$ loading_
通过 MCP 连接物理设备，让 AI 分析传感器数据并识别异常关联。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Jeltz" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
使用 Jeltz 读取这台设备最近 24 小时的传感器数据，找出异常波动，并解释哪些读数最值得关注。
返回异常时段、可疑传感器读数及其简要解释。
通过 Jeltz 对比车间内多台设备的传感器数据，找出是否存在同时发生的异常，并说明它们可能有什么关联。
输出跨设备的异常关联结果和可能的共同原因线索。
借助 Jeltz 获取当前设备状态与传感器数据，解释这次异常现象可能意味着什么，并按优先级列出需要进一步检查的点。
得到面向排查的异常解读和优先级检查清单。
开发者或研究人员可把 AI 连接到物理设备后，让模型直接基于传感器数据进行分析。适合在多来源设备数据中寻找异常与模式。
当多个设备同时出现异常迹象时，可用它让 AI 做跨设备关联判断。这样能更快定位哪些异常可能彼此相关。
需要把原始传感器读数转成可理解结论时，这个工具可让大模型参与解释。适合将异常现象整理为更易读的说明。
Jeltz 是一个 MCP 工具，用来把 AI 助手连接到物理设备。它支持大模型基于传感器数据进行推理、做跨设备关联，并解释异常现象。
根据给定描述，它主要面向物理设备产生的传感器数据，以及与异常相关的设备信号。更具体的数据类型范围未提供，见源码仓库。
已知前提是它作为 MCP 工具使用，并且需要接入物理设备。安装步骤、运行环境或密钥要求在现有素材中未说明，见源码仓库。
通过 MCP 接入 DCS/SCADA 数据，监测工业过程异常并提供分析与优化建议
让 AI 通过自然语言控制并监控 Jettyd 平台上的 ESP32 物联网设备。
让 AI 连接 Jira，安全检索、创建并更新工单与项目事项。
通过 J-Link 读写 Segger RTT 数据，辅助嵌入式设备调试与自动交互。
帮助开发者通过 J-Link 调试嵌入式设备、烧录固件并诊断故障
连接 Junction41 平台的 MCP 工具服务器