发现优秀的 MCP 服务器

LOTUS-MCP

将两个人工智能集成到一个现代化的MCP中，以获得更好的性能。

niuyin-mcp-server

芝士学爆 MCP 服务

Portfolio Service Monorepo

一个 MCP (模型上下文协议) 服务器，它实现了流行的经纪商的 API 以及更多功能。

🌟 Linkup for Claude: Internet Access for Your AI Assistant

镜子 (jìng zi)

RapidOCR MCP Server

一个基于 RapidOCR 的 MCP 服务器，提供易于使用的 OCR 接口。

r2d2

用于 Dune Analytics 的开源 MCP 服务器

Ebook-MCP

一个支持主流电子书格式（包括 EPUB、PDF 等）的 MCP 服务器。利用 LLM 简化您的电子书用户体验。

Louvre MCP

一个用于与卢浮宫博物馆藏品互动的模型上下文协议 (MCP) 服务器

Powerdrill

一个 MCP 服务器，提供与 Powerdrill (https://powerdrill.ai/) 数据集交互的工具，从而实现智能 AI 数据分析和洞察。

mcpserveraitools

刚刚发布了一个“模型上下文协议”（MCP）服务器，基本上就是JARVIS，但更有个性，而且没有英国口音！ 等机器人起义发生时，我肯定会在他们的“处理过这个人类的奇怪问题”名单上。

Weather Bot with OpenAI Agents SDK

使用 OpenAI Agents SDK 和 MCP 服务器的 Telegram 机器人。

Alpha Vantage MCP

一个用于访问 Alpha Vantage 股票和金融数据的模型上下文协议 (MCP) 服务器。

Mcp_mlb_statsapi

这个项目提供了一个 MCP (多通道管道) 服务器，它作为 MLB Stats API 的包装器。它允许你轻松访问和处理各种 MLB 数据点，包括赛程、比赛结果和球队信息。这个服务器专为在 MCP 框架内高效地检索和处理数据而设计。

habitat

这是一个协作组件的集合，它们共同作用，可以方便地在本地和网络上管理、开发、使用和迁移 MCP 服务器。

Arithmo MCP Server pypi Package

PyPI 包 (PyPI bāo)

ORKL MCP Server

ORKL 威胁情报库的 MCP 服务器

Crypto Portfolio MCP

一个用于追踪和管理加密货币投资组合配置的 MCP 服务器。

agoda-review-mcp

寻找Agoda酒店评价的MCP服务器

MCP Server for Paper Analytical Devices (PAD)

用于纸质分析设备 (PAD) 的 Python MCP 服务器

DVID MCP Server

用于对 DVID 进行主要只读访问的 MCP 服务器

sheet-music-mcp

用于乐谱渲染的 MCP 服务器

cognee-mcp-server

镜子 (jìng zi)

PromptFuzzer-MCP

使用 Garak LLM 漏洞扫描器的 MCP 服务器

mcp-weather

好的，以下是一個給 AI Agent 使用的 MCP (Message Communication Protocol) Server 範例，用來取得美國各州的天氣預報與警示資訊。 這個範例著重於概念的清晰，實際部署可能需要根據您的具體需求進行調整。 **概念概述:** * **MCP Server:** 負責接收來自 AI Agent 的請求，處理請求，並將結果返回給 AI Agent。 * **AI Agent:** 發送請求到 MCP Server，並解析返回的結果。 * **天氣資料來源:** 使用外部 API (例如 NOAA, OpenWeatherMap) 來獲取天氣資訊。 * **資料格式:** 使用 JSON 作為請求和回應的資料格式，方便 AI Agent 解析。 **MCP Server (Python 範例 - 使用 Flask):** ```python from flask import Flask, request, jsonify import requests import os app = Flask(__name__) # 替換成你的 API 金鑰 (從 NOAA, OpenWeatherMap 等取得) API_KEY = os.environ.get("WEATHER_API_KEY") # 建議使用環境變數 # 預設天氣資料來源 (NOAA) WEATHER_API_URL = "https://api.weather.gov/alerts/active?area={state}" @app.route('/weather', methods=['POST']) def get_weather(): """ 接收來自 AI Agent 的請求，取得指定州的天氣預報和警示資訊。 """ try: data = request.get_json() state = data.get('state') if not state: return jsonify({'error': 'State is required'}), 400 # 呼叫天氣 API url = WEATHER_API_URL.format(state=state.upper()) # NOAA 需要大寫州代碼 response = requests.get(url) if response.status_code == 200: weather_data = response.json() return jsonify(weather_data), 200 else: return jsonify({'error': f'Weather API error: {response.status_code}'}), 500 except Exception as e: print(f"Error: {e}") return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **AI Agent (Python 範例):** ```python import requests import json MCP_SERVER_URL = "http://localhost:5000/weather" # 替換成你的 MCP Server URL def get_state_weather(state): """ 向 MCP Server 發送請求，取得指定州的天氣資訊。 """ try: payload = {'state': state} headers = {'Content-type': 'application/json'} response = requests.post(MCP_SERVER_URL, data=json.dumps(payload), headers=headers) if response.status_code == 200: weather_data = response.json() return weather_data else: print(f"Error: MCP Server error: {response.status_code}") return None except Exception as e: print(f"Error: {e}") return None # 範例用法 state = "CA" # 加州 weather_info = get_state_weather(state) if weather_info: print(f"加州 ({state}) 天氣資訊:") print(json.dumps(weather_info, indent=4, ensure_ascii=False)) # 輸出美觀的 JSON else: print("無法取得天氣資訊。") ``` **說明:** * **MCP Server (Flask):** * 使用 Flask 建立一個簡單的 Web 服務。 * `/weather` 端點接收 POST 請求，請求體包含一個 JSON 物件，其中包含 `state` 欄位 (例如: `{"state": "CA"}`). * 使用 `requests` 庫呼叫外部天氣 API (NOAA 在此範例中)。 * 將天氣 API 的回應以 JSON 格式返回給 AI Agent。 * 錯誤處理：包含基本的錯誤處理，例如檢查 `state` 是否存在，以及處理天氣 API 的錯誤。 * **重要:** 請務必將 `API_KEY` 儲存在環境變數中，而不是直接寫在程式碼中，以確保安全性。 * **AI Agent:** * 使用 `requests` 庫向 MCP Server 發送 POST 請求。 * 將 `state` 作為 JSON payload 發送。 * 解析 MCP Server 返回的 JSON 回應。 * 錯誤處理：包含基本的錯誤處理，例如檢查 MCP Server 的回應狀態碼。 * **JSON 格式:** 請求和回應都使用 JSON 格式，方便 AI Agent 解析和處理。 * **NOAA API:** 此範例使用 NOAA 的 API，但您可以根據需要替換成其他天氣 API。 請注意，不同的 API 可能需要不同的參數和金鑰。 * **錯誤處理:** 範例中包含基本的錯誤處理，但您可能需要根據您的需求添加更完善的錯誤處理機制。 * **安全性:** 在實際部署中，請務必考慮安全性問題，例如驗證 AI Agent 的身份，以及保護 API 金鑰。 **如何執行:** 1. **安裝必要的套件:** ```bash pip install flask requests ``` 2. **設定環境變數:** ```bash export WEATHER_API_KEY="YOUR_API_KEY" # 替換成你的 API 金鑰 ``` 3. **執行 MCP Server:** ```bash python your_mcp_server_file.py ``` 4. **執行 AI Agent:** ```bash python your_ai_agent_file.py ``` **中文翻譯 (概念):** 這個範例展示了一個給 AI 代理使用的 MCP (訊息通訊協定) 伺服器，用於獲取美國各州的天氣預報和警報資訊。 * **MCP 伺服器:** 負責接收來自 AI 代理的請求，處理這些請求，並將結果返回給 AI 代理。 * **AI 代理:** 向 MCP 伺服器發送請求，並解析返回的結果。 * **天氣資料來源:** 使用外部 API (例如 NOAA, OpenWeatherMap) 來獲取天氣資訊。 * **資料格式:** 使用 JSON 作為請求和回應的資料格式，方便 AI 代理解析。 **中文翻譯 (程式碼註解):** 程式碼中的註解已經是中文，所以不需要額外翻譯。 **重要注意事項:** * **API 金鑰:** 請務必使用您自己的 API 金鑰，並將其儲存在環境變數中。 * **錯誤處理:** 根據您的需求，添加更完善的錯誤處理機制。 * **安全性:** 在實際部署中，請考慮安全性問題。 * **API 限制:** 不同的天氣 API 可能有不同的使用限制 (例如請求頻率限制)。 請仔細閱讀 API 的文件。 * **資料格式:** 不同的天氣 API 返回的資料格式可能不同。 您可能需要修改程式碼來解析不同的資料格式。 這個範例提供了一個基本的框架。 您可以根據您的具體需求進行修改和擴展。 例如，您可以添加更多的功能，例如支持不同的天氣 API，或者提供更詳細的天氣資訊。

MCP-OpenLLM

LangChain 封装器，用于将 MCP 服务器与 transformers 库中不同的开源大型语言模型无缝集成。