ai.smithery/minionszyw-bazi
AI 与智能体by minionszyw
根据出生信息生成八字命盘，探索 Four Pillars、节气与 Luck Pillars，辅助进行命理解读。
什么是 ai.smithery/minionszyw-bazi？
根据出生信息生成八字命盘，探索 Four Pillars、节气与 Luck Pillars，辅助进行命理解读。
README
八字排盘工具
这是一个基于Python的八字辅助工具，可以计算八字、节气信息和大运信息。
功能特性
- 八字计算（年柱、月柱、日柱、时柱）
- 真太阳时校正
- 节气信息计算
- 大运信息计算
- 农历转换
- 农历出生时间显示为真太阳时校正后的时间
安装依赖
pip install -r requirements.txt
直接运行
python mcp_server.py
默认情况下，服务将在 http://localhost:8001/mcp 上运行。
启动MCP服务
使用Docker（推荐）
docker-compose up --build
默认情况下，服务将在 http://localhost:8001/mcp 上运行。
如果从宿主机访问Docker容器中的服务，使用以下地址：
- Windows/Linux/macOS:
http://host.docker.internal:8001/mcp
MCP客户端调用
MCP服务提供了一个名为 bazi 的工具，可以计算八字信息。该工具接受以下参数：
name(str): 姓名gender(str): 性别 ('男' 或 '女')calendar(str): 日历类型 ('公历' 或 '农历')year(int): 出生年份month(int): 出生月份day(int): 出生日期hour(int): 出生小时 (0-23)minute(int): 出生分钟 (0-59)birth_city(str): 出生城市current_city(str, 可选): 当前居住城市
项目结构
bazi/
├── mcp_server.py # MCP服务端
├── bazi_tool.py # 八字计算工具
├── query_longitude.py # 查询经度
├── region.json # 城市经纬度数据
├── README.md # 项目说明
示例输出
=== 张三的八字信息 ===
姓名：张三
性别：男 (乾造)
出生时间：
公历：[年份]年[月份]月[日期]日[小时]:[分钟]
农历：[年份]年[月份]月[日期]日[小时]:[分钟] (非闰月)
出生城市：[城市名]([经度]°E)
现居城市：[城市名]
八字信息：[年柱] [月柱] [日柱] [时柱]
节气信息：生于[节气1]节气后[天数]天，[节气2]节气前[天数]天
大运信息：[阴阳]男，[顺排/逆排]，起运时间[年数]年[月数]月，[起运年龄]岁起运
常见问题
ai.smithery/minionszyw-bazi 是什么？
根据出生信息生成八字命盘，探索 Four Pillars、节气与 Luck Pillars，辅助进行命理解读。
相关 Skills
Claude接口
by anthropics
面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景，自动识别项目语言并给出对应示例与默认配置，快速搭建 LLM 应用。
✎ 想把Claude能力接进应用或智能体，用claude-api上手快、兼容Anthropic与Agent SDK，集成路径清晰又省心
RAG架构师
by alirezarezvani
聚焦生产级RAG系统设计与优化，覆盖文档切块、检索链路、索引构建、召回评估等关键环节，适合搭建可扩展、高准确率的知识库问答与检索增强应用。
✎ 面向RAG落地，把知识库、向量检索和生成链路系统串联起来，做架构设计时更清晰，也更少踩坑。
计算机视觉
by alirezarezvani
聚焦目标检测、图像分割与视觉系统落地，覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案，适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。
✎ 把目标检测、图像分割到推理部署串成完整工程链路，主流框架与 YOLO、DETR、SAM 等方案都覆盖，落地视觉 AI 会省心很多。
相关 MCP Server
顺序思维
编辑精选by Anthropic
Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。
✎ 这个服务器展示了如何让 Claude 像人类一样逐步推理，适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例，别指望直接用在生产环境里。
知识图谱记忆
编辑精选by Anthropic
Memory 是一个基于本地知识图谱的持久化记忆系统，让 AI 记住长期上下文。
✎ 帮 AI 和智能体补上“记不住”的短板，用本地知识图谱沉淀长期上下文，连续对话更聪明，数据也更可控。
PraisonAI
编辑精选by mervinpraison
PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。
✎ 如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务（比如自动研究或代码生成），PraisonAI 的低代码设计和多平台集成（如 Telegram）让它上手极快。但作为非官方项目，它的生态成熟度可能不如 LangChain 等主流框架，适合愿意尝鲜的开发者。