达尔文智能云
AI Skill Hub 推荐使用：达尔文智能云 是一款优质的MCP工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
通过安装 达尔文智能云，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。达尔文智能云 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 达尔文智能云 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
📋 工具概览
达尔文智能云 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
达尔文智能云 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/vje013/darwin-agentic-cloud
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"------": {
"command": "npx",
"args": ["-y", "darwin-agentic-cloud"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 达尔文智能云 执行以下任务... Claude: [自动调用 达尔文智能云 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"______": {
"command": "npx",
"args": ["-y", "darwin-agentic-cloud"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
Darwin Agentic Cloud
Verifiable and free cloud compute for AI agents. We provide an agent-first environment where every autonomous action and choice is bound and signed, including what they buy. Your agent acts only where it can provably succeed, spends only what you authorized, and brings back a signed receipt for every step it took. No new accounts. No new API keys. Just sign in with Gmail. Your card stays in your Google account. Open source. Free to users. All agent and human contributors welcome. Built on: webMCP + AP2 Sandboxed Beta + Research: 6/1/2026
Install: pip install darwin-agentic-cloud
Live demo: https://darwin-agentic-cloud.fly.dev/demo
Public keylist: https://darwin-agentic-cloud.fly.dev/.well-known/substrate-keys.json
v0.2 Schema: https://darwin-agentic-cloud.fly.dev/.well-known/schemas/attestation/v0.2
---
What's protected
- Workload integrity. Workload spec is canonical-JSON-hashed. Tampering with the code, language, timeout, memory, or cost cap changes the hash and breaks verification.
- Output integrity. stdout hash is signed. Tampering with what the agent thinks the workload produced breaks verification.
- Substrate identity. Each substrate signs evidence with a class key. Forging "this came from AWS Batch" requires compromising the hosted class key.
- Non-repudiation of acceptance. The outer operator signature binds you to having accepted the result and the VAS claims. You can't later say "Darwin tricked me" — the signature proves you took it as-is.
- Cost cap enforcement. Workloads exceeding the preflight estimate are rejected before any substrate is launched. The rejection itself is signed.
What's not protected (and why)
- Side channels within the substrate. If AWS Lambda has a vulnerability that lets workloads exfiltrate data, Darwin can't prevent that. Substrate evidence reflects what the substrate reports.
- Substrate honesty about its own evidence. Darwin trusts the substrate's evidence (exit code, wall time, etc.). A malicious self-hosted substrate could lie about its evidence. The class-key signing constrains who can claim to be a given substrate, but a compromised hosted signer could mint fraudulent attestations.
- Operator key compromise. If your local Ed25519 operator key is stolen, attackers can sign attestations as you. Treat it like an SSH key.
Requirements
- Python 3.11+
- Docker for local execution (any recent Docker Desktop / Engine works)
If only Docker is available, you get local-docker-v0. For web based cloud compute, you also get the four Lambda regions and AWS Batch. Auto-discovery happens at every darwin.run() call.
---
Install
Setup (Claude Desktop)
darwin mcp installOr manually add to your claude_desktop_config.json:
{
"mcpServers": {
"darwin": {
"command": "darwin",
"args": ["mcp", "serve"]
}
}
}Examples
The 7 CLI verbs
The complete public surface. All seven verbs are top-level and produce v0.2 attestations.
The Python API
MCP integration
Darwin ships with a built-in MCP server that exposes 7 tools matching the CLI verbs. Compatible with Claude Desktop, Cursor, and any other MCP client.
Multi-step agent workflow
```python from darwin import run
The question agents can't answer today
Your agent just executed code on its own. You don't see what happened. You can't replay it. You can't prove it ran. You can't show a regulator, an auditor, or another agent that the workload actually executed on real hardware under your policy at the cost you agreed to.
"Did this workload actually run? On what hardware? Under what policy? At what cost? With what output? Can I prove it to a regulator, an auditor, or another agent?"
Existing agent frameworks let an LLM call arbitrary tools and execute arbitrary code. None of them answer that question. The compute runs. The result comes back. You trust your framework.
Darwin is the answer. A signed receipt of every agent execution. Cryptographically verifiable by anyone, anywhere, anytime. No trust required.
---
Darwin Agentic Cloud 是一个基于云计算的安全工作负载执行平台，提供了工作负载完整性、输出完整性和底层基础设施身份认证等保护功能。
Darwin Agentic Cloud 提供了以下保护功能：工作负载完整性、输出完整性和底层基础设施身份认证。它还提供了以下不受保护的功能：底层基础设施内部通道和底层基础设施诚实性。
Darwin Agentic Cloud 需要 Python 3.11+ 和 Docker。对于本地执行，需要 Docker Desktop 或 Engine。对于云计算，需要 AWS Lambda 或 AWS Batch。
安装 Darwin Agentic Cloud 可以使用以下方法：使用 Claude Desktop 的 `darwin mcp install` 命令，或者手动添加到 `claude_desktop_config.json` 文件中。
使用 Darwin Agentic Cloud 的示例包括：执行工作负载、获取工作负载输出和检查工作负载完整性。
Darwin Agentic Cloud 提供了 7 个 CLI 命令和 Python API，用于执行工作负载、获取工作负载输出和检查工作负载完整性等功能。
Darwin Agentic Cloud 支持 MCP 集成和多步骤工作流程，提供了一个可扩展的工作流程管理系统。
Darwin Agentic Cloud 的 FAQ 包括：工作负载执行的可追踪性、工作负载输出的可信度和工作负载完整性的保护等问题。
高质量的开源MCP工具，提供可验证和免费的AI计算
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +Apache-2.0 协议，可免费商用
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
❓ 常见问题 FAQ
总体来看，达尔文智能云 是一款质量良好的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | darwin-agentic-cloud |
| 原始描述 | 开源MCP工具：Verifiable and free compute for AI agents. Cryptographically signed execution at。⭐7 · Python |
| Topics | AIMCP云计算 |
| GitHub | https://github.com/vje013/darwin-agentic-cloud |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-05-29 · 更新时间：2026-05-30 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。