"让AI大模型读取和分析本地文件（Word/Excel/PDF/Markdown/代码等）的方法" matching MCP tools:

• list_my_signupsA

  独行录 / opcmenuA

  【需要登录】【何时用】用户问「我报过哪些 / 那个赛事结果出来没 / 主办方回我了吗」时调它。一次给全：我报过的所有场次（最多 50 条，新的在前）＋ 每一场的投递状态与**主办方处置结果**（reviewStatus：PENDING（待初审） | REVIEWING（初审中） | SHORTLISTED（已入围） | WAITLIST（候补） | REJECTED（未通过） | WITHDRAWN（已撤回））＋ 主办方留言 reviewNote。App 上这是「我的报名」那一屏。 【组合链】看到某场 reviewStatus=SHORTLISTED 或 reviewNote 里要求补材料 → get_signup_activity(slug) 看还缺哪几题 → submit_signup(slug) 补交（重新提交会覆盖上一版）。想一次盘所有在报的场次还缺什么 → get_signup_gaps。 【口径/坑】① 默认**不返回答案全文**（50 条里全是本人的手机号/微信/证件字段，没必要整份灌进上下文），只给答了哪几题的 key 列表；确实要看内容再传 includeAnswers=true。② submission.status（SUBMITTED/DELIVERED/DELIVERY_FAILED…）是「有没有投递到源表单」，reviewStatus 才是「主办方录不录你」——两者严格分离，别混着念。③ DELIVERY_FAILED 不是「你被拒了」，是代填投递没成功，让用户去报名页手动补交。④ PENDING 只是主办方还没处置，不代表落选。

  ConnectorNo auth

• zhini_list_tagsA

  知你AI助手｜多平台客户与客服数据 MCPA

  分页获取标签列表，用于在已知标签分组 ID 时列出该分组下的标签，并为客户搜索或历史会话搜索提供 tag_id。page 从 1 开始；page_size 最大 20。前置：可先调用 zhini_list_tag_groups 获取分组；如果用户只提供标签中文名，优先调用 zhini_search_tags 解析 tag_id。后续：拿到 tag_id 后可调用 zhini_search_customers 或 zhini_search_sessions。

  ConnectorOAuth

• zhini_search_customersA

  知你AI助手｜多平台客户与客服数据 MCPA

  搜索客户通讯录，用于根据客户名、手机号、微信号、客服、负责人、明确标签、渠道、性别、联系人类型或时间范围完整召回符合条件的客户 UID。用户只要求查询当天或某个时间范围内咨询过的客户时，默认查询当前授权账号关联的所有渠道范围，不代表当前调用客服本人接待或回复过；除非用户明确说“我处理过、我接待过、我回复过、归属于我”或指定某客服/渠道，否则不要自动传 kfid、pic_kfids 或 channel_id。用户要求查询某天或某段时间内的全部用户、包括会话已经结束/关闭的用户时，应使用本工具分页查询，不能用 zhini_list_active_sessions 代替。重要边界：自然语言中的“XXX 用户/客户”默认是业务语义或筛选条件，不应自动转换为 tag_id。可由名称、时间、渠道、客服等结构化字段表达的条件直接使用本工具；必须根据聊天内容判断的条件，应结合 zhini_search_sessions 和 zhini_fetch_messages 识别。只有用户明确要求某标签或上下文已有 tag_id 时才按标签筛选，且 tag_id 只覆盖已标注客户。用户给客户姓名/手机号/微信号时先用本工具召回候选客户；如果匹配多个客户，应让用户确认。用户明确给出标签名、渠道名、客服名时，应先分别调用 zhini_search_tags、zhini_list_channels、zhini_list_kefu 解析 ID。禁止空条件拉全量；page 从 0 开始；page_size 最大 20。后续：拿到 uid 后通常调用 zhini_get_customer_profile 或 zhini_fetch_messages。

  ConnectorOAuth

• zhini_list_tagsA

  知你客服A

  分页获取标签列表，用于在已知标签分组 ID 时列出该分组下的标签，并为客户搜索或历史会话搜索提供 tag_id。page 从 1 开始；page_size 最大 20。前置：可先调用 zhini_list_tag_groups 获取分组；如果用户只提供标签中文名，优先调用 zhini_search_tags 解析 tag_id。后续：拿到 tag_id 后可调用 zhini_search_customers 或 zhini_search_sessions。

  ConnectorOAuth

• zhini_search_customersA

  知你客服A

  搜索客户通讯录，用于根据客户名、手机号、微信号、客服、负责人、明确标签、渠道、性别、联系人类型或时间范围完整召回符合条件的客户 UID。用户只要求查询当天或某个时间范围内咨询过的客户时，默认查询当前授权账号关联的所有渠道范围，不代表当前调用客服本人接待或回复过；除非用户明确说“我处理过、我接待过、我回复过、归属于我”或指定某客服/渠道，否则不要自动传 kfid、pic_kfids 或 channel_id。用户要求查询某天或某段时间内的全部用户、包括会话已经结束/关闭的用户时，应使用本工具分页查询，不能用 zhini_list_active_sessions 代替。重要边界：自然语言中的“XXX 用户/客户”默认是业务语义或筛选条件，不应自动转换为 tag_id。可由名称、时间、渠道、客服等结构化字段表达的条件直接使用本工具；必须根据聊天内容判断的条件，应结合 zhini_search_sessions 和 zhini_fetch_messages 识别。只有用户明确要求某标签或上下文已有 tag_id 时才按标签筛选，且 tag_id 只覆盖已标注客户。用户给客户姓名/手机号/微信号时先用本工具召回候选客户；如果匹配多个客户，应让用户确认。用户明确给出标签名、渠道名、客服名时，应先分别调用 zhini_search_tags、zhini_list_channels、zhini_list_kefu 解析 ID。禁止空条件拉全量；page 从 0 开始；page_size 最大 20。后续：拿到 uid 后通常调用 zhini_get_customer_profile 或 zhini_fetch_messages。

  ConnectorOAuth

• ml_dsa_signA

  CipherHUB Cryptography ToolkitA

  [pqc_signature] 使用 ML-DSA 私钥对消息签名（FIPS 204）。 【双模式】sign_mode 支持 RAW（默认）和 EXTERNAL_MU 两种模式。 - RAW 模式：直接签名原始消息（liboqs，最大 256 字节） - EXTERNAL_MU 模式：先计算 mu = SHAKE-256(tr||M', 64)，再通过 OpenSSL 3.5+ mu 模式签名（最大 2048 字节），与 AWS KMS ML-DSA EXTERNAL_MU 语义等价 【消息长度策略】 - RAW：最大 256 字节，空消息合法 - EXTERNAL_MU：最大 2048 字节，空消息合法 - > 256 且 <= 2048 字节：使用 EXTERNAL_MU - > 2048 字节：拒绝 【算法】algorithm 支持 ML-DSA-44 / ML-DSA-65（默认）/ ML-DSA-87。 【参数】 - private_key_in_hex：ml_dsa_keygen 返回的私钥 hex - public_key_spki_in_hex：EXTERNAL_MU 模式必填，ml_dsa_keygen 返回的公钥 hex（SPKI DER） - message_in_hex：待签消息 hex - context_in_hex：可选上下文 hex（最大 255 字节） - sign_mode：RAW 或 EXTERNAL_MU（默认 RAW） 【输出】signature_in_hex、signature_in_base64、algorithm、message_bytes、signature_bytes。

  ConnectorNo auth

• search_taiwan_judgmentsA

  taiwan-lawA

  即時使用司法院裁判書系統搜尋公開裁判，不保存裁判內容。結果按法院層級排序（最高→高等→地方），每筆含法院、案件類型、日期、案由。查特定案號請用 case_word + case_number（例：114年度上易字第503號 → case_word=上易, case_number=503, year_from=114），不要放進 query。main_text 以裁判主文措辭篩選輸贏方（例：「被告應給付」= 被告敗訴、「原告之訴駁回」= 原告敗訴、「上訴駁回」= 維持原審），可與 query 併用。若同時使用語意／概念式檢索工具，建議兩軌並行後以司法院 JID 合併去重，JID 皆命中者優先；沒有 JID 的候選結果僅供瀏覽，不得直接引為法院見解。

  ConnectorNo auth

• set_my_chat_openerA

  独行录 / opcmenuA

  【需要登录】【何时用】这是**纯文案活，正是 agent 最该替用户干的事**：读一遍他的「我能提供什么」和产品，替他写一句像真人说的开场白。 【这句话会自动发出去】别人点「找 TA 聊聊」时，服务端会**替你自动发出这一句**作为第一条消息（只在新建会话时发一次，不会刷屏）。所以它是一条**自动广播通道**，不是一条普通私信。 【怎么写】朴素、具体、不做当场能被戳穿的断言。三条硬规矩：① 不写「我懂你想要什么」这类你按按钮那刻根本不知道的话，对方回一句「那你说说」就穿帮；② 不用对仗押韵金句——顺口正是模板和 AI 文案的指纹；③ 说清「我从哪儿看到你的」，这是真的、可验证的，也天然给了对方话头。**不许出现任何「我是 AI 助手 / 自动发送」之类的标识**（产品口径：这就是他本人说的第一句话）。 【组合链】get_my_card（读 canOffer / 产品）→ 本工具写 → get_my_chat_opener 复核 → 之后 start_conversation 开的每个新会话都会自动带上它。传 null 或空串 = 恢复全站默认。 【口径/坑】 · 上限 120 字，超了报 chat_opener_too_long（400，终态，改短再提）。 · **不许夹联系方式和外链**：手机号 / 微信号 / QQ / 邮箱 / http 链接一律拒（chat_opener_has_contact）。这是自动广播面，放开就成了「加我微信卖课」的免费群发口。要换联系方式走双同意的 request_contact_exchange。 · 过敏感词闸（与私信同一把尺），命中报 content_rejected（400，终态，换写法，别原样重试）。

  ConnectorNo auth

• subcontract_opportunitiesA

  tendersA

  分包機會：大型企業得標後，決標公告會登記「預估分包予中小企業之金額」（採購法第 67 條允許分包，第 65 條禁止轉包）。 中小企業可以用來找上游：哪些大廠剛標到大案、預計要分多少出來，附得標廠商在決標公告登記的電話地址。 mode="list"（預設）：有預估分包的決標案，q 比對案名／機關／得標廠商（空白＝且、OR＝或、-詞＝排除），region 縣市、 category 工程類／財物類／勞務類，sort=date（新到舊）／amount（分包金額）／rate（分包比例）。 mode="leaders"：常分包的大廠排行（期間內預估分包總額）；mode="units"：大廠得標案分包最多的機關； mode="vendor"：一家廠商（vendor 給正式全名）的分包紀錄。days 期間，預設 365。 注意：這是決標時的預估值，實際分包以契約為準；只記大型企業分給中小企業的部分。

  ConnectorNo auth

• preview_cooperation_shareA

  独行录 / opcmenuA

  【何时用】用户手上有一条 43 位分享 token（或 /cooperation/share/<token> 这样的链接）想先看看内容——**匿名也能读**，读完不留访问记录、不通知作者。【组合链】看完想留档或表达意向：redeem_cooperation_share（会留一条兑换记录）→ send_cooperation_interest 给作者发一条意向私信；未登录先去 https://opcmenu.com/connect 拿密钥。【口径】返回的是创建分享那一刻的**冻结快照**，作者后来改了方案这里不会变，也不含联系方式、引用资源和附件；已撤销/已过期/作者已注销一律报错，别换大小写重试。

  ConnectorNo auth

• get_my_signup_profileA

  独行录 / opcmenuA

  【需要登录】【何时用】用户问「你们存了我哪些报名信息 / 我的微信号存的是哪个」时调它。返回跨表单复用层（报名时自动带出来的那层）里**他本人**存着的全部答案。四端都没有这一屏。 【组合链】本工具看现状 → update_my_signup_profile 改 → forget_my_signup_answers 删。 【口径/坑】① 这里是**他本人的资料**，含手机号/微信号/邮箱明文：只回给他本人，**不许转述给第三方、不许写进任何对外文本**（发给别人的自我介绍、报名答案之外的地方都不行）。② 敏感题（证件号）不做跨表单记忆，本来就不在这层。③ isFile=true 的行只给文件名，不给文件地址。④ 这层**不是**主页/公司资料，改它不影响个人主页。

  ConnectorNo auth

• estimate_costA

  LLM AbacusA

  估算一段文本或指定 token 数在某个大模型上的**输入侧**调用成本，以人民币 ¥ 计价。text_or_tokens 支持两种模式：传自然语言文本时自动估算 token 数（中文按字符、英文按词分别计），传纯数字字符串时直接作为已知 token 数使用。返回：所用估算方法、token 数、按原价计的输入成本；若该模型提供缓存输入价，另给出缓存命中成本、相对原价的节省百分比与倍数差价；末尾附该模型的输入 / 输出 / 缓存输入单价（每百万 tokens）。⚠️ 本工具只计算输入成本，不含输出 token 费用——要估算完整往返成本，需另取输出单价自行相加。

  ConnectorNo auth

• ziwei_readingA

  FateStar ZiweiA

  调 FateStar「郑大钱」AI 命理师 —— 知识引擎 + 郑大钱人格深度解读命盘、回答命理问题 (感情/事业/财运/健康等)。解读会结合 FateStar 知识引擎与古籍检索上下文；排盘事实仍由确定性工具提供。【调用条件】仅在用户明确选择托管解读并确认可能扣积分后调用。普通命理问题默认先用免费排盘数据。⚠️ 付费: 按问题长度/模式扣积分 (短问免费), 需 FSFSKey 开发者 Key。【没 Key】引导用户去 https://www.fatestar.top 注册免费会员 → 做新手任务领积分 → 开发者中心拿 FSFSKey Key → 配进 MCP (环境变量 FATESTAR_API_KEY 或 apiKey 参数)。【积分用完 (402)】告知用户「已切回你自己的 LLM 解读, 请去 fatestar.top 充值或等北京时间 21:00 免费重置」, 然后改用 ziwei_chart 拿命盘数据 + 你自己解读。

  ConnectorNo auth

• get_taiwan_interpretationA

  taiwan-lawA

  取得釋字（第 1-813 號）或憲判字（111 年起）內容，來自官方公告文書的本地快照，即時回應。預設回傳字號/日期/爭點/解釋文等精簡層；理由書與意見書需 opt-in：優先用 reasoning_keyword / opinions_keyword 取關鍵字片段（省 token），確有需要才用 include_* 取全文（超過 15000 字會截斷並警告）。

  ConnectorNo auth

• get_my_guest_profileA

  独行录 / opcmenuA

  【需要登录】【何时用】改嘉宾资料之前先读现值：还差哪几项（missing）、照片抠图到哪了、算不算填完。本人首次打开会用主页资料预填空项（所以不是纯只读）。 【组合链】list_my_invitations / respond_activity_invitation 拿 guestId → 本工具 → update_my_guest_profile 一次写完。 【口径】返回不含联系方式原文，只给 hasContact + contactMode（哪怕是本人自己的，也不让它落进对话上下文）。

  ConnectorNo auth

• get_organizer_ticketingA

  独行录 / opcmenuA

  【需要登录】【何时用】主办方问「这场是收费的吗 / 线上参会开着没 / 卖了多少张」。get_organizer_activity 的「完整配置」**不含**这组字段，要读这里。 【组合链】本工具读现值 → update_organizer_ticketing 改 → 再读一次核对。 【口径/坑】① 剩余席位这里给不了：只给 soldSeats（按**座**不按票），capacity 去 get_organizer_activity 取，自己相减。② tickets 里 phoneMasked 是打码值，note 里夹带的手机号也已就地打码——都不是联系方式，note 还可能带别的私人信息，别整段复述给第三方。③ 名单单独兜错：没权限时 tickets=null 而不是整条失败。

  ConnectorNo auth

• get_lookup_optionsA

  IT桔子 MCPA

  查询小型字典选项，用于把自然语言条件映射为ID，例如行业、子行业、融资轮次、省份、发展阶段、机构类型、公司资质和死亡原因。不传 lookup_type 时只返回字典类型和数量摘要。标签数量较大，不要用本工具获取标签全集；赛道或标签词映射请调用 search_tags。

  ConnectorNo auth

• get_stock_historyA

  lianban-a-share-reviewA

  查询个股涨停史与龙虎榜史: 返回历史全量的总量/今年/分年计数(涨停自2020年、龙虎榜自2016年), 逐条明细(日期/连板高度/涨停原因/净买额/游资席位)仅给最近约30个交易日内, 更早的逐日明细见该股网页 /gu/<代码>.html。支持6位代码或中文名称。查某日大盘复盘请改用 get_daily_review。引用请署名“连板网”并附对应页面链接。

  ConnectorNo auth

• enterprise_change_violation_illegalA

  SupplyGraph.AI DataC

  基于具体企业名称，按企业查询企业风险方面的周期变化，用于查询失信限高、行政处罚、经营异常、欠税及许可被撤销吊销等。不用于关键自然人个人风险排查，也不用于劳动仲裁等合规诉讼专项。 涉及指标/类型：是否直接被限制高消费；是否被直接认定为失信被执行人；在过去一年内被直接认定为失信被执行人的记录有哪些；在过去一年内被直接认定为被执行人的记录有哪些；在过去一年内直接作为被告涉及到的民事案件有哪些；在过去一年内直接作为被告涉及到的执行案件有哪些；在过去一年内直接作为被告涉及到的刑事案件有哪些；是否存在土地抵押的情况；是否存在动产抵押的情况；是否有税收违法行为；是否存在社保逾期缴纳的情况；是否存在严重违法失信行为等 不包含：非本分类指标；按园区/产业链批量筛企业名单 典型问法：中国比亚迪股份有限公司是否直接被限制高消费；美国Tesla, Inc.是否被直接认定为失信被执行人；日本丰田自动车株式会社在过去一年内被直接认定为失信被执行人的记录有哪些 Pricing: {"unit": "credits", "billing_model": "per_run", "per_run": 300, "unit_description": "optional"}

  ConnectorNo auth

• enterprise_change_violation_illegalA

  SupplyGraph.AI.DaasmartC

  基于具体企业名称，按企业查询企业风险方面的周期变化，用于查询失信限高、行政处罚、经营异常、欠税及许可被撤销吊销等。不用于关键自然人个人风险排查，也不用于劳动仲裁等合规诉讼专项。 涉及指标/类型：是否直接被限制高消费；是否被直接认定为失信被执行人；在过去一年内被直接认定为失信被执行人的记录有哪些；在过去一年内被直接认定为被执行人的记录有哪些；在过去一年内直接作为被告涉及到的民事案件有哪些；在过去一年内直接作为被告涉及到的执行案件有哪些；在过去一年内直接作为被告涉及到的刑事案件有哪些；是否存在土地抵押的情况；是否存在动产抵押的情况；是否有税收违法行为；是否存在社保逾期缴纳的情况；是否存在严重违法失信行为等 不包含：非本分类指标；按园区/产业链批量筛企业名单 典型问法：中国比亚迪股份有限公司是否直接被限制高消费；美国Tesla, Inc.是否被直接认定为失信被执行人；日本丰田自动车株式会社在过去一年内被直接认定为失信被执行人的记录有哪些 Pricing: {"unit": "credits", "billing_model": "per_run", "per_run": 300, "unit_description": "optional"}

  ConnectorNo auth

• xhs_pgy_get_note_detail_by_note_idA

  SocialDataX 小红书 Xiaohongshu XHS RedNote MCPA

  根据 note_id 获取小红书蒲公英单篇笔记商业增强详情，包括正文、图片或视频摘要、作者、曝光量、阅读量、互动量和图文/视频报价。 仅适用于已入驻蒲公英博主的笔记；用户明确要求蒲公英商业数据时使用，普通笔记详情使用普通详情工具。 用户只提曝光量、阅读量或报价且上下文未明确蒲公英口径时，先澄清商业口径和成功 20 积分的费用；上下文已明确时不重复确认。 这是蒲公英商业口径数据，不等同普通公开笔记详情；成功调用扣减 20 积分，失败不扣费。 查询明确无商业数据时按博主未入驻蒲公英处理，返回 pgy_commercial_data_unavailable，不换 ID/链接入口重试；超时、鉴权和余额不足等错误不表示未入驻。

  ConnectorNo auth