$ loading_
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。
该工具定位于本地模型运行时管理，材料未声明需要密钥或远程外发端点，整体未见明确高风险红旗。主要关注点在于其本机进程控制与可能的本地数据访问，以及项目来源虽开源但社区采用和维护信息较弱。
材料明确标注“无”密钥/环境变量，未见要求 API token、账号凭证或第三方服务授权，凭证泄露面较低。
未声明任何远程端点，描述聚焦本地模型运行时管理与委托推理；基于现有材料，未见把用户数据外发到外部服务的事实依据。
系统检查项已标注 executes-code，且“lifecycle management”表明其很可能在本机启动、停止或协调 Ollama、LM Studio 等进程；这是此类 MCP 的常规高权限能力，应留意其可触达的系统级操作范围。
为实现运行时发现、硬件适配检查和本地推理委托，工具大概率需要读取本机模型配置、进程状态、硬件信息或相关目录；材料未显示明显过度授权，但其本地数据可见范围应在安装前核实。
该项目有公开源码仓库，可一定程度审计，这是降风险因素；但来源为 third_party_registry，README 缺失、许可证未声明、0 star、维护状态未知，供应链成熟度和持续维护信号偏弱，建议先审源码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Local AI 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。
请扫描当前机器上的本地模型运行时（如 Ollama、LM Studio），列出可用模型、提供方、版本、端口与当前状态，并按运行时分类汇总。
返回本地运行时与模型清单，包含状态、来源和连接信息的结构化列表。
请评估当前设备是否适合运行 llama3 级别的本地模型，结合 CPU、内存、显存与可用后端，给出兼容性结论、风险提示和推荐配置。
输出硬件适配分析，说明是否可运行、瓶颈在哪里以及建议的模型或配置方案。
请使用可用的本地模型运行时执行一次推理：总结以下会议纪要，并说明实际调用了哪个运行时和模型。如果首选提供方不可用，请自动切换到其他可用提供方。
返回推理结果，并附带实际使用的运行时、模型及切换情况说明。
通过 MCP 管理 LM Studio 模型的加载、卸载与配置，提升本地大模型调度效率。