$ loading_
连接实验平台并提供实验分析与技能调试的本地 MCP 工具
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ab-platform-mcp-local" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
读取上游实验平台中的最近一次 A/B 实验数据，汇总关键指标变化，指出显著提升或下降的版本，并用中文给出 5 条优化建议。
一份实验结果摘要，包含关键指标对比、异常发现和可执行优化建议。
检查这个技能在实验平台中的调用链和报错日志，定位失败原因，并给出修复步骤与建议的测试用例。
定位问题原因的调试报告，附带修复方案和验证建议。
从上游平台获取本周所有实验版本，按转化率、留存率和错误率进行横向对比，输出一张结论表并说明最值得继续迭代的版本。
一份多版本对比结果，清晰展示优劣势和推荐迭代方向。
让 AI 代理通过 MCP 连接并操控本地 JupyterLab 进行编程与数据分析。
用自然语言搭建本地 MCP 服务器与 AI 工具，并连接主流兼容助手
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。
帮助 LLM 代理发现、注册并执行本地及外部 MCP 工具
将上游 REST API 封装为 MCP 工具，便于 AI 代理调用与自动化集成。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。