Devhan Dod MCP

MCP运维云端

提供方 DevhanDod

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一款基于多层感知机(MLP)神经网络的Web应用,通过生活习惯和生理因素预测月经周期日期。

一句话选型结论

按资料字段整理

Devhan Dod MCP 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

月经健康Python本地部署神经网络Web应用本地处理机器学习

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python -m http.server 8000

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Devhan Dod MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方DevhanDod上游标注的维护方 DevhanDod
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.6 KB
来自项目仓库与上游目录的原文,未做删改

MCP - Menstrual Cycle Prediction

A web-based application that uses a Multi-Layer Perceptron (MLP) neural network to predict menstrual cycle dates based on lifestyle and physiological factors.

🌐 Live Demo: https://devhandod.github.io/MCP/

Features

  • 🧠 AI-Powered: MLP neural network trained on lifestyle factors
  • 🌐 Runs in Browser: No server required - uses Pyodide (Python in WebAssembly)
  • 📱 Responsive: Works on desktop and mobile
  • 🔒 Privacy-First: All processing happens locally in your browser
  • 📄 Multi-Page UI: Form and results on separate views

How It Works

The application runs entirely in your browser using Pyodide (Python compiled to WebAssembly):

  1. User visits the page
  2. Pyodide loads Python runtime (~5MB)
  3. scikit-learn and dependencies load (~15MB)
  4. ML model trains in the browser (~3 seconds)
  5. Ready to make predictions! ✅

Input Features

Category Fields
Personal Age, Weight (kg), Height (m) → BMI calculated
Lifestyle Stress Level (1-10), Sleep Hours, Exercise Frequency, Diet
Cycle Info Cycle Length, Period Length, Symptoms, Last Cycle Start Date

Model Architecture```

Input Layer (6 numerical + 3 categorical features)
↓
Hidden Layer 1 (32 neurons, ReLU)
↓
Hidden Layer 2 (16 neurons, ReLU)
↓
Output Layer (1 neuron → days until next period)


- **Framework**: scikit-learn MLPRegressor
- **Training**: 500 samples, 80/20 train/test split
- **Optimization**: Adam optimizer, early stopping

## Running Locally

### Option 1: Browser Version (Static)```bash
# Start a local server
python -m http.server 8000

# Open http://localhost:8000 in your browser

Option 2: Flask Version (Full Server)```bash

Install dependencies with uv

uv sync

Run the Flask app

uv run python app.py

Open http://localhost:5000


### Option 3: Self-Contained Version```bash
# Run the standalone version (trains on startup)
uv run python main.py

# Open http://localhost:5001

Project Structure```

MCP/
├── index.html # Static web app (GitHub Pages)
├── app.py # Flask app with templates
├── main.py # Self-contained Flask app
├── model.py # MLP model class (TensorFlow)
├── train_model.py # Training script
├── templates/ # Flask HTML templates
│ ├── index.html
│ └── results.html
├── static/ # CSS and JavaScript
│ ├── css/style.css
│ └── js/
├── CW1_*.ipynb # Jupyter notebook analysis
├── pyproject.toml # Python project config
├── uv.lock # Dependency lockfile
└── .github/workflows/ # GitHub Pages deployment
```

Technologies

Component Technology
ML (Browser) scikit-learn via Pyodide
ML (Local) TensorFlow / scikit-learn
Browser Runtime Pyodide (WebAssembly)
Web Framework Flask (local)
Deployment GitHub Pages
Package Manager uv

Disclaimer

⚠️ Educational purposes only. This is NOT a medical diagnostic tool and should not replace professional healthcare advice.

Limitations

  • Predictions based on statistical patterns
  • Does not model hormonal activity
  • Not suitable for irregular cycles or medical conditions

Credits

Developer: Devhan Dodampahala
- UOW ID: w1956126
- IIT ID: 20221394

Course: Applied Artificial Intelligence
Institution: University of Westminster / IIT

License

Created for academic purposes as part of coursework.

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Devhan Dod MCP 怎么安装?

在客户端按下面的安装命令接入:python -m http.server 8000。装完在客户端配置里引用同一个包或端点。

Devhan Dod MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Devhan Dod MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Devhan Dod MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Devhan Dod MCP 能提供哪些能力?

资料显示能力标签包括 本地处理、Python、机器学习。具体工具清单以官方文档为准。

Devhan Dod MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Devhan Dod MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。