标签：多模态处理

一个基于MCP协议的服务器，提供全面的检索增强生成（RAG）能力，支持多模态文档处理与查询。

Mindual是一个多模态内容处理平台，支持文本和图像的多向转换及与谷歌日历的集成。

Agentic Multimodal Expense Processing (AMEP) 是一个端到端的GenAI流程，利用多模态LLMs从发票图像中零样本提取数据，通过Agentic MCP服务器实现自主分类，将非结构化文档实时转换为结构化费用报告并同步到Google Sheets进行分析。

一个支持文本、图像、音频和视频输入的多模态处理服务器，具备文本提取、图像标注、音频转文本和背景噪声分类等功能。

Amazon Nova MCP是一个基于Amazon Bedrock的多模态内容处理平台，支持文本、图像等多种数据类型的高效处理和分析。

Cortex-R是一款基于模型上下文协议（MCP）的高级AI代理，具备多模态感知、持久记忆和工具使用能力，适用于复杂任务的分步解决和Telegram集成对话。

基于MCP协议的RAG-Anything服务，提供多模态文档处理与智能检索功能，适用于知识管理和信息查询场景。

Luna Services是一个基于Google Gemini AI和Supabase数据库的通用模型上下文协议（MCP）系统，提供智能开发辅助、多模态处理和实时代码生成功能，适用于开发效率提升和团队协作。

Step1X-Edit是一款先进的图像编辑模型，支持多模态指令处理和高质量图像生成，适用于各种真实用户编辑场景。

omni-mcp是一种多模态MCP服务器，能够根据输入类型（文本、图像或音频）自动将请求路由到合适的本地模型，适用于需要处理多种输入类型的本地AI应用场景。

一款结合RAG和MCP技术的AI内容分析工具，支持文件上传、URL分析和文本输入，提供智能交互式聊天界面。

一个基于Google Gemini模型的智能MCP服务器，提供多模态输入支持、自动工具选择、多轮推理及跨MCP委派功能，适用于AI助手开发和多场景智能化应用。

基于Spring AI框架开发的智能对话系统，集成MCP协议和RAG技术，支持多模态处理和工具调用。

用于连接Venice API的模型上下文协议服务器，提供31种跨模态AI工具的无审查私有化部署方案。

一个提供10种高级AI功能的多模态处理服务器，支持文本生成、文件分析、实时搜索等，适用于全球开发者社区。

RAG-Anything MCP Server是一个基于模型上下文协议的多模态文档处理系统，支持PDF、图像、表格等多种文档类型的处理，集成知识图谱和多种查询模式。

LangChain MCP是一个为LangChain应用提供MCP服务器集成的工具，支持工具发现、多模态内容处理和实时监控等功能，适用于AI工作流增强和自动化任务处理。

一个支持多模态输入、会话管理和MCP协议连接的Claude智能代理服务器，提供AI辅助查询、多轮对话和工具集成功能。

Gemini MCP服务器实现了多工具协作协议（MCP），使主AI模型能与Google的Gemini Pro模型协作，提供增强的代码审查、问题解答、创意构思等功能。

企业级AI编排系统，用于管理AI模型、代理和自动化工作流程，具有企业级安全性。

OpenRouter MCP Multimodal是一个生产级的模型上下文协议（MCP）服务器，支持文本、视觉、音频和视频AI工具的分析和生成。

一个提供全面检索增强生成（RAG）能力的MCP服务器，支持多模态文档处理与查询。

Gemini MCP 是一个基于 Google Gemini 2.0 Flash 模型的智能图像分析服务，提供多模态分析、灵活输入、流式响应和智能存储等功能，适用于各种AI助手集成。

基于Rust构建的模型上下文协议（MCP）服务器，提供图像、视频、音乐和语音的统一生成接口。