使用说明
Coral TPU MCP服务器
Google Coral TPU集成用于边缘ML推理。
部分 代理系统 -具有持久内存的24/7自主AI框架。
使用Google Coral Edge TPU对代理系统进行快速本地ML推理。
特性
- 图像分类：1000个带有MobileNet/EfficientNet的ImageNet类
- 视觉嵌入：生成图像相似性的嵌入
- 文本嵌入：基于CPU的小型模型文本嵌入
- 重要性评分：对内存重要性进行评分以确定优先级
- 异常检测：检测数据模式中的异常
- 人脸检测：检测图像中的人脸
MCP工具
| 工具 | 说明 |
|---|---|
classify_image |
使用MobileNet V2对图像进行分类 |
get_visual_embedding |
为图像生成视觉嵌入 |
get_text_embedding |
生成文本嵌入（CPU） |
score_importance |
分数记忆重要性（0-1） |
detect_anomaly |
检测数据中的异常 |
detect_faces |
检测图像中的人脸 |
模型
mobilenet_v2-图像分类（224x224输入）efficientnet_s-视觉嵌入和分类face_detection-人脸检测模型
需求
- Python 3.10+
- 谷歌珊瑚边缘TPU USB加速器
- pycoral和tflite运行时
- mcp SDK
安装
pip install -e .
用法
python -m coral_tpu_mcp.server
硬件
需要Google Coral Edge TPU（USB或PCIe）以加速推理。回退到CPU进行文本嵌入。
整合
为以下对象提供快速的本地推理：
- 记忆重要性评分
- 视觉事件编码
- 基于图像的上下文理解
许可证
麻省理工学院
MCP生态系统的一部分
该服务器与其他MCP服务器集成，以实现全面的AGI功能：
| 服务器 | 用途 |
|---|---|
| 增强记忆mcp | 语义搜索的四层持久记忆 |
| 代理运行时mcp | 持久任务队列和目标分解 |
| agi mcp | 使用21个工具进行完整的AGI编排 |
| 集群执行mcp | 跨节点的分布式任务路由 |
| 节点聊天mcp | 节点间AI通信 |
| 恩伯·麦克普 | 仅生产政策执行 |
看 代理系统oss 对于完整的框架。
