发现优秀的 MCP 服务器

Universal Menu

Provides an interactive decision menu that surfaces contextual choices on every assistant turn, allowing users to navigate available actions through a React widget interface.

NotionMCP

Enables AI assistants to search, read, summarize, and analyze sentiment of Notion pages and databases, turning your Notion workspace into an intelligent, queryable knowledge system.

mcp-ytTranscript

好的，以下是一个简单的 MCP（最小可行产品）服务器，它使用 URL 和所需语言返回 YouTube 视频的转录： ```python from flask import Flask, request, jsonify from youtube_transcript_api import YouTubeTranscriptApi app = Flask(__name__) @app.route('/transcribe', methods=['GET']) def transcribe_youtube_video(): """ 从 YouTube 视频获取转录。 请求参数： url (str): YouTube 视频的 URL。 language (str, optional): 所需的转录语言代码（例如，'en' 代表英语，'zh-CN' 代表简体中文）。默认为 'en'。 返回： JSON: 包含转录文本的 JSON 对象。如果出现错误，则返回错误消息。 """ try: url = request.args.get('url') language = request.args.get('language', 'en') # 默认为英语 if not url: return jsonify({'error': '必须提供 YouTube 视频 URL。'}), 400 # 从 URL 中提取视频 ID video_id = url.split("watch?v=")[1] if "&" in video_id: video_id = video_id.split("&")[0] # 获取转录 transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language]) # 将转录转换为文本 text = '\n'.join([entry['text'] for entry in transcript]) return jsonify({'transcript': text}) except Exception as e: return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **代码解释:** 1. **导入必要的库:** * `flask`: 用于创建 Web 服务器。 * `youtube_transcript_api`: 用于从 YouTube 获取转录。 2. **创建 Flask 应用:** * `app = Flask(__name__)` 创建一个 Flask 应用实例。 3. **定义路由 `/transcribe`:** * `@app.route('/transcribe', methods=['GET'])` 定义一个 GET 请求的路由，当用户访问 `/transcribe` 时，会执行 `transcribe_youtube_video` 函数。 4. **`transcribe_youtube_video` 函数:** * **获取请求参数:** * `url = request.args.get('url')` 从请求参数中获取 YouTube 视频的 URL。 * `language = request.args.get('language', 'en')` 从请求参数中获取所需的语言代码，如果没有提供，则默认为英语 ('en')。 * **验证 URL:** * `if not url:` 检查是否提供了 URL，如果没有，则返回一个错误消息。 * **提取视频 ID:** * 从 URL 中提取 YouTube 视频的 ID。 这段代码假设 URL 格式为 `https://www.youtube.com/watch?v=VIDEO_ID`。 * **获取转录:** * `transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language])` 使用 `youtube_transcript_api` 获取指定语言的转录。 * **将转录转换为文本:** * `text = '\n'.join([entry['text'] for entry in transcript])` 将转录条目连接成一个字符串，每个条目之间用换行符分隔。 * **返回 JSON 响应:** * `return jsonify({'transcript': text})` 将转录文本作为 JSON 对象返回。 * **错误处理:** * `try...except` 块用于捕获可能发生的异常，例如无法找到转录或网络错误。如果发生错误，则返回一个包含错误消息的 JSON 对象。 5. **运行应用:** * `if __name__ == '__main__':` 确保只有在直接运行脚本时才执行以下代码。 * `app.run(debug=True)` 启动 Flask 开发服务器，`debug=True` 启用调试模式，方便开发。 **如何使用:** 1. **安装依赖:** ```bash pip install flask youtube-transcript-api ``` 2. **运行脚本:** ```bash python your_script_name.py ``` 3. **发送请求:** 使用浏览器或 `curl` 等工具发送 GET 请求到 `/transcribe` 路由，并提供 `url` 和 `language` 参数。 例如： ```bash curl "http://127.0.0.1:5000/transcribe?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=zh-CN" ``` 将 `https://www.youtube.com/watch?v=dQw4w9WgXcQ` 替换为实际的 YouTube 视频 URL，并将 `zh-CN` 替换为所需的语言代码。 **重要注意事项:** * **错误处理:** 这个 MCP 包含基本的错误处理，但你应该根据你的需求添加更详细的错误处理。 * **API 限制:** YouTube Transcript API 可能有速率限制。 如果你的应用需要处理大量的请求，你可能需要考虑使用 API 密钥或实现缓存机制。 * **转录可用性:** 并非所有 YouTube 视频都有自动生成的转录，并且并非所有转录都提供所有语言版本。 你的代码应该能够处理这些情况。 * **安全性:** 在生产环境中，你应该使用更安全的 Web 服务器，例如 Gunicorn 或 uWSGI，并配置 HTTPS。 * **URL 解析:** URL 解析代码比较简单，可能无法处理所有可能的 YouTube URL 格式。 你可以使用更健壮的 URL 解析库，例如 `urllib.parse`。 **中文翻译:** 好的，这是一个简单的最小可行产品 (MVP) 服务器，它使用 URL 和所需的语言返回 YouTube 视频的字幕： ```python from flask import Flask, request, jsonify from youtube_transcript_api import YouTubeTranscriptApi app = Flask(__name__) @app.route('/transcribe', methods=['GET']) def transcribe_youtube_video(): """ 从 YouTube 视频获取字幕。 请求参数： url (str): YouTube 视频的 URL。 language (str, optional): 所需的字幕语言代码（例如，'en' 代表英语，'zh-CN' 代表简体中文）。默认为 'en'。 返回： JSON: 包含字幕文本的 JSON 对象。如果出现错误，则返回错误消息。 """ try: url = request.args.get('url') language = request.args.get('language', 'en') # 默认为英语 if not url: return jsonify({'error': '必须提供 YouTube 视频 URL。'}), 400 # 从 URL 中提取视频 ID video_id = url.split("watch?v=")[1] if "&" in video_id: video_id = video_id.split("&")[0] # 获取字幕 transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language]) # 将字幕转换为文本 text = '\n'.join([entry['text'] for entry in transcript]) return jsonify({'transcript': text}) except Exception as e: return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **代码解释:** 1. **导入必要的库:** * `flask`: 用于创建 Web 服务器。 * `youtube_transcript_api`: 用于从 YouTube 获取字幕。 2. **创建 Flask 应用:** * `app = Flask(__name__)` 创建一个 Flask 应用实例。 3. **定义路由 `/transcribe`:** * `@app.route('/transcribe', methods=['GET'])` 定义一个 GET 请求的路由，当用户访问 `/transcribe` 时，会执行 `transcribe_youtube_video` 函数。 4. **`transcribe_youtube_video` 函数:** * **获取请求参数:** * `url = request.args.get('url')` 从请求参数中获取 YouTube 视频的 URL。 * `language = request.args.get('language', 'en')` 从请求参数中获取所需的语言代码，如果没有提供，则默认为英语 ('en')。 * **验证 URL:** * `if not url:` 检查是否提供了 URL，如果没有，则返回一个错误消息。 * **提取视频 ID:** * 从 URL 中提取 YouTube 视频的 ID。 这段代码假设 URL 格式为 `https://www.youtube.com/watch?v=VIDEO_ID`。 * **获取字幕:** * `transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language])` 使用 `youtube_transcript_api` 获取指定语言的字幕。 * **将字幕转换为文本:** * `text = '\n'.join([entry['text'] for entry in transcript])` 将字幕条目连接成一个字符串，每个条目之间用换行符分隔。 * **返回 JSON 响应:** * `return jsonify({'transcript': text})` 将字幕文本作为 JSON 对象返回。 * **错误处理:** * `try...except` 块用于捕获可能发生的异常，例如无法找到字幕或网络错误。如果发生错误，则返回一个包含错误消息的 JSON 对象。 5. **运行应用:** * `if __name__ == '__main__':` 确保只有在直接运行脚本时才执行以下代码。 * `app.run(debug=True)` 启动 Flask 开发服务器，`debug=True` 启用调试模式，方便开发。 **如何使用:** 1. **安装依赖:** ```bash pip install flask youtube-transcript-api ``` 2. **运行脚本:** ```bash python your_script_name.py ``` 3. **发送请求:** 使用浏览器或 `curl` 等工具发送 GET 请求到 `/transcribe` 路由，并提供 `url` 和 `language` 参数。 例如： ```bash curl "http://127.0.0.1:5000/transcribe?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=zh-CN" ``` 将 `https://www.youtube.com/watch?v=dQw4w9WgXcQ` 替换为实际的 YouTube 视频 URL，并将 `zh-CN` 替换为所需的语言代码。 **重要注意事项:** * **错误处理:** 这个 MVP 包含基本的错误处理，但你应该根据你的需求添加更详细的错误处理。 * **API 限制:** YouTube Transcript API 可能有速率限制。 如果你的应用需要处理大量的请求，你可能需要考虑使用 API 密钥或实现缓存机制。 * **字幕可用性:** 并非所有 YouTube 视频都有自动生成的字幕，并且并非所有字幕都提供所有语言版本。 你的代码应该能够处理这些情况。 * **安全性:** 在生产环境中，你应该使用更安全的 Web 服务器，例如 Gunicorn 或 uWSGI，并配置 HTTPS。 * **URL 解析:** URL 解析代码比较简单，可能无法处理所有可能的 YouTube URL 格式。 你可以使用更健壮的 URL 解析库，例如 `urllib.parse`。 This code provides a basic, functional server. Remember to handle potential errors and limitations as mentioned above for a more robust application. Good luck!

Telephony MCP Server

Enables LLM applications to make voice calls and send SMS messages through the Vonage API, allowing AI assistants to perform real-world telephony operations with support for speech recognition and customizable voice parameters.

MarkItDown MCP Server

镜子 (jìng zi)

A2A Registry

Provides a unified registry for discovering and managing agents that implement the A2A (Agent-to-Agent) protocol, enabling registration, querying, and CRUD operations on agent metadata through both REST API and MCP tools.

GoHighLevel MCP Server

Enables AI assistants to interact with GoHighLevel's complete API including contacts, opportunities, calendars, workflows, communications, and business management tools. Supports both Bearer token and OAuth2 authentication with automatic token management.

Terrakube MCP Server

一个模型上下文协议服务器，它能够通过自然语言管理 Terrakube 基础设施，处理工作区管理、变量、模块和组织操作。

Perplexity MCP Server

一个 Perplexity API 模型上下文协议 (MCP) 服务器，为 LLM 代理解锁 Perplexity 的搜索增强 AI 功能。它具有强大的错误处理、安全的输入验证以及通过 showThinking 参数实现的透明推理。采用类型安全、模块化架构和生产就绪的实用程序构建。

Zava Insurance MCP Server

Enables management of insurance claims, inspections, and contractors through interactive UI widgets and data tools. Users can view claim dashboards, update statuses, and query service provider information using natural language.

Datadog MCP Server

Enables interaction with Datadog's monitoring platform to search logs, search trace spans, and perform trace span aggregation for analysis.

MCP Background Task Server

A Model Context Protocol server that enables running and managing long-running background tasks (like development servers, builds) from within Claude Desktop or other MCP-compatible clients.

SovietRepublic-MCP

An MCP server that exposes live game data from Workers & Resources: Soviet Republic to Claude by parsing game autosave files. It enables users to monitor population demographics, economic metrics, and trade history through natural language queries.

Zotero MCP Bridge

Enables LLM clients to browse and query your Zotero library through tool calls. Provides access to Zotero-specific functions like listing open tabs, searching items, and browsing collections via a local MCP server running inside Zotero.

Stata MCP Server

Connects AI agents to a local Stata installation, enabling execution of Stata code, data inspection, graph generation, and result verification through natural language interactions.

cdpilot

Zero-dependency browser automation CLI with 40+ commands. Navigate, click, fill forms, take screenshots, capture network traffic, and more — all via Chrome DevTools Protocol. Built-in accessibility tree snapshots for AI agents (500x fewer tokens than screenshot-based approaches). Works with any Chromium browser already installed. 50KB total, no Playwright or Puppeteer needed.

Model Context Protocol (MCP) Server

MCP 服务器 + Llama3 + Xterm.js

Django MCP Server

An implementation of the Model Context Protocol for Django that enables AI agents to interact with applications by exposing models, logic, and REST Framework APIs as tools.

iMail-mcp

Retrieve Mail from icloud

React Native Godot Documentation MCP Server

Enables intelligent access to React Native Godot documentation, examples, API references, and troubleshooting guides through searchable tools optimized for LLM workflows.

MCP Sumo Logic Server

与 Sumo Logic 的 API 集成，以实现可配置查询和时间范围的日志搜索，支持错误处理，并通过 Docker 实现轻松部署。

Logseq MCP Tools

一个模型上下文协议服务器，使 AI 代理能够与本地 Logseq 知识图谱进行交互，支持创建/编辑页面和块、搜索内容和管理日记条目等操作。

Spaceship MCP

An MCP server for managing and executing AI agents on the Spaceship AI platform directly from clients like Claude Code and Cursor. It provides comprehensive tools for agent lifecycle management, including creation, execution, and real-time monitoring of run statuses and logs.

PCILeech MCP Server

Enables AI assistants to perform DMA-based memory operations through PCILeech hardware using natural language commands, supporting memory reading, writing, and multi-format visualization for debugging and security research.

Datomic MCP Server

Datomic MCP 服务器，以便你的 AI 模型可以查询你的数据库（使用 Modex MCP 库）。

Obsidian MCP

这个项目实现了一个模型上下文协议（MCP）服务器，用于连接人工智能模型和 Obsidian 知识库。通过这个服务器，人工智能模型可以直接访问和操作 Obsidian 笔记，包括读取、创建、更新和删除笔记，以及管理文件夹结构。

Asterisk S2S MCP Server

MCP Server for automated conversational phone calls using Asterisk with Speech-to-Speech capabilities, allowing users to make phone conversations as easily as writing a prompt.

YouTube Watch Later MCP Server

通过 OAuth2 认证，安全访问您的 YouTube “稍后观看” 播放列表，并通过一个简单的界面，检索在指定时间范围内添加的视频 URL。

Obsidian MCP Server

Enables natural language interaction with Obsidian vaults, supporting intelligent search, note CRUD operations, backlink analysis, and advanced knowledge management tools like narrative path generation and note cluster detection.