发现优秀的 MCP 服务器

Remote MCP Server on Cloudflare

A template for deploying authentication-free MCP servers on Cloudflare Workers that can be accessed remotely from MCP clients like Claude Desktop or the Cloudflare AI Playground.

Twitter Api45 MCP Server

An MCP server for accessing the Twitter/X Api45 API, allowing users to retrieve user profiles, timelines, followers, and media. It supports searching communities, jobs, and trends, while also providing tools to monitor live broadcasts and Twitter Spaces.

ComfyUI MCP Server

Enables orchestration of ComfyUI workflows through natural language by discovering workflow templates, applying mutations, and submitting prompts to running ComfyUI instances. Provides asset validation and lightweight tooling for AI image generation experimentation.

MCP-server

MCP 服务器 (MCP fúwùqì)

MCP Frontend Testing Server

为前端测试提供工具，包括代码分析、测试生成、测试执行，以及针对 Jest 和 Cypress 框架的 React 组件测试。

Spotify MCP Server

将 Claude 与 Spotify 连接，允许用户通过 Spotify API 控制播放、搜索音乐、获取曲目/艺术家信息以及管理播放队列。

SearXNG MCP Server

Integrates with SearXNG metasearch engine to provide powerful web search capabilities across multiple search engines with filtering options for categories, languages, time ranges, and safe search levels. Enables comprehensive web searches, autocomplete suggestions, and search engine configuration access through MCP-compatible applications.

RSS Feed MCP Server

Enables Claude to fetch, parse, and manage RSS/Atom feeds through the Model Context Protocol. It supports feed registration and retrieval, allowing users to access article summaries and full content from multiple sources via natural language.

mcp-browser-use-tools

这个软件包提供了一个 [browser-use]( 的子集。

Raindrop MCP Server

An MCP server that allows Claude Desktop to access and manage Raindrop.io bookmarks through natural language commands, supporting operations for collections, raindrops, and tags.

Monday.com MCP Server

Enables AI assistants to interact with Monday.com workspaces, allowing retrieval of board lists, board details, item content, and user information through the Monday.com API.

Adb MySQL MCP Server

一个通用接口，使人工智能代理能够无缝地与 Adb MySQL 数据库进行通信，从而检索数据库元数据并执行 SQL 操作。

Lithic MCP Server

一个 Model Context Protocol (模型上下文协议) 服务器的 TypeScript 实现，提供对 Lithic 银行和卡服务 API 的只读访问。

Shopping MCP Server (Amazon + Target)

Enables AI assistants to search products, manage shopping carts, place orders, and retrieve order history from Amazon and Target accounts.

Google Calendar MCP Server

Integrates Google Calendar with the Model Context Protocol to manage events, search agendas, and check availability. It features Home Assistant integration and SSE support for remote access through Claude Desktop.

Hivemind

Provides instant access to a searchable knowledge base of 16,000+ community-driven troubleshooting solutions for common coding problems. Includes community feedback and smart ranking to help AI assistants find the most effective solutions.

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.

Global MCP Server

A modular MCP server that extends GitHub Copilot's capabilities through intelligent context compression and dynamic model routing for long-lived coding sessions.

dandi-query-server

Enables complex queries over data on the DANDI Archive and provides a system for managing text notes. It features tools for note creation, resources for note access via custom URIs, and prompts for generating summaries.

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！

NATS MCP Server

使用 NATS CLI 的 NATS 消息系统的 MCP 服务器 - 启用 AI 代理与 NATS 消息传递进行交互。

WithSeismic MCP

一个用 TypeScript 实现的模型上下文协议（Model Context Protocol）服务器，它为开发者构建和部署 AI 工具和提示提供了一个流畅的框架，专注于开发者体验，具有零样板代码和自动工具注册的特性。

Automated-Webflow

将 MCP 服务器连接到 Webflow 项目

Wanyi Watermark Remover

Extracts watermark-free videos and images from Douyin (TikTok) and Xiaohongshu (RedNote) share links, with optional AI-powered video transcription support.

Japan Area Code MCP Server

Provides access to Japanese statistical standard area codes (標準地域コード) from official government data, enabling users to list and search area codes by prefecture or municipality name.

Bluesky MCP Server

一个模型上下文协议服务器，使 AI 助手能够与 Bluesky/ATProtocol 互动，提供身份验证、时间线访问、帖子创建以及点赞和关注等社交功能。