发现优秀的 MCP 服务器

engRAM

engRAM provides encrypted, offline, RAM-resident memory for AI agents via MCP, enabling fast hybrid search, deterministic importance-based recall, and secure vault management with tools like memory_search, memory_store, and memory_forget.

smart-gym-mcp

Connects AI assistants to SmartGym on Mac, enabling users to review workouts, tweak routines, and build training programs in plain English, with changes syncing to iPhone and Apple Watch.

Pulse Workflow MCP Server

Enables Claude Code to browse, create, edit, and publish Pulse workflows by exposing workflow operations as MCP tools.

google-workspace-alias-mcp

A Model Context Protocol server for Google Workspace integration with send-as alias support, email templates, and scheduled send, enabling AI assistants to manage Gmail and Google Calendar through natural language.

ESPN MCP Server

Provides comprehensive access to ESPN's sports APIs for live scores, team information, news, and statistics across NFL, NBA, MLB, NHL, college sports, and major soccer leagues with advanced filtering and real-time updates.

mcp-server-qdrant

An MCP server that provides semantic memory on top of Qdrant vector search, with tools to store and retrieve information using embeddings.

iol-mcp

MCP server for InvertirOnline (IOL) API providing tools for authentication, portfolio management, trading operations, and quotes.

Apple Mail MCP Server

Enables AI assistants to interact with Apple Mail through natural language, providing comprehensive email management including reading, searching, composing, organizing, and analyzing emails across all configured accounts. Includes an expert skill system that teaches intelligent email workflows and productivity strategies.

mcp-test

好的，以下是一些关于将 MCP (Minecraft Protocol) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "your_server_address" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "your_openai_api_key" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！ --- **中文翻译：** 好的，以下是一些关于将 MCP (Minecraft 协议) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "你的服务器地址" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "你的 OpenAI API 密钥" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！

selenium-mcp-server

An autonomous, self-managing MCP server providing comprehensive UI analysis, cross-browser testing, and intelligent browser automation with zero-configuration setup.

Automated-Webflow

将 MCP 服务器连接到 Webflow 项目

Leptin

Token-budgeted MCP memory for AI coding agents, with dedup, merge, decay, and a savings ledger.

DWZ Short URL MCP Server

Enables AI assistants to create, manage, and analyze short URLs through complete URL shortening functionality. Supports batch operations, custom domains, click statistics, and comprehensive link management.

mcp-db-explorer

A read-only MCP server that lets LLMs explore SQLite databases in plain English, with enforced write protection and sensitive column redaction.

Doubao MCP Agent

A local skill assistant based on the Model Context Protocol that integrates with the Volcengine Doubao API to provide tools like calculators and weather queries. It features a Web interface and a modular architecture that allows developers to easily register and deploy custom local AI skills.

terraform-docs

Provides hybrid (BM25 + vector) search over Terraform AWS and Google provider documentation, with tools for ranked search and full document retrieval.

mcp-tudu

MCP server that lets AI assistants create projects, epics, and tasks in the TuDu app through natural conversation. It securely connects over local HTTP with token authentication and requires on-screen confirmation before writing anything.

Unpaywall MCP Server

Enables querying open-access availability of scholarly articles via Unpaywall API, including DOI lookup, title search, and citation export.

Codex DSH MCP

Enables Codex to delegate routine repository exploration, implementation, refactors, tests, and fixes to DeepSeek Harness in isolated Git worktrees, returning compact results and patches for review while keeping the main workspace protected.

Math MCP Server

Provides four fundamental arithmetic operations (add, subtract, multiply, divide) as MCP tools with zero-division protection.

AstroConsultant

An AI astrology MCP server providing 49 tools for Western and Vedic astrology calculations, including natal charts, dashas, transits, and compatibility analysis, powered by Swiss Ephemeris.

ShapeItUp

Enables AI agents to write TypeScript to create, render, verify, and export parametric 3D models using Replicad/OpenCascade CAD kernel, headlessly from terminal or MCP clients.

SourceRecall MCP Server

Enables AI coding assistants to search and retrieve code from self-hosted Git repositories using semantic and lexical search with optional reranking, while keeping repository data under the operator's control.

gas-oracle

Live gas prices with gwei tiers, USD cost estimates, and congestion level. Time your transactions perfectly with pay-per-call via x402.

SafeNest MCP Server

Provides AI-powered child safety tools to detect bullying, grooming, and unsafe content within digital conversations. It enables AI assistants to perform emotional analysis and generate age-appropriate safety action plans or incident reports.

Lazy LLMs Project Management MCP Server

Enables LLM agents to manage projects, track issues, log work, and integrate with Git. Provides 23 MCP tools for full project management capabilities.

Anki MCP Server

A Model Context Protocol (MCP) server that integrates with Anki flashcard application, allowing LLM applications like Claude to interact with your Anki decks and cards.

Phil's ST MCP

Hooks AI to Sublime-Text