
Steam Review MCP
使大型语言模型能够检索和分析Steam游戏评论,提供对评论统计数据、游戏信息的访问,并帮助总结游戏的优点和缺点。
README
Steam 评论 MCP
English | 中文
使用模型上下文协议 (MCP) 访问 Steam 游戏评论。
功能
帮助 LLM 检索 Steam 游戏评论和信息:
- 获取游戏评论(正面/负面计数、评论分数、评论内容等)
- 获取游戏基本信息(名称、详细描述)
- 分析游戏评论并总结优缺点
安装
直接使用 npx 运行:
npx steam-review-mcp
或者添加:
{
"mcpServers": {
"steam-review-mcp": {
"command": "npx",
"args": [
"steam-review-mcp"
]
}
}
}
用法
工具
此 MCP 服务提供 get_steam_review
工具,该工具通过传递 Steam 游戏 appid 来检索评论和游戏信息。
更多详情,请查看 Steamwork API:用户评论 - 获取列表
返回的数据包含两部分:
-
game_reviews
:success
: 查询是否成功review_score
: 评论分数review_score_desc
: 评论分数描述total_positive
: 正面评论总数total_negative
: 负面评论总数reviews
: 所有评论文本内容(不包含其他元数据)
-
game_info
:name
: 游戏名称detailed_description
: 详细游戏描述
Prompts
summarize-reviews
用于整体游戏评论分析,总结游戏的优缺点。
参数
appid
(必需): Steam 游戏 ID,例如,570
(Dota 2)
recent-reviews-analysis
用于分析最近的游戏评论,总结游戏的当前状态和玩家反馈。
参数
appid
(必需): Steam 游戏 ID,例如,570
(Dota 2)
开发
# 安装依赖
npm install
# 构建项目
npm run build
# 运行服务
npm start
推荐服务器

Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。