发现优秀的 MCP 服务器

Dell Enterprise MCP Workflow Proxy

An air-gapped, edge-native, deterministic translation layer that ingests raw Dell OpenAPI endpoints, clusters them into high-level workflows using a local offline LLM, and executes them deterministically at runtime via FastMCP and HTTPX.

monospay-mcp

Pay per MCP tool call in USDC on Base. Non-custodial settlement, no admin keys, 30 bps fee.

MCP Prompt Server

一个基于模型上下文协议的服务器，为代码审查和 API 文档生成等任务提供预定义的提示模板，从而在 Cursor/Windsurf 编辑器中实现更高效的工作流程。

SimpleShop MCP

A read-only MCP server for SimpleShop accounting data, enabling AI agents to find documents, download PDFs, inspect products, and review sales exports.

Code Execution MCP

Enables efficient AI agent operations through sandboxed Python code execution with progressive tool discovery, PII tokenization, and skills persistence, achieving up to 98.7% token reduction by processing data in a sandbox rather than in context.

TONOracle

11 MCP tools for DeFi risk & compliance on TON

eRegulations MCP Server

一个模型上下文协议（Model Context Protocol）服务器的实现，该实现提供结构化的、对人工智能友好的方式来访问电子法规（eRegulations）数据，从而使人工智能模型更容易回答用户关于行政程序的问题。

Lara Translate MCP Server

一个MCP服务器，通过Lara Translate API提供机器翻译功能，具有语言检测和在多种语言对之间进行上下文感知翻译的能力。

deixis

A visual surface for terminal Claude Code that provides a persistent dashboard the agent curates itself, per-session telemetry with cost, and a menu bar glyph for status.

Microsoft SQL Server MCP

Enables interaction with Microsoft SQL Server databases through T-SQL query execution, table exploration, and schema inspection. Supports configurable write protection and row limiting for safe database operations.

Jira MCP Server

A Model Context Protocol server that enables AI assistants like Claude to interact with Jira Cloud instances, providing capabilities for issue management, project listing, and JQL search.

tuvi-mcp

MCP server for Vietnamese fortune-telling based on lunar calendar, providing birth date analysis, daily fortune, and general fortune predictions using traditional elements like Can Chi and Ngũ Hành.

Enterprise MCP Documentation Server

A self-hosted MCP server that provides up-to-date documentation for enterprise and development tools directly to AI coding assistants like Claude Code and Cursor.

AbletonMCP

A server that connects Ableton Live to Claude AI through the Model Context Protocol, enabling AI-assisted music production and direct control of Ableton Live features.

MCP Server Playground

A learning project that wraps a FastAPI app with endpoints for random facts and Japan FAQs as MCP tools, enabling LLMs to call them via LiteLLM proxy.

Semantic Context MCP

Enables AI assistants to save, load, and search conversation context with AI-powered summarization and auto-tagging. Demonstrates semantic intent patterns and hexagonal architecture for maintainable AI-assisted development.

fpgaZeroMCP

An MCP server for FPGA toolchain operations including linting, simulation, synthesis, place-and-route, bitstream programming, and IP core registry via GitHub.

@striderlabs/mcp-att

MCP server for AT&T telecom account management, automating att.com with Playwright to enable account overview, usage details, bill payment, bill history, and upgrade eligibility checks.

Cleyrop MCP

MCP server to interact with Cleyrop work data: browse, search, read file content, and manage files/folders.

Anki MCP Server

一个模型上下文协议服务器，允许大型语言模型（LLM）与 Anki 抽认卡软件进行交互，从而实现诸如创建牌组、添加笔记、搜索卡片以及通过自然语言管理抽认卡内容等功能。

Polymarket MCP Server

Enables AI agents to interact with the Polymarket prediction market platform to discover markets, analyze real-time pricing, and monitor public portfolio data. It provides comprehensive access to market analytics, implied probabilities, and order books through the Model Context Protocol.

mcp-flux-schnell

一个基于 TypeScript 的 MCP 服务器，它使用 Cloudflare 的 Flux Schnell 模型 API 来实现文本到图像的生成。

Streamable HTTP Python MCP Server Template

A starter template for building MCP servers in Python using the streamable HTTP transport protocol. Provides a foundation with the MCP Python SDK and example configuration to quickly develop custom MCP servers.

Beeper MCP Note Server

一个简单的 MCP 服务器，用于创建和管理笔记，并支持总结功能。 (Alternatively, if you want to emphasize the "for" part:) 一个简单的 MCP 服务器，**旨在**创建和管理笔记，并支持总结功能。

CookUnity MCP

MCP server for CookUnity meal delivery service. Browse menus, manage carts, confirm orders, skip/unskip deliveries, and view order history.

mcp-weather-server

好的，这是提供天气数据给 LLM 的一个示例模型上下文协议服务器： ```python import asyncio import json import os from typing import Any, Dict, List, Optional from fastapi import FastAPI, HTTPException from pydantic import BaseModel # 模拟天气数据 WEATHER_DATA = { "San Francisco": {"temperature": 15, "condition": "Cloudy"}, "New York": {"temperature": 22, "condition": "Sunny"}, "London": {"temperature": 18, "condition": "Rainy"}, "Tokyo": {"temperature": 25, "condition": "Clear"}, } class ContextRequest(BaseModel): """ LLM 请求上下文信息的请求体。 """ query: str location: Optional[str] = None # 可选的位置信息 class ContextResponse(BaseModel): """ 服务器返回给 LLM 的上下文信息。 """ context: Dict[str, Any] app = FastAPI() @app.post("/context") async def get_context(request: ContextRequest) -> ContextResponse: """ 根据 LLM 的查询请求，提供上下文信息。 """ print(f"Received query: {request.query}") print(f"Received location: {request.location}") location = request.location if not location: # 如果没有提供位置，则尝试从查询中提取 # 这是一个非常简单的示例，实际应用中需要更复杂的 NLP 处理 if "San Francisco" in request.query: location = "San Francisco" elif "New York" in request.query: location = "New York" elif "London" in request.query: location = "London" elif "Tokyo" in request.query: location = "Tokyo" else: raise HTTPException(status_code=400, detail="Location not specified and could not be inferred from query.") if location not in WEATHER_DATA: raise HTTPException(status_code=404, detail=f"Weather data not found for location: {location}") weather = WEATHER_DATA[location] context = { "location": location, "temperature": weather["temperature"], "condition": weather["condition"], } print(f"Returning context: {context}") return ContextResponse(context=context) if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **代码解释:** 1. **导入必要的库:** - `asyncio`: 用于异步操作。 - `json`: 用于处理 JSON 数据。 - `os`: 用于操作系统相关的功能。 - `typing`: 用于类型提示。 - `fastapi`: 用于创建 API。 - `pydantic`: 用于数据验证和序列化。 2. **模拟天气数据:** - `WEATHER_DATA`: 一个字典，存储了不同城市的天气数据。 这只是一个模拟数据，实际应用中需要从外部 API 或数据库获取。 3. **定义数据模型:** - `ContextRequest`: 定义了 LLM 请求上下文信息的请求体，包含 `query` (LLM 的查询) 和可选的 `location` (位置信息)。 - `ContextResponse`: 定义了服务器返回给 LLM 的上下文信息，包含一个 `context` 字典。 4. **创建 FastAPI 应用:** - `app = FastAPI()`: 创建一个 FastAPI 应用实例。 5. **定义 `/context` 接口:** - `@app.post("/context")`: 定义一个 POST 请求的接口，路径为 `/context`。 - `async def get_context(request: ContextRequest) -> ContextResponse:`: 定义处理请求的异步函数。 - `request: ContextRequest`: 接收请求体，并将其解析为 `ContextRequest` 对象。 - `-> ContextResponse`: 指定函数返回 `ContextResponse` 对象。 6. **处理请求逻辑:** - **打印接收到的查询和位置信息:** 用于调试和日志记录。 - **获取位置信息:** - 首先尝试从 `request.location` 中获取位置信息。 - 如果 `request.location` 为空，则尝试从 `request.query` 中提取位置信息。 这是一个非常简单的示例，实际应用中需要使用更复杂的 NLP 技术来提取位置信息。 - 如果无法获取位置信息，则返回一个 HTTP 400 错误。 - **获取天气数据:** - 检查 `location` 是否在 `WEATHER_DATA` 中。 - 如果 `location` 不在 `WEATHER_DATA` 中，则返回一个 HTTP 404 错误。 - 从 `WEATHER_DATA` 中获取天气数据。 - **构建上下文信息:** - 创建一个 `context` 字典，包含 `location`、`temperature` 和 `condition`。 - **返回上下文信息:** - 创建一个 `ContextResponse` 对象，并将 `context` 字典赋值给它。 - 返回 `ContextResponse` 对象。 7. **运行 FastAPI 应用:** - `if __name__ == "__main__":`: 确保代码只在直接运行脚本时执行，而不是在被导入为模块时执行。 - `uvicorn.run(app, host="0.0.0.0", port=8000)`: 使用 Uvicorn 运行 FastAPI 应用。 - `host="0.0.0.0"`: 允许从任何 IP 地址访问应用。 - `port=8000`: 指定应用监听的端口为 8000。 **如何运行:** 1. **安装依赖:** ```bash pip install fastapi uvicorn pydantic ``` 2. **运行脚本:** ```bash python your_script_name.py ``` 3. **测试接口:** 可以使用 `curl` 或其他 HTTP 客户端来测试接口。 例如： ```bash curl -X POST -H "Content-Type: application/json" -d '{"query": "What is the weather in San Francisco?", "location": "San Francisco"}' http://localhost:8000/context ``` 或者，如果省略 `location`，服务器会尝试从 `query` 中推断： ```bash curl -X POST -H "Content-Type: application/json" -d '{"query": "What is the weather in San Francisco?"}' http://localhost:8000/context ``` **重要说明:** * **真实数据源:** 这个示例使用模拟的天气数据。 在实际应用中，你需要使用真实的天气 API (例如 OpenWeatherMap, AccuWeather) 或数据库来获取数据。 * **NLP 处理:** 从查询中提取位置信息的部分非常简单。 在实际应用中，你需要使用更复杂的 NLP 技术 (例如命名实体识别) 来准确地提取位置信息。 * **错误处理:** 这个示例只包含基本的错误处理。 在实际应用中，你需要添加更完善的错误处理机制，例如日志记录和重试机制。 * **安全性:** 在生产环境中，你需要考虑安全性问题，例如身份验证和授权。 * **可扩展性:** 如果需要处理大量的请求，你需要考虑使用负载均衡和缓存等技术来提高可扩展性。 * **模型上下文协议:** 这个示例符合模型上下文协议的基本要求，即接收 LLM 的查询请求，并返回相关的上下文信息。 你需要根据 LLM 的具体要求来调整请求和响应的格式。 这个示例提供了一个基本的框架，你可以根据自己的需求进行修改和扩展。 希望这个示例对你有所帮助!

Community Research MCP

Searches real developer solutions from Stack Overflow, Reddit, GitHub issues, and forums to find battle-tested fixes and workarounds for specific programming problems. Bypasses AI guessing by finding actual community discussions where developers have already solved your exact issue.

revolut-merchant-mcp

MCP server for the Revolut Merchant API, enabling AI assistants to read and manage customers, orders, subscriptions, and plans. Supports sandbox and production with safe defaults.