$ 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。
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。
在本地离线运行 Llama 模型，安全私密地完成各类 AI 助手任务。
通过 MCP 管理 LM Studio 模型的加载、卸载与参数配置，提升本地大模型运维效率。
让 AI 助手通过 MCP 管理大模型推理、后端配置与显存监控。
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。
连接 Ollama 本地大模型到 MCP 客户端，便于查看模型并发起问答
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。