通过 WebDAV 和 OCS API 管理 Nextcloud 的文件和文件夹。适用场景：(1) 创建、读取、写入、重命名、移动、复制或删除文件/文件夹；(2) 列出或搜索目录内容；(3) 切换收藏或管理系统标签；(4) 查看存储配额。不适用于：Nextcloud Talk、日历/联系人（请使用 CalDAV）、应用管理（需管理员权限）、大二进制文件传输，或创建分享链接（默认不支持分享功能——详情请参阅 README）
通过 plsreadme.com 将 markdown 文件和文本转换为清晰易读的网页链接，适用于他人要求分享文档、README、PRD、提案、笔记或其他 markdown 内容时使用。也可通过指令“创建预览链接”“将此内容分享为页面”或“使其可读”触发。需搭配 plsreadme MCP 服务器（npx plsreadme-mcp）使用。
基于SMILES的药物候选物ADME/PK特性分析工具，计算药物相似性（类脂规则、Veber规则）、QED、SA分数及ADME预测（血脑屏障渗透性、水溶性、胃肠道吸收、CYP3A4抑制、P-糖蛋白底物、血浆蛋白结合）与PAINS警示。通过化学查询链获取SMILES输入，触发关键词包括药理学、ADME、PK/PD、药物相似性、脂溶性规则、吸收、分布、代谢、排泄、血脑屏障、溶解度、生物利用度、先导化合物优化、药物特性分析。
创建专为AI代理优化的文档，适用于编写SKILL.md文件、README文件、API文档或其他将在LLM上下文窗口中被读取的文档，有助于结构化内容以支持RAG检索、提升令牌效率并适配混合上下文层级
自动从 GitHub 仓库生成包含安装指南、API 文档和使用示例的完整 README 文件
使用多种特征提取器和预构建数据集的分子机器学习。当您需要丰富的特征提取选项和MoleculeNet基准时，可将其用于性质预测（如ADMET、毒性）与传统机器学习或图神经网络（GNN）结合使用。最适合使用预训练模型和多样分子表示进行快速实验。对于以图为主的PyTorch工作流程，请使用torchdrug；对于基准数据集，请使用pytdc。
访问并分析DrugBank数据库中的全面药物信息，包括药物性质、相互作用、靶点、通路、化学结构和药理数据。当处理药物数据、药物发现研究、药理学研究、药物-药物相互作用分析、靶点鉴定、化学相似性搜索、ADMET预测，或任何需要从DrugBank获取详细药物及药物靶点信息的任务时，应使用此功能。