O que qdrant-neo4j-crawl4ai-mcp faz?
🧠 Aprimore a coordenação de IA com o servidor MCP Qdrant Neo4j Crawl4AI, combinando busca vetorial, grafos de conhecimento e inteligência web para desempenho ideal.
🧠 Aprimore a coordenação de IA com o servidor MCP Qdrant Neo4j Crawl4AI, combinando busca vetorial, grafos de conhecimento e inteligência web para desempenho ideal.
Este servidor MCP (Model Context Protocol) integra três sistemas poderosos: Qdrant para busca semântica vetorial, Neo4j para armazenamento e consulta de grafos de conhecimento, e Crawl4AI para extração inteligente de dados da web. Ele permite que agentes de IA, como Claude Code, Cursor ou Codex, realizem buscas híbridas (vetorial + gráfica), enriqueçam seu contexto com informações web frescas e armazenem conhecimento estruturado para interações futuras. Ao combinar essas capacidades, o skill oferece uma base robusta para aplicações de coordenação de IA, como agentes autônomos de pesquisa, chatbots com memória de longo prazo e sistemas de recomendação baseados em grafos. Suporta múltiplas plataformas através do protocolo MCP padrão, facilitando sua integração em workflows de desenvolvimento e automação.
npx skills add Hyperkorn/qdrant-neo4j-crawl4ai-mcpInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
🧠 Aprimore a coordenação de IA com o servidor MCP Qdrant Neo4j Crawl4AI, combinando busca vetorial, grafos de conhecimento e inteligência web para desempenho ideal.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.