发现优秀的 MCP 服务器

GigAPI MCP Server

An MCP server that provides seamless integration with Claude Desktop for querying and managing timeseries data in GigAPI Timeseries Lake.

MCP Walkthrough

Enables AI agents to present interactive code walkthroughs with voice narration, opening files, highlighting code, and showing inline explanations with synchronized text-to-speech.

Civic Data MCP Server

Provides access to 7 free government and open data APIs including NOAA weather, US Census demographics, NASA imagery, World Bank economics, Data.gov, and EU Open Data through 22 specialized tools, with most requiring no API keys.

parallel-browser-mcp

parallel-browser-mcp is an MCP server for parallel browser automation. It exposes a numeric session model over MCP so one client can create and control multiple browser sessions at the same time across multiple browser providers.

DevLog MCP

Enables AI coding agents to publish development logs to a Notion blog database via a single tool, handling input validation and Notion storage.

MCP DeepSeek 演示项目

好的，这是一个 DeepSeek 结合 MCP (Message Channel Protocol) 的最小用例，包括客户端和服务器端，用 Python 编写。这个例子展示了如何使用 DeepSeek 的模型进行简单的文本生成，并通过 MCP 在客户端和服务器之间传递请求和响应。 **注意:** 这个例子假设你已经安装了 DeepSeek 的 Python SDK 和 MCP 的相关库 (例如 `mcp` 或类似的库，具体取决于你选择的 MCP 实现)。 你需要根据你的实际环境安装这些依赖。 由于 MCP 的具体实现有很多种，这里提供的是一个概念性的例子，你需要根据你使用的 MCP 库进行调整。 **1. 服务器端 (server.py):** ```python # server.py import mcp # 假设你使用了一个名为 'mcp' 的库 import deepseek_ai # 假设你已经安装了 DeepSeek 的 SDK # DeepSeek API Key (替换成你自己的 API Key) DEEPSEEK_API_KEY = "YOUR_DEEPSEEK_API_KEY" # 初始化 DeepSeek 客户端 deepseek = deepseek_ai.DeepSeek(api_key=DEEPSEEK_API_KEY) # MCP 服务器配置 SERVER_ADDRESS = ('localhost', 8080) # 服务器地址和端口 # 处理 DeepSeek 请求的函数 def handle_deepseek_request(prompt): """ 接收 prompt，调用 DeepSeek 模型生成文本，并返回结果。 """ try: response = deepseek.completions.create( model="deepseek-chat", # 或者你想要使用的其他模型 prompt=prompt, max_tokens=50, # 限制生成文本的长度 temperature=0.7, # 控制生成文本的随机性 ) generated_text = response.choices[0].text.strip() return generated_text except Exception as e: print(f"DeepSeek API 调用失败: {e}") return "DeepSeek API 调用失败" # MCP 服务器处理函数 def handle_client_request(request): """ 接收客户端请求，调用 DeepSeek 处理函数，并返回结果。 """ try: prompt = request.decode('utf-8') # 将请求解码为字符串 print(f"收到客户端请求: {prompt}") generated_text = handle_deepseek_request(prompt) print(f"DeepSeek 生成的文本: {generated_text}") return generated_text.encode('utf-8') # 将结果编码为字节流 except Exception as e: print(f"处理客户端请求失败: {e}") return "服务器处理失败".encode('utf-8') # 创建 MCP 服务器 server = mcp.Server(SERVER_ADDRESS, handle_client_request) # 启动服务器 print(f"服务器启动，监听地址: {SERVER_ADDRESS}") server.run() ``` **2. 客户端 (client.py):** ```python # client.py import mcp # 假设你使用了一个名为 'mcp' 的库 # MCP 服务器配置 SERVER_ADDRESS = ('localhost', 8080) # 服务器地址和端口 # 客户端请求 prompt = "请用一句话描述 DeepSeek。" # 你想要发送给 DeepSeek 的 prompt # 创建 MCP 客户端 client = mcp.Client(SERVER_ADDRESS) # 发送请求并接收响应 try: response = client.send_request(prompt.encode('utf-8')) # 将 prompt 编码为字节流 generated_text = response.decode('utf-8') # 将响应解码为字符串 print(f"服务器返回的文本: {generated_text}") except Exception as e: print(f"客户端请求失败: {e}") # 关闭客户端 client.close() ``` **代码解释:** * **服务器端 (server.py):** * 导入 `mcp` 和 `deepseek_ai` 库。 * 使用你的 DeepSeek API Key 初始化 DeepSeek 客户端。 * 定义 `handle_deepseek_request` 函数，该函数接收一个 prompt，调用 DeepSeek 模型生成文本，并返回结果。 这个函数处理与 DeepSeek API 的交互。 * 定义 `handle_client_request` 函数，该函数接收客户端的请求，调用 `handle_deepseek_request` 函数处理请求，并将结果返回给客户端。 这个函数是 MCP 服务器的核心逻辑。 * 创建一个 MCP 服务器，并指定服务器地址和端口，以及处理客户端请求的函数。 * 启动服务器，开始监听客户端请求。 * **客户端 (client.py):** * 导入 `mcp` 库。 * 定义服务器地址和端口。 * 定义要发送给 DeepSeek 的 prompt。 * 创建一个 MCP 客户端，并指定服务器地址和端口。 * 发送请求给服务器，并接收服务器返回的响应。 * 将服务器返回的响应打印到控制台。 * 关闭客户端。 **运行步骤:** 1. **安装依赖:** 确保你已经安装了 `deepseek_ai` 和你选择的 MCP 库。 例如，如果 `mcp` 是一个实际存在的库，你可以使用 `pip install deepseek_ai mcp` 安装。 如果 `mcp` 只是一个占位符，你需要替换成你实际使用的 MCP 库，并安装它。 2. **替换 API Key:** 将 `server.py` 中的 `YOUR_DEEPSEEK_API_KEY` 替换成你自己的 DeepSeek API Key。 3. **运行服务器:** 在终端中运行 `python server.py`。 4. **运行客户端:** 在另一个终端中运行 `python client.py`。 **预期结果:** 客户端会向服务器发送一个 prompt，服务器会调用 DeepSeek 模型生成文本，并将生成的文本返回给客户端。客户端会将服务器返回的文本打印到控制台。 **重要注意事项:** * **MCP 实现:** 这个例子中使用了一个名为 `mcp` 的占位符库。 你需要根据你实际使用的 MCP 库进行调整。 常见的 MCP 实现包括 ZeroMQ, RabbitMQ, Redis Pub/Sub 等。 你需要选择一个适合你的需求的 MCP 实现，并根据该实现的 API 修改代码。 * **错误处理:** 这个例子包含了一些基本的错误处理，但你可以根据你的需求添加更完善的错误处理机制。 * **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。 * **异步处理:** 如果 DeepSeek API 的调用时间较长，你可以考虑使用异步处理来提高服务器的性能。 * **模型选择:** `model="deepseek-chat"` 只是一个示例，你可以根据你的需求选择其他 DeepSeek 模型。 * **DeepSeek API Key:** 请妥善保管你的 DeepSeek API Key，不要将其泄露给他人。 这个最小用例提供了一个基本的框架，你可以根据你的实际需求进行扩展和修改。 希望这个例子能够帮助你理解如何将 DeepSeek 与 MCP 结合使用。

Trader Journal MCP

Provides AI-powered trading analytics and coaching by analyzing historical trades to identify strategies, emotional patterns, and behavioral mistakes via MCP tools.

Casper MCP Server

Enables AI agents to interact with the Casper Network through six tools including account balance, agent registry, transaction status, transfers, and DeFi pools, using the Model Context Protocol.

openai-agents-mcp

MCP server that bridges OpenAI's Agents SDK with Claude Code, enabling web search, file search, and computer use capabilities directly in your development environment.

usgswater

Wraps USGS NWIS REST services to query water data such as streamflow, groundwater levels, and water quality.

Yandex Reverse Image Search MCP Server

Enables reverse image search using Yandex via Apify, returning structured JSON with matching pages, similar images, and more.

sourcemod-mcp

Enables Claude to programmatically control a local TF2/SourceMod game server: query live state, run commands, compile and hot-load plugins, stream telemetry, debug runtime errors, and write ephemeral scripts through the full SourceMod native API.

sfc-data-mcp

MCP server that wraps SFC financial data API into 32 tools for comprehensive A-share market data, including real-time quotes, rankings, limit-up statistics, news, themes, financials, charts, research reports, and watchlists.

🤖 mcp-ollama-beeai

一个极简的自主代理应用，利用 BeeAI 框架，通过多个 MCP 服务器工具与 OLLAMA 模型进行交互。

motionspec

Enables LLMs to generate safe, accessible scroll-driven web animations by translating natural language requests into validated JSON specs, then compiling them into GSAP or WAAPI/CSS code with built-in reduced-motion and pause controls.

Recaf MCP

Enables LLMs to perform JVM bytecode analysis and editing by operating a Recaf workspace through MCP tools. Supports class browsing, decompilation, bytecode manipulation, search, cross-references, and refactoring operations.

SpidexLab's Multi-Tenant Browser MCP

Enables multiple autonomous agents to concurrently control separate tabs in a single Chrome instance, with features like semantic search and network monitoring.

github-mcp

Provides four GitHub superpowers (repo-scorecard, compare-repos, commit-heatmap, trending-mcp) as MCP tools with React widgets for repository health analysis, comparison, commit activity visualization, and trending MCP servers.

Test MCP Feb4 MCP Server

An MCP server that provides standardized tools for AI agents to interact with the Test MCP Feb4 API. It enables LLMs to access API endpoints through asynchronous operations and standardized Model Context Protocol tools.

MCP Memory

Enables AI assistants to remember user information across conversations using vector search technology. Built on Cloudflare infrastructure with isolated user namespaces for secure, persistent memory storage and retrieval.

enigmagent-mcp

Local AES-256-GCM encrypted vault for AI agents. Resolve {{PLACEHOLDER}} secrets in prompts at runtime — LLMs never see real API keys. Argon2id key derivation, zero cloud.

Math & Calculator MCP Server

Provides advanced mathematical utilities including basic arithmetic, statistical analysis, unit conversions, quadratic equation solving, percentage calculations, and trigonometric functions for AI assistants.

reference-mcp

An MCP server that helps AI agents comprehend a codebase by providing tools for navigating, searching, and understanding code structure and history.

Workflows MCP v0.1.0

将提示词和 MCP 服务器编排和组合成复合 MCP 工具

QMT MCP Server

Wraps the miniQMT interface to enable AI assistants to query A-share market data, account information, and place/cancel orders.

puzzletide-mcp

MCP server for puzzle generation: word search generator, crossword generator, and sudoku generator + solver, with printable PDF worksheets, themed word banks, and verifiable LLM evals. Works with Claude Desktop, Cursor, Windsurf, and any Model Context Protocol client. From the makers of puzzletide.com.

utsunomiya-mcp-server

Enables querying Utsunomiya city's open datasets using natural language, with features like listing datasets, viewing schemas, filtering, and statistical analysis.

StableDeliver AI Bridge

Enables ChatGPT to supervise Claude Code for automated engineering tasks, with safety gates and logging.

geo-mcp

OSM-backed multimodal navigation MCP server enabling geocoding, route planning, POI discovery, and urban layout analysis. It provides a structured city graph to LLM apps without proprietary map APIs.