使用说明

MPO MCP 服务器

一个基于（某种技术或框架，原文未指明）构建的全面模型上下文协议（MCP）服务器 FastMCP 该工具与GitHub仓库、Confluence文档和Databricks Unity目录提供了强大的集成功能。

🚀 表情符号“🚀”在中文中通常被翻译为“火箭”或直接用该符号表示火箭的形象，不直接对应具体的中文词汇，但在描述时可意译为“火箭”。所以，这个表情可以理解为“🚀 火箭”。 使用FastMCP构建！ 这台服务器利用了 FastMCP这是一个现代的、基于装饰器的框架，用于构建MCP服务器，且代码样板极少。

📚 目录

概述
特点/特性
安装
配置
使用方法
可用工具
文档
发展
故障排除

概述

MPO MCP服务器使AI助手和大型语言模型（LLM）能够与您的开发和数据生态系统无缝交互。它通过模型上下文协议提供了一套全面的工具，使智能代理能够：

GitHub浏览仓库、搜索代码、阅读文件、管理分支和拉取请求
“Confluence”翻译成中文是“汇流”或“交汇”。这个词通常用来描述两个或多个事物、思想、水流等的汇聚或融合搜索并检索文档，列出空间和页面
Databricks查询Unity Catalog元数据，执行SQL查询，探索数据架构

该服务器采用模块化架构设计，允许您仅配置所需的服务。

特点/功能

🔧 灵活配置

模块化设计仅启用您所需的服务（GitHub、Confluence、Databricks 或任意组合）
基于环境的简单 .env 带验证的文件配置
安全通过环境变量管理的API令牌和凭据

🚀 多种使用模式

交互式大型语言模型助手具有自主工具选择功能的自然语言接口
MCP 服务器与Claude Desktop及其他MCP客户端的直接集成
命令行界面通过命令行界面（CLI）直接调用工具

📊 综合工具集

18个GitHub工具完整的仓库管理和代码探索功能
5个Confluence工具全面的文档搜索与检索
10个Databricks工具完整的Unity Catalog元数据和SQL执行

安装

先决条件

Python 3.10或更高版本
pip 或者 紫外线 用于包管理
您想要使用的服务的API凭据

快速设置

克隆仓库：

cd /Users/bsang2/Desktop/mcp_demo/mpo-mcp

安装依赖项：

pip install -r requirements.txt

或者使用紫外线（更快）：

uv pip install -r requirements.txt

创建配置文件：

cp .env.example .env  # If example exists
# Or create .env manually

添加您的凭据 to .env (见配置)

软件包安装

你也可以将其安装为一个包：

pip install -e .

这启用了命令行工具：

mpo-mcp-server运行MCP服务器
mpo命令行界面

配置

环境变量

创建一个 .env 在项目根目录中创建文件并填入您的凭据：

# ============================================
# Anthropic Configuration (for LLM Assistant)
# ============================================
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# ============================================
# GitHub Configuration
# ============================================
GITHUB_TOKEN=your_github_token_here
GITHUB_ORG=your_default_org_or_username

# ============================================
# Confluence Configuration
# ============================================
CONFLUENCE_URL=https://your-domain.atlassian.net
CONFLUENCE_USERNAME=your_email@example.com
CONFLUENCE_API_TOKEN=your_confluence_api_token
CONFLUENCE_SPACE_KEY=your_default_space_key

# ============================================
# Databricks Configuration
# ============================================
DATABRICKS_HOST=https://your-workspace.databricks.com
DATABRICKS_TOKEN=your_databricks_token
DATABRICKS_CATALOG=your_default_catalog
DATABRICKS_WAREHOUSE_ID=your_sql_warehouse_id

获取API凭证

Anthropic API密钥（用于交互式大型语言模型助手）

GitHub 个人访问令牌

前往 GitHub 设置 → 开发者设置 → 个人访问令牌 → 令牌（经典）
生成带有作用域的新令牌：
- repo （针对私有仓库）
- read:org （用于组织数据）
- user （针对用户数据）
将令牌复制到 .env 文件

Confluence API令牌

访问 id.atlassian.com/管理个人资料/安全/API令牌
创建API令牌
使用您的Atlassian账户电子邮件作为用户名
复制令牌到 .env 文件

Databricks访问令牌

前往您的Databricks工作区
点击用户设置 → 开发者
管理访问令牌 → 生成新令牌
设置过期时间和备注
复制令牌到 .env 文件

服务验证

服务器在启动时自动验证配置：

工具仅对已正确配置的服务开放
支持部分配置（例如，仅支持GitHub）
明确显示缺少凭据的错误信息

使用方法

方法1：交互式大型语言模型助手（推荐）🤖

使用服务器的最简单方式——一个能够自主选择和使用工具的对话式界面：

python llm_assistant.py

特点：

自然语言查询
自主工具选择
情境感知响应
对话历史
后续问题

示例会话：

💬 You: What are the most popular repositories from nike-goal-analytics-mpo?
🤖 Assistant: [Analyzes and calls github_list_repositories]
            Here are Facebook's top repositories:
            1. React - 210K stars...

💬 You: Show me the README from the React repository
🤖 Assistant: [Calls github_get_file_contents]
            Here's the React README...

💬 You: Search for "useState" in that repo
🤖 Assistant: [Calls github_search_code]
            Found 147 results for "useState"...

要求： 设置 ANTHROPIC_API_KEY 在 .env

看 docs/GETTING_STARTED_LLM_ASSISTANT.md 翻译为中文是：docs/入门指南_大型语言模型助手.md 以获取详细文档。

方法2：MCP服务器（适用于Claude桌面及其他客户端）

运行服务器以通过模型上下文协议暴露工具：

python -m mpo_mcp.server

或者如果作为包安装：

mpo-mcp-server

与Claude桌面版的集成

在您的Claude桌面配置中添加：

macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
Windows（视窗操作系统） %APPDATA%\Claude\claude_desktop_config.json

选项1：使用.env文件（推荐）

{
  "mcpServers": {
    "mpo-mcp": {
      "command": "python",
      "args": ["-m", "mpo_mcp.server"],
      "cwd": "/Users/bsang2/Desktop/mcp_demo/mpo-mcp"
    }
  }
}

选项2：显式环境变量

{
  "mcpServers": {
    "mpo-mcp": {
      "command": "python",
      "args": ["-m", "mpo_mcp.server"],
      "cwd": "/Users/bsang2/Desktop/mcp_demo/mpo-mcp",
      "env": {
        "GITHUB_TOKEN": "your_token",
        "GITHUB_ORG": "your_org",
        "CONFLUENCE_URL": "https://your-domain.atlassian.net",
        "CONFLUENCE_USERNAME": "your_email@example.com",
        "CONFLUENCE_API_TOKEN": "your_token",
        "CONFLUENCE_SPACE_KEY": "your_space",
        "DATABRICKS_HOST": "https://your-workspace.databricks.com",
        "DATABRICKS_TOKEN": "your_token",
        "DATABRICKS_CATALOG": "your_catalog",
        "DATABRICKS_WAREHOUSE_ID": "your_warehouse_id"
      }
    }
  }
}

见 docs/CURSOR_MCP_SETUP.md 翻译为中文是：docs/光标MCP设置.md 用于Cursor AI集成。

方法3：命令行界面

通过CLI直接调用工具：

# GitHub commands
mpo github repos --org nike-goal-analytics-mpo --limit 5
mpo github repo --name nike-goal-analytics-mpo/msc-dft-monorepo
mpo github search --query "useState" --repo nike-goal-analytics-mpo/msc-dft-monorepo
mpo github file --repo nike-goal-analytics-mpo/msc-dft-monorepo --path README.md
mpo github branches --repo nike-goal-analytics-mpo/msc-dft-monorepo
mpo github prs --repo nike-goal-analytics-mpo/msc-dft-monorepo --state open

# Confluence commands
mpo confluence spaces --limit 10
mpo confluence pages --space DOCS --limit 20
mpo confluence page --id 123456789
mpo confluence search --query "architecture" --space TECH
mpo confluence page-by-title --title "Getting Started"

# Databricks commands
mpo databricks catalogs
mpo databricks schemas --catalog main
mpo databricks tables --catalog main --schema default
mpo databricks schema --catalog main --schema default --table users
mpo databricks search --query customer --catalog main
mpo databricks catalog --name main
mpo databricks query --sql "SELECT * FROM main.default.users LIMIT 10"
mpo databricks warehouses

# Help
mpo --help
mpo github --help
mpo confluence --help
mpo databricks --help

看 docs/CLI_GUIDE.md 翻译为中文是：docs/命令行接口指南.md 并且 docs/CLI_EXAMPLES.md 翻译为中文是：文档/命令行接口示例.md 用于全面的命令行界面（CLI）文档。

可用工具

GitHub 工具（6款工具）

1. `github_list_repositories`

列出用户或组织的仓库列表。

参数：

org （可选）：组织或用户名（默认为 GITHUB_ORG）
limit （默认：30）：最大仓库数量

返回值： 包含名称、描述、星标数、分支数、语言等信息的仓库列表。

示例：

{
  "org": "nike-goal-analytics-mpo",
  "limit": 10
}

2. `github_get_repository_info`

获取特定仓库的详细信息。

参数：

repo_name （必填）：完整仓库名称（例如，“nike-goal-analytics-mpo/msc-dft-monorepo”）

返回： 包含星标、分支、主题、许可证等详细仓库元数据。

示例：

{
  "repo_name": "nike-goal-analytics-mpo/msc-dft-monorepo"
}

3. `github_search_code`

在GitHub仓库中搜索代码。

参数：

query （必填）：搜索查询
repo （可选）：将搜索限制在特定仓库内
limit （默认：10）：最大结果数

返回值： 代码匹配项列表，包含文件路径和URL

示例：

{
  "query": "useState",
  "repo": "nike-goal-analytics-mpo/msc-dft-monorepo",
  "limit": 5
}

4. `github_get_file_contents`

从存储库中读取文件内容。

参数：

repo_name （必填）：完整的仓库名称
file_path （必填）：文件路径
ref （可选）：分支、标签或提交SHA

返回值： 文件内容和元数据

示例：

{
  "repo_name": "nike-goal-analytics-mpo/msc-dft-monorepo",
  "file_path": "README.md"
}

5. `github_list_branches`

列出仓库中的分支。

参数：

repo_name （必填）：完整仓库名称
limit （默认：20）：最大分支数

返回值： 具有保护状态和提交SHA的分支列表

示例：

{
  "repo_name": "nike-goal-analytics-mpo/msc-dft-monorepo",
  "limit": 10
}

6. `github_get_pull_requests`

检索某个仓库的拉取请求。

参数：

repo_name （必填）：完整仓库名称
state （默认：“open”）：PR 状态（“open”、“closed”或“all”）
limit （默认：20）：最大请求数（PRs）

返回值： 包含状态、作者、日期等信息的拉取请求列表。

示例：

{
  "repo_name": "nike-goal-analytics-mpo/msc-dft-monorepo",
  "state": "open",
  "limit": 10
}

Confluence 工具（5种工具）

1. `confluence_list_pages`

列出Confluence空间中的页面。

参数：

space_key （可选）：空格键（默认为 CONFLUENCE_SPACE_KEY)
limit （默认：25）：最大页数

返回值： 包含标题、ID和URL的页面列表

示例：

{
  "space_key": "DOCS",
  "limit": 20
}

2. `confluence_get_page_content`

获取Confluence页面的全部内容。

参数：

page_id （必填）：页面ID

返回值： 包含元数据、版本信息以及HTML/存储内容的页面内容

示例：

{
  "page_id": "123456789"
}

3. `confluence_search_pages`

在Confluence中搜索页面。

参数：

query （必填）：搜索查询
space_key （可选）：限制在特定空间内
limit （默认：20）：最大结果数

返回值： 搜索结果，含摘要及相关性

示例：

{
  "query": "API documentation",
  "space_key": "TECH",
  "limit": 10
}

4. `confluence_get_page_by_title`

通过精确标题查找页面。

参数：

title （必填）：页面标题
space_key （可选）：空格键（默认为 CONFLUENCE_SPACE_KEY）

返回值： 页面内容和元数据

示例：

{
  "title": "Getting Started Guide",
  "space_key": "DOCS"
}

5. `confluence_list_spaces`

列出可用的 Confluence 空间。

参数：

limit （默认：25）：最大空间数

返回值： 包含密钥、名称和URL的空间列表

示例：

{
  "limit": 10
}

Databricks 工具（10种工具）

1. `databricks_list_catalogs`

列出所有Unity Catalog目录。

参数： 无

返回值： 包含名称、所有者和存储根目录的目录列表

示例：

{}

2. `databricks_list_schemas`

在目录中列出模式。

参数：

catalog_name （可选）：目录名称（默认为 DATABRICKS_CATALOG)

返回值： 包含全名和元数据的模式列表

示例：

{
  "catalog_name": "main"
}

3. `databricks_list_tables`

列出模式中的表。

参数：

schema_name （必填）：模式名称
catalog_name （可选）：目录名称（默认为 DATABRICKS_CATALOG)

返回值： 包含名称、类型、格式和位置的表格列表

示例：

{
  "catalog_name": "main",
  "schema_name": "default"
}

4. `databricks_get_table_schema`

获取表的详细模式。

参数：

table_name （必填）：表名
schema_name （必填）：模式名称
catalog_name （可选）：目录名称（默认为 DATABRICKS_CATALOG)

返回值： 完整的表模式，包括列、类型和属性

示例：

{
  "table_name": "users",
  "catalog_name": "main",
  "schema_name": "default"
}

5. `databricks_search_tables`

按名称模式搜索表。

参数：

query （必填）：搜索查询（表名模式）
catalog_name （可选）：限制为特定目录
max_results （默认：50）：最大结果数

返回值： 匹配表列表

示例：

{
  "query": "customer",
  "catalog_name": "main",
  "max_results": 20
}

6. `databricks_get_catalog_info`

获取详细的目录信息。

参数：

catalog_name （必填）：目录名称

返回值： 目录元数据，包括属性和配置

示例：

{
  "catalog_name": "main"
}

7. `databricks_get_schema_info`

获取详细的模式信息。

参数：

catalog_name （必填）：目录名称
schema_name （必填）：模式名称

返回： 模式元数据和属性

示例：

{
  "catalog_name": "main",
  "schema_name": "default"
}

8. `databricks_execute_query`

在Databricks上执行SQL查询。

参数：

query （必填）：要执行的SQL查询
catalog_name （可选）：目录上下文（默认为 DATABRICKS_CATALOG）
warehouse_id （可选）：SQL 仓库 ID（默认为 DATABRICKS_WAREHOUSE_ID)

返回值： 带有列和数据行的查询结果

示例：

{
  "query": "SELECT * FROM main.default.users LIMIT 10",
  "catalog_name": "main",
  "warehouse_id": "abc123def456"
}

9. `databricks_list_warehouses`

列出可用的SQL仓库。

参数： 无

返回值： 带有ID、名称、状态和配置的SQL仓库列表

示例：

{}

10. `databricks_list_sql_warehouses`

别名为 databricks_list_warehouses.

文档

全面的文档资料可在 docs/ 目录：

入门指南

QUICKSTART.md 翻译为中文是：“快速入门指南.md”（其中“.md”通常表示这是一个Markdown格式的文件） - 5分钟内快速上手 ⚡
SETUP.md 翻译成中文是：“设置指南.md” 或 “安装说明.md”（具体翻译可能根据上下文有所调整，但基本意思是“关于设置或安装的指南/说明文件，采用Markdown格式”） - 详细的设置指南，包含凭证说明🔧
《开始使用LLM助手.md》 - 互动式助手指南 🤖

工具与命令行界面（CLI）

TOOLS.md（可译为“工具说明文件.md”或根据上下文简化为“工具文件.md”，但通常保留原名以体现其作为Markdown文件的性质和内容） - 完整的工具参考手册，附带示例🛠️
CLI_GUIDE.md 翻译为中文是：“CLI 指南.md” - 命令行界面指南 💻
CLI_EXAMPLES.md 翻译为中文是：“CLI 示例.md” 或者 “命令行界面示例文件.md”。这里，“CLI”代表“Command Line Interface”，即“命令行界面”，“EXAMPLES”表示“示例”，“.md”是Markdown文件的扩展名，通常用于编写简洁易读的文档。所以，整个文件名可以理解为一个包含命令行界面相关示例的Markdown文件 - CLI 使用示例 💡

FastMCP

建筑与理念

发展

项目结构

mpo-mcp/
├── mpo_mcp/                    # Main package
│   ├── __init__.py            # Package initialization
│   ├── server.py              # FastMCP server implementation
│   ├── config.py              # Configuration management
│   ├── github_tools.py        # GitHub integration (6 tools)
│   ├── confluence_tools.py    # Confluence integration (5 tools)
│   ├── databricks_tools.py    # Databricks integration (10 tools)
│   └── cli.py                 # Command-line interface
├── docs/                       # Comprehensive documentation
├── llm_assistant.py           # Interactive LLM assistant
├── example_usage.py           # Usage examples
├── quick_query.py             # Quick query utility
├── requirements.txt           # Python dependencies
├── pyproject.toml             # Package configuration
├── .env                       # Environment variables (not in git)
├── .gitignore                 # Git ignore rules
└── README.md                  # This file

添加新工具

实施该工具 在相应的工具文件中：

# In mpo_mcp/github_tools.py
async def new_github_feature(self, param: str) -> Dict[str, Any]:
    """
    Description of the new feature.
    
    Args:
        param: Parameter description
        
    Returns:
        Result description
    """
    # Implementation
    pass

注册该工具 在 server.py：

@mcp.tool()
async def github_new_feature(param: str) -> dict:
    """Tool description for MCP clients.
    
    Args:
        param: Parameter description
    """
    return await github_tools.new_github_feature(param=param)

添加CLI命令 在 cli.py （可选）：

@github_group.command()
@click.option('--param', required=True, help='Parameter description')
def new_feature(param: str):
    """Command description."""
    result = asyncio.run(github_tools.new_github_feature(param=param))
    click.echo(json.dumps(result, indent=2))

测试工具

你可以通过编程方式测试单个工具：

import asyncio
from mpo_mcp.github_tools import GitHubTools

async def test():
    tools = GitHubTools()
    repos = await tools.list_repositories(org="nike-goal-analytics-mpo", limit=5)
    print(repos)

asyncio.run(test())

代码质量

类型提示所有函数都使用类型提示
**文档字符串（或称为docstrings）**所有公共方法的完整文档字符串
错误处理优雅地处理错误，并提供信息丰富的消息
记录日志全程采用结构化日志记录

依赖项

核心依赖项：

fastmcp>=0.1.0 - MCP服务器框架
PyGithub>=2.1.1 GitHub API 客户端
atlassian-python-api>=3.41.0 - Confluence API 客户端
databricks-sdk>=0.18.0 Databricks API客户端
python-dotenv>=1.0.0 - 环境变量管理
anthropic>=0.39.0 - 用于大型语言模型助手的Anthropic API

见 requirements.txt（需求文件）以获取完整列表。

故障排除

服务器无法启动

问题： 服务器无法启动或显示导入错误

解决方案：

验证Python版本： python --version （必须为3.10及以上版本）
重新安装依赖项： pip install -r requirements.txt --force-reinstall
检查是否存在冲突的软件包： pip list | grep mcp
验证虚拟环境： which python

工具未显示

问题： 预期的工具未在MCP客户端中显示

解决方案：

检查服务器日志中的配置验证
验证凭据在 .env 文件
确保 .env 位于正确位置（项目根目录）
检查环境变量是否已加载： python -c "from mpo_mcp.config import Config; print(Config.validate_github())"
配置更改后重启MCP客户端

API认证错误

GitHub：

验证令牌具有正确的范围（repo， read:org）
检查令牌是否未过期
测试代币： curl -H "Authorization: token YOUR_TOKEN" https://api.github.com/user

汇合点；交汇处

验证URL格式（必须包含https://）
检查API令牌是否有效（非密码）
确保用户名为电子邮件地址
测试： curl -u email@example.com:API_TOKEN https://your-domain.atlassian.net/wiki/rest/api/space

Databricks（公司名，可译为“达布莱克斯”或根据官方中文名翻译，此处保留原英文以体现专有名词特性）：

验证工作区URL是否正确
检查令牌是否未过期
确保令牌具有适当的权限
测试： curl -H "Authorization: Bearer YOUR_TOKEN" https://your-workspace.databricks.com/api/2.0/unity-catalog/catalogs

速率限制

GitHub：

认证请求：每小时5,000次请求
搜索API：每分钟30次请求
使用 limit 参数以减少API调用

汇合点；交汇

云服务：速率限制因计划而异
为生产环境实现指数退避策略

Databricks：（保持原样，作为专有名词，不直接翻译，若需解释性翻译可为“Databricks（公司名，专注于大数据处理与分析）”）

检查工作区配额
使用连接池进行多个查询

Claude桌面集成问题

问题： 在Claude桌面版中未显示的工具

解决方案：

验证配置文件位置：
- macOS:（可翻译为）苹果操作系统；（或直接保留原样，因为“macOS”在中文中通常不翻译，直接使用其英文原名） ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows： %APPDATA%\Claude\claude_desktop_config.json
检查JSON语法是否有效
验证 cwd 路径是绝对且正确的
配置更改后重启 Claude 桌面版
检查Claude Desktop的日志以查找错误

大型语言模型（LLM）助手的问题

问题： 助手无响应或出现错误

解决方案：

验证 ANTHROPIC_API_KEY 设置正确
检查API密钥是否有足够的信用额度
确保FastMCP服务器能够独立启动
查看控制台输出中的错误信息

连接问题

问题： 工具超时或无法连接

解决方案：

检查网络连接
验证防火墙规则是否允许出站HTTPS连接
使用curl直接测试API端点
如果在企业防火墙后面，请检查代理设置
如果连接速度较慢，请增加超时值

调试技巧

启用详细日志记录：

import logging
logging.basicConfig(level=logging.DEBUG)

测试配置：

python -c "from mpo_mcp.config import Config; print(f'GitHub: {Config.validate_github()}, Confluence: {Config.validate_confluence()}, Databricks: {Config.validate_databricks()}')"

运行带日志记录的服务器：

python -m mpo_mcp.server 2>&1 | tee server.log

测试单个工具：

mpo github repos --org nike-goal-analytics-mpo --limit 1
mpo confluence spaces --limit 1
mpo databricks catalogs

寻求帮助

如果您遇到此处未涵盖的问题：

查阅相关文件 docs/
检查服务器日志以获取详细的错误信息
验证所有凭据是否配置正确
独立测试API终端点
检查您是否具有每个服务的适当权限

许可证

此项目仅提供作演示和集成之用，不做其他用途。

做出贡献

欢迎投稿！请确保：

代码遵循现有的风格和规范
所有函数都带有类型提示和文档字符串
新工具已正确注册
文档已相应更新

致谢

构建于：

FastMCP - 现代MCP框架
PyGithub（Python GitHub API） GitHub API封装器
Atlassian Python API（Atlassian Python应用程序接口） Confluence API封装器
Databricks SDK（Databricks软件开发工具包） - Databricks SDK（软件开发工具包）
Anthropic API - Claude AI集成

版本： 0.1.0
python 3.10+
许可证： 麻省理工学院（MIT）
状态： 已准备好投入生产 ✅

使用说明

MPO MCP 服务器

📚 目录

概述

特点/功能

🔧 灵活配置

🚀 多种使用模式

📊 综合工具集

安装

先决条件

快速设置

软件包安装

配置

环境变量

获取API凭证

Anthropic API密钥（用于交互式大型语言模型助手）

GitHub 个人访问令牌

Confluence API令牌

Databricks访问令牌

服务验证

使用方法

方法1：交互式大型语言模型助手（推荐）🤖

方法2：MCP服务器（适用于Claude桌面及其他客户端）

与Claude桌面版的集成

方法3：命令行界面

可用工具

GitHub 工具（6款工具）

1. github_list_repositories

2. github_get_repository_info

3. github_search_code

4. github_get_file_contents

5. github_list_branches

6. github_get_pull_requests

Confluence 工具（5种工具）

1. confluence_list_pages

2. confluence_get_page_content

3. confluence_search_pages

4. confluence_get_page_by_title

5. confluence_list_spaces

Databricks 工具（10种工具）

1. databricks_list_catalogs

2. databricks_list_schemas

3. databricks_list_tables

4. databricks_get_table_schema

5. databricks_search_tables

6. databricks_get_catalog_info

7. databricks_get_schema_info

8. databricks_execute_query

9. databricks_list_warehouses

10. databricks_list_sql_warehouses

文档

入门指南

工具与命令行界面（CLI）

FastMCP

建筑与理念

发展

项目结构

添加新工具

测试工具

代码质量

依赖项

故障排除

服务器无法启动

工具未显示

API认证错误

速率限制

Claude桌面集成问题

大型语言模型（LLM）助手的问题

连接问题

调试技巧

寻求帮助

许可证

做出贡献

致谢

相关 MCP

网页内容抓取服务器

模型上下文协议服务器

结构化推理工具

AutoRAG 检索 MCP 服务

Genkit MCP 集成插件

1. `github_list_repositories`

2. `github_get_repository_info`

3. `github_search_code`

4. `github_get_file_contents`

5. `github_list_branches`

6. `github_get_pull_requests`

1. `confluence_list_pages`

2. `confluence_get_page_content`

3. `confluence_search_pages`

4. `confluence_get_page_by_title`

5. `confluence_list_spaces`

1. `databricks_list_catalogs`

2. `databricks_list_schemas`

3. `databricks_list_tables`

4. `databricks_get_table_schema`

5. `databricks_search_tables`

6. `databricks_get_catalog_info`

7. `databricks_get_schema_info`

8. `databricks_execute_query`

9. `databricks_list_warehouses`

10. `databricks_list_sql_warehouses`