Трендовые AI-проекты GitHub и MCP-серверы
Каталог самых полезных проектов с открытым кодом для работы с нейросетями. Простое объяснение сути, практическая польза и готовые конфиги для подключения к Claude Desktop, Cursor и ИИ-агентам.
REA (Reverse Engineer Anything)
morluto/reaMCP-сервер и набор инструментов для ИИ-агентов (Claude, Cursor, Codex), позволяющий исследовать архитектуру приложений, реверс-инжинирить нативные бинарники, Android APK, Electron и веб-приложения без прямого доступа к исходному коду.
Позволяет ИИ понимать, как устроены чужие закрытые программы, протоколы и API, анализировать ассемблерный код, трассировать вызовы и восстанавливать логику.
Добавьте в файл конфигурации Claude Desktop (claude_desktop_config.json) или Cursor Settings → MCP.
{
"mcpServers": {
"rea": {
"command": "npx",
"args": [
"-y",
"rea-agents",
"mcp"
]
}
}
}Browser-Use
browser-use/browser-useБиблиотека и агент, позволяющий нейросетям напрямую управлять веб-браузером: кликать по кнопкам, заполнять формы, авторизовываться и собирать данные с любых сайтов.
Вы просто даете задание обычными словами (например: «Найди дешевые билеты из Москвы в Стамбул и составь таблицу»), а ИИ сам открывает браузер и кликает по страницам.
Установите пакет через pip и передайте задачу в объект Agent с вашей LLM.
from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
async def main():
agent = Agent(
task="Найди на GitHub трендовые репозитории по MCP и сохрани в файл",
llm=ChatOpenAI(model="gpt-4o"),
)
await agent.run()
asyncio.run(main())Crawl4AI
unclecode/crawl4aiСверхбыстрый краулер и веб-скрапер, оптимизированный специально для LLM. Очищает сайты от мусора, баннеров и меню, отдавая чистейший структурированный Markdown.
Обычные парсеры возвращают гигабайты HTML-тегов, сжигая контекстное окно модели. Crawl4AI извлекает только полезную суть текста, таблицы и списки.
Запустите скрипт на Python или разверните как MCP-сервер для получения актуальной информации из веба.
import asyncio
from crawl4ai import AsyncWebCrawler
async def main():
async with AsyncWebCrawler(verbose=True) as crawler:
result = await crawler.arun(url="https://news.ycombinator.com")
print(result.markdown[:1000])
asyncio.run(main())Ollama
ollama/ollamaСамый простой инструмент для запуска открытых нейросетей (DeepSeek-R1, Llama 3.3, Mistral, Qwen) локально на вашем компьютере с macOS, Windows или Linux.
Полная конфиденциальность: ваши данные и переписки никогда не уходят на чужие серверы. Работает полностью оффлайн на вашей видеокарте или процессоре.
Скачайте установщик с ollama.com или запустите команду в терминале для немедленного диалога.
ollama run deepseek-r1:8bOfficial MCP Reference Servers
modelcontextprotocol/serversОфициальный эталонный репозиторий Anthropic с готовыми MCP-серверами: работа с локальной файловой системой, GitHub, Postgres, SQLite, Slack, Google Drive и Fetch.
Дает ИИ безопасный доступ к вашим локальным папкам, чтению баз данных и управлению репозиториями без написания стороннего кода.
Вставьте фрагмент в конфигурационный файл claude_desktop_config.json или настройки Cursor/Windsurf.
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"C:/Projects"
]
},
"fetch": {
"command": "uvx",
"args": [
"mcp-server-fetch"
]
}
}
}FastMCP
jlowin/fastmcpФреймворк для создания собственных MCP-серверов на Python за 2 минуты с помощью простых декораторов `@mcp.tool()`. Похож на FastAPI, но для ИИ-инструментов.
Любая ваша функция на Python с тайп-хинтами автоматически превращается в готовый инструмент, который понимает Claude или Cursor.
Сохраните код в server.py и запустите через `fastmcp dev server.py` или зарегистрируйте в Claude Desktop.
from fastmcp import FastMCP
mcp = FastMCP("MyAssistantTools")
@mcp.tool()
def calculate_vat(amount: float, rate: float = 22.0) -> float:
"""Вычисляет сумму НДС по заданной ставке."""
return round(amount * (rate / 100), 2)
if __name__ == "__main__":
mcp.run()Open WebUI
open-webui/open-webuiПремиальный, красивый интерфейс для общения с нейросетями в стиле ChatGPT, работающий локально. Поддерживает Ollama, OpenAI-совместимые API, загрузку документов (RAG) и голосовой ввод.
Полноценная замена платной подписке ChatGPT для команды или дома, с историей чатов, профилями моделей и RAG прямо из коробки.
Запустите команду в Docker и откройте http://localhost:3000 в браузере.
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:mainMem0 (The Memory Layer for AI)
mem0ai/mem0Универсальный слой долговременной памяти для ИИ-агентов. Запоминает предпочтения пользователя, предыдущие сессии и факты, избавляя от необходимости повторять контекст.
Нейросеть перестает «страдать амнезией» между разными сессиями и помнит ваш стек, любимый стиль кодинга и бизнес-правила.
Импортируйте библиотеку в агентный пайплайн и вызывайте memory.add() и memory.search().
from mem0 import Memory
m = Memory()
# Сохранить факт о пользователе
m.add("Пользователь предпочитает Astro 5 и Tailwind CSS", user_id="rashid")
# Получить релевантный контекст перед ответом
memories = m.get_all(user_id="rashid")
print(memories)OpenHands (ex-OpenDevin)
All-Hands-AI/OpenHandsАвтономный программный агент-инженер с открытым исходным кодом. Умеет читать репозиторий, планировать задачи, писать код, запускать тесты и исправлять собственные ошибки.
Вы можете поручить агенту починить баг в репозитории или написать фичу, пока вы занимаетесь другими делами.
Запустите контейнер Docker и перейдите в веб-интерфейс на порту 3000.
docker run -it --rm -p 3000:3000 -v /var/run/docker.sock:/var/run/docker.sock ghcr.io/all-hands-ai/openhands:latestCline (Autonomous VS Code Agent)
cline/clineАвтономный помощник в VS Code, который не просто подсказывает код, но может создавать и редактировать файлы, выполнять команды в терминале и запускать MCP-инструменты.
Работает с любыми моделями (Claude 3.7 Sonnet, DeepSeek-R1, локальная Llama через Ollama), запрашивает подтверждение перед каждым опасным действием.
Установите расширение Cline в VS Code через Marketplace или команду выше.
code --install-extension saoudrizwan.claude-devDify
langgenius/difyВизуальная open-source платформа для сборки ИИ-приложений, мультиагентных систем и RAG. Включает визуальный редактор пайплайнов, базу знаний и интеграцию с сотнями моделей.
Позволяет собрать сложного бота или ассистента со знаниями компании без написания сложного бэкенда за несколько кликов.
Склонируйте репозиторий и поднимите стек через Docker Compose.
git clone https://github.com/langgenius/dify.git && cd dify/docker && docker compose up -dvLLM
vllm-project/vllmВысокопроизводительный сервер инференса и отдачи открытых моделей с технологией PagedAttention. В 10–20 раз быстрее стандартных решений на GPU.
Стандарт индустрии для хостинга открытых нейросетей на собственных серверах с поддержкой API OpenAI.
Запустите команду для поднятия локального сервера с эндпоинтом /v1/chat/completions.
pip install vllm && python -m vllm.entrypoints.openai.api_server --model Qwen/Qwen2.5-Coder-7B-InstructComposio
ComposioHQ/composioЭкосистема интеграций для ИИ-агентов. Предоставляет свыше 250 готовых коннекторов (GitHub, Slack, Google Calendar, Jira, Notion) с поддержкой аутентификации и авторизации.
Решает сложную задачу авторизации и OAuth2, позволяя агентам безопасно работать от имени пользователя с внешними сервисами.
Установите SDK и вызовите `composio add github` для мгновенного подключения инструментов к вашему агенту.
pip install composio-coreAgent Skills (skills.sh)
anthropics/skillsОткрытый каталог и стандарт поведенческих навыков (`SKILL.md`) для ИИ-агентов (Claude Code, Cursor, Windsurf, Codex), расширяющий их возможности готовыми экспертными сценариями.
Позволяет одной командой научить вашего ИИ-ассистента лучшим практикам (React, AppSec, UI-UX, Docker, E2E тесты) без ручного написания промптов.
Используйте утилиту `npx skills add <owner/repo@skill> -y --copy` для добавления готовых навыков в ваш проект.
npx skills find reactRAGFlow
infiniflow/ragflowДвижок RAG нового поколения, основанный на глубоком визуальном и структурном понимании сложных документов (PDF с таблицами, Word, презентации, сканы).
Обычные RAG ломаются на сложных таблицах и формулах в PDF. RAGFlow корректно извлекает таблицы и связывает заголовки со смыслом.
Разверните официальный docker-compose стек RAGFlow и загрузите корпоративные документы.
docker compose -f docker-compose.yml up -dAgno (ex-Phidata)
agno-agi/agnoЛегковесный и мощный фреймворк для создания мультимодальных агентов с памятью, базой знаний и инструментами. В 10 раз быстрее и проще LangChain.
Идеален для создания небольших, быстрых и понятных ассистентов без оверинжиниринга и избыточных абстракций.
Установите пакет через pip и создавайте агентов в несколько строк чистого Python-кода.
from agno.agent import Agent
from agno.models.openai import OpenAIChat
agent = Agent(
model=OpenAIChat(id="gpt-4o"),
description="Вы ведущий системный инженер",
markdown=True
)
agent.print_response("Объясни устройство протокола MCP за 3 предложения.")