$ 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
将多个MCP服务器能力聚合成少量固定工具供AI调用
通过 MCP 协议与 REST 接口统一发布、编写和复用 AI 工具与技能。
自动分析并修复测试失败，结合 IDE 与 Slack 提供易懂原因和方案
在本机私有消息总线上连接多个 AI 编程代理，协作对话并分派任务。