AI导哈

模型上下文协议服务器集合

一个精心策划的模型上下文协议（MCP）服务器和应用程序集合，涵盖多个领域和行业，用于增强AI助手的外部数据源和工具连接能力。

  • by rishi-madhav
  • HTML
  • 本地部署
  • 更新于
在 GitHub 查看 rishi-madhav/mcp-servers

使用说明

MCP服务器集合

一组经过精心策划的模型上下文协议（MCP）服务器和应用程序，涵盖多个领域和行业。

📚 什么是MCP？

模型上下文协议（MCP） 是Anthropic开发的一种开放协议，使AI助手能够安全地连接到外部数据源和工具。MCP服务器展示了AI模型可以用来增强实时信息和动作响应的功能。

了解更多： MCP官方文件

🗂️ 存储库结构

此存储库包含多个MCP服务器实现和配套应用程序：

mcp-servers/
├── StudyBuddy-MCP/           # Educational assistant for Indian students
├── TrainBot-MCP/              # AI content generator (MCP server)
├── TrainBot-Gradio/           # TrainBot web interface (Gradio app)
└── [Future Projects]          # More MCP servers coming soon

🚀 当前项目

1.研究布丁MCP

域名： 教育（K-12，印度课程）

MCP服务器为遵循CBSE、ICSE和IGCSE课程的印度学生提供教育援助。

特征：

  • 印度教育委员会的课程内容
  • 针对特定年级的学习材料（10-16岁）
  • 针对特定主题的援助
  • 研究规划和资源建议

状态： 🚧 在开发中

查看研究布丁自述

2.TrainBot MCP

域名： 教育（专业培训和内容创作）

一个MCP服务器，为培训师、教育工作者和内容创作者生成全面的教育内容。

特征：

  • 6个基于人工智能的内容生成工具
  • 多提供商支持（OpenAI、Anthropic、Gemini）
  • 抽认卡、课程、测验、解释、总结、练习题
  • 与Claude Desktop无缝集成

状态： ✅ 生产就绪

MCP 1岁生日黑客马拉松： 轨道2提交

查看TrainBot MCP自述文件

3.TrainBot Gradio

域名： 教育（Web应用程序）

TrainBot的配套网络界面，无需MCP知识即可访问同样强大的工具。

特征：

  • 专业Gradio网页界面
  • 与TrainBot MCP相同的6个内容生成工具
  • 多提供商AI支持
  • 部署在HuggingFace空间

状态： ✅ 生产就绪

查看TrainBot Gradio自述文件

🎯 为什么选择这个存储库？

该系列展示了MCP在不同用例中的多功能性：

  • 教育工具： StudyBuddy，TrainBot
  • 企业解决方案： 即将推出
  • 生产力工具： 即将推出
  • 数据集成： 即将推出
  • 行业特定解决方案： 即将推出

每个项目都展示了：

  • ✅ 正确实施MCP协议
  • ✅ 多提供商AI支持（如适用）
  • ✅ 真实世界，生产就绪代码
  • ✅ 全面的文件
  • ✅ MCP服务器开发的最佳实践

🛠️ 技术栈

MCP框架：

  • FastMCP 2.13.2+
  • Python 3.9+

人工智能提供商：

  • OpenAI（GPT模型）
  • 拟人（克劳德模型）
  • 谷歌双子座

附加工具：

  • Gradio（网络界面）
  • Python dotenv（环境管理）

🚀 入门指南

先决条件

  • Python 3.9或更高版本
  • Claude Desktop（用于MCP服务器测试）
  • 您选择的人工智能提供商的API密钥

快速开始

  1. 克隆存储库：
git clone https://github.com/rishi-madhav/mcp-servers.git
cd mcp-servers
  1. 选择一个项目：
# For TrainBot MCP server
cd TrainBot-MCP

# For TrainBot web app
cd TrainBot-Gradio

# For StudyBuddy MCP server
cd StudyBuddy-MCP
  1. 遵循项目特定设置：
    • 每个项目都有自己的README，其中包含详细的说明
    • 安装依赖项： pip install -r requirements.txt
    • 在中配置API密钥 .env
    • 运行服务器或应用程序

📖 MCP服务器开发指南

创建自己的MCP服务器

此存储库中的每个MCP服务器都遵循一致的模式：

from fastmcp import FastMCP

mcp = FastMCP("your-server-name")

@mcp.tool()
def your_tool(param: str) -> str:
    """Tool description for AI to understand"""
    # Your implementation
    return result

if __name__ == "__main__":
    mcp.run()

最佳实践

  1. 清晰的工具说明： 帮助AI了解您的工具的功能
  2. 输入验证： 始终验证和净化输入
  3. 错误处理： 提供有意义的错误消息
  4. 类型提示： 使用Python类型提示以更好地发现工具
  5. 文档： 包含全面的文档字符串

🤝 贡献

欢迎投稿！无论是：

  • 新的MCP服务器实现
  • 对现有服务器的改进
  • Bug修复或文档更新
  • 新领域/行业应用

如何做出贡献：

  1. 分叉存储库
  2. 创建要素分支(git checkout -b feature/AmazingFeature)
  3. 提交您的更改(git commit -m 'Add some AmazingFeature')
  4. 推到分支(git push origin feature/AmazingFeature)
  5. 打开拉取请求

📋 项目路线图

2025年第一季度

  • ✅ TrainBot MCP（完整）
  • ✅ TrainBot Gradio（完整版）
  • 🚧 研究布丁MCP（进行中）
  • 📋 TrainBot 2.0（内容摄取、课程设计）

2025年第二季度

  • 📋 企业数据连接器MCP服务器
  • 📋 生产力工具集成
  • 📋 行业特定解决方案（医疗保健、金融、法律）

未来

  • 📋 MCP服务器模板和入门套件
  • 📋 多服务器编排示例
  • 📋 高级RAG实施

📄 许可证

此存储库根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

单个项目可能有额外的许可条款-查看特定于项目的README。

🙏 致谢

  • Anthropic 开发MCP协议并举办MCP一周年黑客马拉松
  • FastMCP 优秀Python框架团队
  • Gradio 让web界面变得简单的团队
  • 开源社区提供灵感和支持

👤 作者

里希·马达夫

  • 📍 地点：印度班加罗尔
  • 💼 重点：人工智能应用开发、教育技术
  • 🔗 github： @里希·马达夫

📞 支持与联系

🌟 明星历史

如果您发现这些MCP服务器很有用，请考虑在存储库中使用！ ⭐

内置于❤️ 对于MCP社区

相关 MCP