发现优秀的 MCP 服务器
通过 MCP 服务器扩展您的代理能力，拥有 14,296 个能力。
GitHub API MCP Server
这是 GitHub 搜索 MCP Server
Todoist MCP Server Enhanced
镜子 (jìng zi)
Figma MCP Server Overview
在 MCP 服务器上，由 Cursor AI 从 Figma 自动生成的 UI。
Hydra MCP
好的，这是翻译成中文的结果： 一个简单的测试项目，用于在端点和 Claude 的 MCP 之间搭建一个中间服务器。
Remote MCP Server on Cloudflare
MCP Servers for Coders
Code Runner MCP Server
镜子 (jìng zi)
MCP Sentry Server (Node.js)
MCP 哨兵服务器 (MCP shào bīng fú wù qì)
MCP Server
Specifai MCP Server
MCP 服务器向任何支持 MCP 的 AI 工具（例如 Hai Build、Cursor）提供 Specifai 项目需求、任务等。
Tutorial: Create an MCP Server in .NET using C#
这是一个非常基础的示例，展示了如何在 .NET 中创建 MCP 服务器。
mcp-server-get-database-config
MCP Server for Jira
Axiom MCP Server
适用于 Axiom 的 MCP 服务器
github-mcp-server
Basecamp MCP Integration
一个与 Basecamp 3+ API 交互的 MCP 服务器
Meilisearch MCP Server (Go)
一个基于 Go 的 MCP 服务器包装器，用于 Meilisearch，使像 Claude 这样的 LLM 能够通过模型上下文协议访问强大的搜索功能。
RedNote MCP
🚀用于访问 RedNote（小红书，xhs）的 MCP 服务器。
Mcp Jacoco Reporter
MCP Server Test
MCP 服务器测试仓库 (MCP fúwùqì cèshì cāngkù)
mcp
用于各种任务的 MCP 服务器集合
Example MCP Server + Client Implementation
一个 MCP 服务器（使用虚拟 API）和基本客户端的演示实现。
mcp-s4w3d0ff
用 Python 编写的 MCP 服务器集合
GPTDARR - Sonarr & Radarr MCP Server
一个 MCP 服务器，用于高效管理和自动化 Sonarr 和 Radarr 设置中的电视剧和电影。通过 AI 驱动的洞察和命令，简化您的媒体库管理。
FastAPI Hello World Application
使用 GitHub MCP 服务器创建的测试仓库
Swytchcode MCP server
Swytchcode 加速了 API 集成，使开发者能够使用 Postman 集合或 OpenAPI 规范无缝集成任何 API。借助 Swytchcode，开发者可以获得他们首选编程语言的、可用于生产环境的代码，从而将集成时间缩短高达 90%。 Swytchcode 平台支持为 80 多个 API 生成代码，并能够根据需求添加更多 API。这种简化的方法使开发者能够专注于创新，而不是繁琐的集成任务。 主要特点： API 支持：与 80 多个 API 集成，包括 Stripe、PayPal 和 Shopify 等流行的金融科技服务。 代码生成：生成多种编程语言的代码，确保与各种开发环境的兼容性。 按需添加 API：允许开发者根据需要请求对其他 API 的支持。
dbt MCP Server
一个用于与 dbt 资源交互的 MCP (模型上下文协议) 服务器。
mcp-code-runner
mcp-servers
待定 (dài dìng)
Demo MCP Basic
好的，这是 MCP 服务器的 HTTP SSE 演示以及一个客户端： **服务器端 (Python - 使用 Flask):** ```python from flask import Flask, Response, request import time import json app = Flask(__name__) # 模拟 MCP 数据 def generate_mcp_data(): counter = 0 while True: data = { "timestamp": time.time(), "counter": counter, "message": f"MCP Data Update: {counter}" } yield f"data: {json.dumps(data)}\n\n" counter += 1 time.sleep(1) # 每秒更新一次 @app.route('/mcp_stream') def mcp_stream(): return Response(generate_mcp_data(), mimetype="text/event-stream") if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **代码解释:** * **`Flask`:** 使用 Flask 框架创建一个简单的 Web 服务器。 * **`generate_mcp_data()`:** 这是一个生成器函数，它模拟 MCP 数据。 * 它创建一个包含时间戳、计数器和消息的字典。 * 它使用 `yield` 关键字返回一个格式化为 SSE 事件的数据字符串。 `data: {json.dumps(data)}\n\n` 是 SSE 格式的关键。 `data:` 表示数据字段，`\n\n` 表示事件的结束。 * `time.sleep(1)` 模拟数据更新的间隔（这里是每秒一次）。 * **`/mcp_stream` 路由:** * `@app.route('/mcp_stream')` 定义了一个路由，当客户端访问 `/mcp_stream` 时，会调用 `mcp_stream()` 函数。 * `Response(generate_mcp_data(), mimetype="text/event-stream")` 创建一个 HTTP 响应，其中包含 `generate_mcp_data()` 生成的数据流，并将 `mimetype` 设置为 `text/event-stream`。 这是告诉客户端这是一个 SSE 流的关键。 * **`app.run(...)`:** 启动 Flask 服务器。 `host='0.0.0.0'` 允许从任何 IP 地址访问服务器。 **客户端 (JavaScript - HTML):** ```html <!DOCTYPE html> <html> <head> <title>MCP SSE Client</title> </head> <body> <h1>MCP Data Stream</h1> <div id="mcp-data"></div> <script> const eventSource = new EventSource('/mcp_stream'); // 替换为你的服务器地址 eventSource.onmessage = (event) => { const data = JSON.parse(event.data); const mcpDataElement = document.getElementById('mcp-data'); mcpDataElement.innerHTML += `<p>${JSON.stringify(data)}</p>`; }; eventSource.onerror = (error) => { console.error("EventSource failed:", error); eventSource.close(); // 关闭连接，防止无限重试 }; </script> </body> </html> ``` **代码解释:** * **`EventSource`:** `new EventSource('/mcp_stream')` 创建一个 `EventSource` 对象，连接到服务器的 `/mcp_stream` 端点。 确保将 `/mcp_stream` 替换为你的服务器地址（例如 `http://localhost:5000/mcp_stream`）。 * **`onmessage` 事件处理程序:** * `eventSource.onmessage = (event) => { ... }` 定义了一个事件处理程序，当服务器发送新数据时，该处理程序会被调用。 * `event.data` 包含服务器发送的数据。 * `JSON.parse(event.data)` 将 JSON 字符串解析为 JavaScript 对象。 * `document.getElementById('mcp-data')` 获取 HTML 中 `id` 为 `mcp-data` 的元素。 * `mcpDataElement.innerHTML += `<p>${JSON.stringify(data)}</p>`;` 将接收到的数据添加到 HTML 元素中。 * **`onerror` 事件处理程序:** * `eventSource.onerror = (error) => { ... }` 定义了一个事件处理程序，当发生错误时，该处理程序会被调用。 * `console.error("EventSource failed:", error);` 将错误信息输出到控制台。 * `eventSource.close();` 关闭 `EventSource` 连接，防止客户端无限重试连接。 **如何运行:** 1. **保存文件:** 将 Python 代码保存为 `mcp_server.py`，将 HTML 代码保存为 `mcp_client.html`。 2. **安装 Flask:** 在命令行中运行 `pip install flask`。 3. **运行服务器:** 在命令行中运行 `python mcp_server.py`。 4. **打开客户端:** 在浏览器中打开 `mcp_client.html`。 **预期结果:** 你将在浏览器中看到一个标题为 "MCP Data Stream" 的页面，并且页面会不断更新，显示来自服务器的 MCP 数据。 每次服务器发送新数据时，都会在页面上添加一个新的 `<p>` 元素，显示 JSON 格式的数据。 **重要注意事项:** * **CORS (跨域资源共享):** 如果你的客户端和服务器运行在不同的域名或端口上，你可能需要配置 CORS。 你可以使用 Flask 的 `flask_cors` 扩展来处理 CORS。 例如： ```python from flask import Flask, Response from flask_cors import CORS import time import json app = Flask(__name__) CORS(app) # 允许所有来源的跨域请求 # ... (其余代码不变) ``` 然后运行 `pip install flask_cors`。 * **错误处理:** 在实际应用中，你需要更完善的错误处理机制，例如处理连接错误、数据解析错误等。 * **数据格式:** 根据你的实际需求调整 MCP 数据的格式。 * **服务器地址:** 确保客户端中的 `EventSource` 连接到正确的服务器地址。 这个演示提供了一个基本的 MCP 服务器和客户端的框架。你可以根据你的具体需求进行修改和扩展。 希望这个例子能帮助你理解如何使用 HTTP SSE 实现 MCP 服务器。