统一可观测性与策略配置
by stammanaMCPConfiguration 是一个声明式的 YAML 规范,用于配置日志收集、指标采集、密钥管理、API 速率限制和策略执行。
为 AI 连接浏览器、数据库与外部工具,查找 MCP Server 和安装配置。
已收录 62,091 个 MCP Server
MCPConfiguration 是一个声明式的 YAML 规范,用于配置日志收集、指标采集、密钥管理、API 速率限制和策略执行。
一个包含RAG、KG、集中式代理流程和MCP服务器的聊天机器人开发解决方案,用于响应信息或执行操作。
一个简单的本地文档阅读服务器,支持Markdown、文本文件和Microsoft Word格式。
CCXT MCP Server是一个通过Model Context Protocol(MCP)为AI模型提供标准化接口的工具,支持与100多个加密货币交易所的无缝交互,实现自动化交易策略。
一个基于MCP的电子表格任务环境,支持读取任务清单、运行Python代码并进行结果评分。
一个提供ArXiv论文搜索功能并返回结构化元数据和摘要的MCP服务器。
用于测试服务器端功能和GitHub集成的开发仓库,适用于服务器相关功能的开发和测试。
基于Python和Microsoft AutoGen框架的多智能体系统,使用本地LLM作为核心处理单元,MCP作为工具接口。
祝贺用户完成GitHub技能练习,提供分享选项和后续学习资源。
提供PingFederate的管理控制台和API文档访问功能
MCP代理服务器为Model Context Protocol (MCP) 服务器提供认证、授权和企业级功能,将本地MCP服务器转变为安全、可扩展的远程访问服务。
该服务通过自然语言请求生成Rocket.Chat MCP工具,并通过本地MCP服务器提供服务,适用于自动化工作流生成和执行。
WordPress代码审查MCP服务器是一个轻量级、可配置的MCP(模型上下文协议)服务器,专为开发团队设计。它可以从外部源或URL获取编码指南、安全规则和验证模式,支持动态配置和自定义验证。
Unity MPC工具,支持在URP中编辑VFX图形,提供反射支持的VFX图形编辑和URP兼容性控制。
FAL图像视频MCP服务器是一个高性能的MCP服务器,专门为FAL AI的图像和视频生成功能设计,支持自动下载生成的内容。它提供了公共URL、数据URL和本地文件路径,适用于需要高效图像和视频生成及管理的场景。
MCP是一个协议,允许系统与本地运行的MCP服务器进行通信,提供工具和资源访问、API集成、工作流程自动化和可扩展架构,适用于GitHub仓库管理。
Zotero MCP PY 是一个针对 Zotero 8 的插件或工具,提供额外的功能扩展或管理能力。
Aibolit MCP 服务器是一个为 AI 代码重构工具(如 Claude Code、Cursor 或 Windsurf)提供支持的 Java 代码分析服务。它能够识别代码中最关键的设计问题,并指导 AI 代理进行针对性的代码改进。
一个用于管理对话上下文、集成多种AI模型并提供用户认证、日志记录、错误处理和缓存系统的服务器实现。
一个基于Azure OpenAI和Microsoft Learn文档的语音优先对话AI应用,提供增强的MCP集成和双文本转语音功能。
一个简单的MCP服务器,提供Claude Desktop与A2A协议代理的交互功能,适用于开发者进行代理开发和测试。
microgpt-agent-sdk 是一款帮助用户轻松构建具有记忆功能、任务管理和性能测试的AI代理的开发工具,适用于非技术人员。
一个基于Python的服务,提供通过IMAP协议管理电子邮件的工具,允许用户从特定IMAP文件夹中读取和删除邮件。
一个基于AWS Bedrock的AgentCore运行时平台,集成了Strands代理、Atlassian MCP工具、Cognito认证的流式聊天前端,以及Terraform基础设施管理。
一个用于将MCP与Copilot集成的开发工具,适用于GitHub平台上的自我学习和技术练习。
一个基于Playwright的端到端测试工具,用于测试前端应用的核心功能,包括登录、发布、浏览和交互。
一个完全符合规范的模型上下文协议(MCP)服务器,将单个商户交易有效负载转换为54个完全格式化、本地化的交易展示,跨越6个渠道,同时解决多渠道交易分发问题。
Latchkey 是一个轻量级、无状态的 MCP 网关,用于发现下游工具、本地搜索并并发路由调用。
MCP是一个轻量级的查询系统,允许用户使用自然语言查询Oracle数据库中的客户信息,自动生成SQL查询并返回结构化结果。
mcp-server 是一个基于 Model Context Protocol (MCP) 的参考实现集合,旨在展示 MCP 的多样性和可扩展性。MCP 允许大型语言模型 (LLMs) 安全、可控地访问工具和数据源。该项目包含多种服务器实现,涵盖了从文件系统操作、数据库访问到浏览器自动化和位置服务等多个领域。这些服务器使用 TypeScript 或 Python MCP SDK 实现,适用于开发者和研究人员,帮助他们构建和集成 AI 工具。