$ loading_
连接本地 LM Studio，让 AI 代理调用模型管理、补全与嵌入能力
复制安装指令，让 AI 自动完成配置 · 推荐新手
"llmstudio-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。
请使用 llmstudio-mcp 连接我的本地 LM Studio，列出当前可用模型，并说明哪些适合聊天、文本补全或嵌入。
返回本地模型列表，并按聊天、补全、嵌入用途做简要说明。
请通过 llmstudio-mcp 调用本地 LM Studio 中的聊天模型，回答这个问题：什么是向量嵌入？请用通俗中文解释。
生成一段由本地聊天模型输出的自然语言回答。
请使用 llmstudio-mcp 为以下三句话生成嵌入向量，并说明它们可用于相似度比较：'机器学习很有用'、'深度学习是机器学习的分支'、'今天天气很好'。
返回每句话的嵌入结果，并简要说明嵌入可用于语义相似度任务。
开发者在不依赖远程模型服务时，可用它把 AI 代理连接到本地 LM Studio。这样代理就能调用本地模型完成聊天或文本补全任务。
当团队希望通过一个 MCP 服务统一调用聊天补全、文本补全和嵌入时，这个工具可以作为连接层。它适合本地大模型实验和集成场景。
在使用 LM Studio 运行多种本地模型时，开发者可通过该 MCP 服务进行模型管理，并结合推理调用完成测试或开发工作。
它是一个 MCP server，用来把 LLM 代理连接到本地 LM Studio 实例。它提供模型管理、OpenAI 兼容的聊天补全、文本补全和嵌入能力。
给定信息明确提到需要一个本地 LM Studio 实例。其他前置条件或配置细节未提供，见源码仓库。
它不只提供聊天补全，还包括文本补全、嵌入和模型管理，并通过 MCP 让代理访问本地 LM Studio。描述中还说明其聊天接口与 OpenAI 兼容。
将摘要、代码补丁等低风险任务委派给低成本模型并由主代理复核。
让 AI 代理通过 MCP 连接并操控本地 JupyterLab 进行编程与数据分析。
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。
为本地大模型提供联网、计算、执行代码与文件检索能力。
统一管理本地大模型运行时，完成发现、运维检查与推理调用。
让 AI 通过本地大模型安全读取、搜索和编辑本地文件