发现优秀的 MCP 服务器

BasicSec MCP Server

Enables DNS and email security analysis through passive and active scanning capabilities. Provides comprehensive domain security checks including SPF, DMARC, DNSSEC validation, MX record analysis, and SMTP connectivity testing.

Nuxt MCP Server on Vercel

A simple Nuxt application that serves as a Model Context Protocol server deployable on Vercel, allowing developers to implement AI tools, prompts, and resources through the MCP TypeScript SDK.

mcp_repo_d2ab862d

这是一个由 MCP 服务器的测试脚本为 GitHub 创建的测试仓库。

Selector_MCP_Server

选择器 AI MCP 服务器 (Xuǎnzé qì AI MCP fúwùqì)

JSON to Excel MCP by WTSolutions

The JSON to Excel MCP provides a standardized interface for converting (1)JSON data (2)URL pointing to JSON files into CSV format

Model Context Protocol Server

使用 FastAPI 实现的模型上下文协议服务器： ```python from fastapi import FastAPI, Request, HTTPException from pydantic import BaseModel from typing import Dict, Any, Optional app = FastAPI() # 定义请求和响应模型 class ContextRequest(BaseModel): model_id: str context: Dict[str, Any] request_id: Optional[str] = None # 可选的请求 ID，用于跟踪 class ContextResponse(BaseModel): model_id: str context: Dict[str, Any] request_id: Optional[str] = None # 响应中返回请求 ID # 模拟的模型上下文存储 model_contexts: Dict[str, Dict[str, Any]] = {} @app.post("/context") async def update_context(request: ContextRequest) -> ContextResponse: """ 更新指定模型的上下文。 Args: request: 包含模型 ID 和上下文数据的 ContextRequest 对象。 Returns: 包含更新后的模型 ID 和上下文数据的 ContextResponse 对象。 """ model_id = request.model_id context = request.context request_id = request.request_id # 检查模型 ID 是否存在 if model_id not in model_contexts: model_contexts[model_id] = {} # 更新上下文 model_contexts[model_id].update(context) # 构建响应 response = ContextResponse(model_id=model_id, context=model_contexts[model_id], request_id=request_id) return response @app.get("/context/{model_id}") async def get_context(model_id: str) -> Dict[str, Any]: """ 获取指定模型的上下文。 Args: model_id: 要获取上下文的模型 ID。 Returns: 指定模型的上下文数据。 Raises: HTTPException: 如果模型 ID 不存在。 """ if model_id not in model_contexts: raise HTTPException(status_code=404, detail=f"Model ID '{model_id}' not found") return model_contexts[model_id] @app.delete("/context/{model_id}") async def delete_context(model_id: str) -> Dict[str, str]: """ 删除指定模型的上下文。 Args: model_id: 要删除上下文的模型 ID。 Returns: 一个包含删除结果的消息。 Raises: HTTPException: 如果模型 ID 不存在。 """ if model_id not in model_contexts: raise HTTPException(status_code=404, detail=f"Model ID '{model_id}' not found") del model_contexts[model_id] return {"message": f"Context for model ID '{model_id}' deleted successfully."} if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **代码解释:** * **`from fastapi import FastAPI, Request, HTTPException`**: 导入 FastAPI 及其相关模块。 * **`from pydantic import BaseModel`**: 导入 Pydantic 的 `BaseModel` 用于定义数据模型。 * **`from typing import Dict, Any, Optional`**: 导入类型提示，提高代码可读性。 * **`app = FastAPI()`**: 创建 FastAPI 应用实例。 * **`ContextRequest` 和 `ContextResponse`**: 使用 Pydantic 定义请求和响应的数据模型。 `ContextRequest` 包含 `model_id` (模型 ID), `context` (上下文数据，一个字典), 和可选的 `request_id`。 `ContextResponse` 包含相同的信息，用于返回更新后的上下文。 * **`model_contexts: Dict[str, Dict[str, Any]] = {}`**: 一个字典，用于存储模型上下文。 键是 `model_id` (字符串)，值是另一个字典，表示该模型的上下文数据。 这只是一个内存中的存储，在实际应用中，你可能需要使用数据库或其他持久化存储。 * **`@app.post("/context")`**: 定义一个 POST 路由，用于更新模型的上下文。 * `async def update_context(request: ContextRequest) -> ContextResponse:`: 定义异步函数 `update_context`，它接收一个 `ContextRequest` 对象作为参数，并返回一个 `ContextResponse` 对象。 * 函数首先从请求中提取 `model_id` 和 `context`。 * 然后，它检查 `model_id` 是否已经存在于 `model_contexts` 中。如果不存在，则创建一个新的条目。 * 接下来，它使用 `update()` 方法将请求中的 `context` 合并到现有的模型上下文中。 * 最后，它创建一个 `ContextResponse` 对象并返回。 * **`@app.get("/context/{model_id}")`**: 定义一个 GET 路由，用于获取指定模型的上下文。 * `async def get_context(model_id: str) -> Dict[str, Any]:`: 定义异步函数 `get_context`，它接收一个 `model_id` 作为参数，并返回一个字典，表示该模型的上下文数据。 * 函数首先检查 `model_id` 是否存在于 `model_contexts` 中。如果不存在，则抛出一个 `HTTPException`，状态码为 404 (Not Found)。 * 如果 `model_id` 存在，则返回 `model_contexts[model_id]`。 * **`@app.delete("/context/{model_id}")`**: 定义一个 DELETE 路由，用于删除指定模型的上下文。 * `async def delete_context(model_id: str) -> Dict[str, str]:`: 定义异步函数 `delete_context`，它接收一个 `model_id` 作为参数，并返回一个字典，包含删除结果的消息。 * 函数首先检查 `model_id` 是否存在于 `model_contexts` 中。如果不存在，则抛出一个 `HTTPException`，状态码为 404 (Not Found)。 * 如果 `model_id` 存在，则使用 `del model_contexts[model_id]` 删除该模型的上下文。 * 最后，返回一个包含成功消息的字典。 * **`if __name__ == "__main__":`**: 确保代码只在直接运行脚本时执行，而不是作为模块导入时执行。 * **`uvicorn.run(app, host="0.0.0.0", port=8000)`**: 使用 Uvicorn 启动 FastAPI 应用。 `host="0.0.0.0"` 表示监听所有网络接口，`port=8000` 表示监听 8000 端口。 **如何运行:** 1. **安装 FastAPI 和 Uvicorn:** ```bash pip install fastapi uvicorn ``` 2. **保存代码:** 将代码保存为 `main.py` (或其他你喜欢的名字)。 3. **运行应用:** ```bash python main.py ``` 或者，如果你安装了 `uvicorn` 作为全局命令： ```bash uvicorn main:app --reload ``` `--reload` 标志会在代码更改时自动重新加载服务器，方便开发。 **如何使用:** 你可以使用 `curl` 或任何 HTTP 客户端来与服务器交互。 * **更新上下文 (POST):** ```bash curl -X POST -H "Content-Type: application/json" -d '{"model_id": "my_model", "context": {"key1": "value1", "key2": 123}, "request_id": "req123"}' http://localhost:8000/context ``` * **获取上下文 (GET):** ```bash curl http://localhost:8000/context/my_model ``` * **删除上下文 (DELETE):** ```bash curl -X DELETE http://localhost:8000/context/my_model ``` **重要注意事项:** * **错误处理:** 代码包含基本的错误处理 (例如，检查模型 ID 是否存在)。 在实际应用中，你需要更完善的错误处理机制，例如记录错误日志、返回更详细的错误信息等。 * **安全性:** 此代码没有包含任何安全措施。 在生产环境中，你需要添加身份验证、授权、输入验证等安全措施。 * **持久化存储:** 此代码使用内存中的字典来存储模型上下文。 这意味着，当服务器重启时，所有上下文数据都会丢失。 在实际应用中，你需要使用数据库或其他持久化存储来保存上下文数据。 常见的选择包括 Redis、PostgreSQL、MongoDB 等。 * **并发:** FastAPI 是一个异步框架，可以处理并发请求。 但是，如果你的模型上下文存储是线程不安全的，你需要采取措施来保护它，例如使用锁。 * **模型集成:** 此代码只是一个模型上下文协议服务器的框架。 你需要将其与你的实际模型集成。 这可能涉及到加载模型、调用模型进行推理、以及将模型的结果存储到上下文中。 * **数据验证:** 你可以使用 Pydantic 的验证功能来确保上下文数据符合预期的格式和类型。 This provides a basic implementation of a Model Context Protocol server using FastAPI. Remember to adapt it to your specific needs and consider the important notes above for production deployments.

MCPE Alpha Server for Pterodactyl

使用 Pterodactyl 面板的 MCPE Alpha 服务器核心

Hyperliquid MCP Server - Complete Implementation

镜子 (jìng zi)

mcp-server-collector MCP server

镜子 (jìng zi)

Remote MCP Server for Website Analysis

An authless Cloudflare Workers server that provides tools to scrape, analyze, and answer questions about websites using Cloudflare's Browser Rendering and AI capabilities.

Build Unblocker MCP

A Model-Context-Protocol server for Cursor IDE that monitors and terminates hung Windows build executables (like cl.exe, link.exe, msbuild.exe) when they become idle.

React Learning MCP Server

A minimal MCP server that enables searching through pre-scraped React documentation using a hybrid approach combining DuckDB full-text search and transformer-based reranking.

Awesome-Medical-MCP-Servers

医疗 Minecraft 服务端合集。

Notion MCP Server

A custom server that provides a REST API interface for Notion, allowing easy access to Notion's functionality through Cursor's MCP feature.

MCP Easy Copy

A Model Context Protocol server that automatically reads the Claude Desktop configuration file and presents all available MCP services in an easy-to-copy format at the top of the tools list.

MCP Spotify

一个 MCP 服务器模板，可能启用了与 Spotify API 的交互，允许用户通过自然语言命令执行与 Spotify 相关的操作。

Setup

适用于 Ableton Live 的 MCP 服务器

PostgreSQL MCP Server with Authentication

Provides authenticated access to PostgreSQL databases for Claude AI, enabling users to browse database tables, discover schemas, and execute custom SQL queries through natural language interaction.

Zotero MCP

通过模型上下文协议将您的 Zotero 研究库与 Claude 和其他 AI 助手连接起来，使您可以搜索您的图书馆、访问内容、讨论论文、获取摘要和分析引用。

IPLocate MCP Server

Enables IP address intelligence lookup including geolocation, network information, privacy detection (VPN/proxy/Tor), company data, and abuse contacts using IPLocate.io API. Supports both IPv4 and IPv6 addresses with comprehensive analysis tools and security assessment capabilities.

MCP Server Guide & Examples

以下是一个关于用 Python 和 TypeScript 构建模型上下文协议 (MCP) 服务器的综合指南和示例实现。 (Alternatively, if you prefer a more concise translation:) Python 和 TypeScript 构建模型上下文协议 (MCP) 服务器的综合指南及示例实现。

Alper Hoca ile MCP Server

使用 Next.js 构建的 MCP 服务器项目

Luke Desktop

一个现代化的 Claude AI 桌面客户端，支持 MCP 服务器，使用 Tauri、React 和 TypeScript 构建。

MCP Logging NL Query Server

Allows developers and AI Agents to query Google Cloud Logging using natural language, translating queries into Google Cloud Logging Query Language (LQL) with Vertex AI Gemini 2.5.

DevBrain

Quickly search indexed indie devs blog posts and articles. It is like chatting with your favourite newsletters (coding, tech, founder). It's kind of like a web search, but specifically tuned for high-quality, developer-curated content. Use case: help implement features faster.

GrowthBook MCP Server

GrowthBook MCP Server

Personal Context Technology MCP Server

用于人工智能个性化的个人情境技术 MCP 服务器 (Yòng yú réngōng zhìnéng gèxìng huà de gèrén qíngjìng jìshù MCP fúwùqì) Here's a breakdown of the translation: * **用于 (Yòng yú):** Used for * **人工智能 (Réngōng zhìnéng):** Artificial Intelligence (AI) * **个性化 (Gèxìng huà):** Personalization * **的 (de):** A possessive particle (of) * **个人情境技术 (Gèrén qíngjìng jìshù):** Personal Context Technology * **MCP 服务器 (MCP fúwùqì):** MCP Server

Remote MCP Server for Cloudflare

A deployable Model Context Protocol server on Cloudflare Workers that allows LLMs to access custom tools without authentication requirements.