Unreal Engine生成式AI支持插件，集成多种前沿LLM/GenAI模型API，提供游戏开发中的AI集成层支持，包括OpenAI、Claude、Deepseek等模型的聊天、结构化输出等功能，并支持Model Control Protocol（MCP）实现场景对象控制、蓝图生成等高级功能。

一个专注于探索和应用生成式AI（GenAI）的仓库，旨在通过实际案例和资源分享，帮助用户学习和实验GenAI在日常任务中的应用，包括写作、编程、图像生成等。

多集群MCP服务器为生成式AI系统提供与多个Kubernetes集群交互的网关，支持资源操作、集群管理和监控。

WildFly MCP项目旨在通过生成式AI能力增强WildFly服务器的监控和管理，提供工具和服务器集成，支持自然语言交互。

GenPilot是一个简化生成式AI单/多代理系统创建与管理的工具，支持MCP协议，提供终端和Web界面，便于快速开发和部署。

一个基于Node.js和Gemini API的AI研究助手工具，通过Firecrawl进行网页数据抓取，利用Gemini大模型进行深度语言理解和报告生成，支持迭代式深度研究，并可与MCP协议集成。

Open Deep Research MCP Server是一个AI驱动的深度研究助手，通过结合搜索引擎、网页抓取和AI技术进行迭代式深度研究，生成全面报告。支持MCP协议和CLI两种使用方式，具备可靠性评估、范围控制、自动生成后续问题等功能。

EasyChatDM是一个用于创建简单MCP服务器工具的教育项目，旨在通过生成式AI为D&D游戏提供随机决策工具。

WildFly MCP项目旨在为WildFly用户提供利用生成式AI能力监控和管理服务器的工具，包括MCP服务器、聊天机器人、容器镜像及协议网关等组件。

AI Toybox是一个生成式AI实验平台，专注于快速原型设计和测试MCP工具及智能体工作流，提供聊天应用和模块化MCP服务模板。

这是一个面向初学者的生成式AI课程项目，提供从环境搭建到实际应用的完整学习路径。项目包含6个概念课程和6个编程课程，使用Azure OpenAI服务进行实践操作。学习者可以通过GitHub Codespaces快速开始，或选择本地安装Python环境。项目强调API密钥的安全管理，并提供了详细的设置指南。此外，还鼓励学习者参与开源贡献，并提供了AI社区交流平台。

本项目设计并实现了一个连接数据空间与生成式AI的架构，通过Model Context Protocol (MCP)服务器作为安全中间层，使语言模型能间接访问DuckDB数据库，具备模块化、可扩展和日志追踪特性，为未来升级为RAG架构奠定基础。

PydanticAI是由Pydantic团队开发的Python代理框架，旨在简化基于生成式AI的生产级应用开发。它支持多种AI模型，集成Pydantic验证和结构化输出，提供依赖注入系统、流式响应和图形支持，并与Pydantic Logfire无缝集成，适用于类型安全、高效的AI应用构建。