzt und stellt eine breite Palette von Algorithmen für Klassifikation, Regression, Clustering und mehr zur Verfügung – nahtlos integriert im Python-Ökosystem.
SciPy ist eine leistungsstarke Open-Source-Python-Bibliothek für wissenschaftliches und technisches Rechnen. Aufbauend auf NumPy bietet sie fortgeschrittene mathematische Algorithmen, Optimierung, Integration, Datenmanipulation, Visualisierung und Interoperabilität mit Bibliotheken wie Matplotlib und Pandas und ist damit unverzichtbar für wissenschaftliches Rechnen und Datenanalyse.
TensorFlow ist eine Open-Source-Bibliothek, die vom Google Brain-Team entwickelt wurde und für numerische Berechnungen sowie groß angelegte maschinelle Lernverfahren konzipiert ist. Sie unterstützt Deep Learning, neuronale Netze und läuft auf CPUs, GPUs und TPUs, wodurch Datenerfassung, Modelltraining und -bereitstellung vereinfacht werden.
Entdecken Sie Wan 2.1, das Open-Source-KI-Video-Generierungsmodell von Alibaba. Erfahren Sie, wie es funktioniert, entdecken Sie seine leistungsstarken Funktionen und folgen Sie unserer Schritt-für-Schritt-Anleitung, um es lokal auf Ihrer eigenen GPU auszuführen.
Fastai ist eine Deep-Learning-Bibliothek, die auf PyTorch basiert und hochstufige APIs, Transfer Learning und eine geschichtete Architektur bietet, um die Entwicklung neuronaler Netze für Vision, NLP, tabellarische Daten und mehr zu vereinfachen. Entwickelt von Jeremy Howard und Rachel Thomas, ist Fastai quelloffen und gemeinschaftlich entwickelt, wodurch modernste KI für alle zugänglich wird.
