$ loading_
为多云 MCP 请求智能分发并筛选当前任务最相关工具
复制安装指令，让 AI 自动完成配置 · 推荐新手
"cloud-engineer-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请帮我完成这项云运维任务，并在 AWS、Azure 和 GCP 相关工具中只调用最适合当前任务的那些工具，避免无关上下文。
工具将请求分发到相关云平台 MCP 服务，并仅暴露少量最相关工具供后续执行。
我需要处理一个云平台相关任务，请先筛出当前任务最相关的工具，不要把所有可用工具都加入上下文。
返回经过本地语义筛选后的相关工具集合，以降低上下文长度和噪声。
把这个任务交给能够统一协调 AWS、Azure 和 GCP MCP 服务的工具处理，并优先选择与任务最匹配的能力。
通过统一入口协调多个云厂商的 MCP 工具调用，并保留与任务最匹配的工具。
开发者或 DevOps 团队在同时使用 AWS、Azure 和 GCP 时，可借助它统一转发代理请求。这样能减少手动选择工具的负担，并让任务只接触相关云能力。
当 MCP 工具数量较多时，它会用本地句向量模型筛出当前任务最相关的少量工具。这样有助于降低上下文膨胀和无关信息干扰。
它是一个 MCP 工具，用于把代理请求分发到 AWS、Azure 和 GCP 的 MCP 服务。同时会用本地 sentence transformer 仅筛出当前任务最相关的 15 个工具。
它不会把所有可用工具都暴露给代理，而是先做本地语义筛选，只保留与当前任务相关的工具。原始描述明确提到这能减少 context bloat。
给定素材只说明它会连接 AWS、Azure 和 GCP 的 MCP 服务，并使用本地 sentence transformer。更具体的安装方式、依赖或密钥要求见源码仓库。
将多家大模型统一为 MCP 工具，并按任务类型自动路由调用。
为智能代理提供安全可控的工具箱，执行命令、检索网络并操作文件资源。
解析多云基础设施代码并生成实时成本估算与对比报告。
让一个代理按需发现多 MCP 工具，减少上下文占用
将多云 AI 模型接入 AI 命令行代理，支持流式对话、并行查询与模型发现。
帮助用户创建、管理并组合可接入 MCP 客户端的 AI 代理与自定义工具。