Discover Awesome MCP Servers

Gel Database MCP Server

Gương của

Mcproto

Easily run or chain together MCP servers alongside your normal Ruby logic.

Supabase MCP Server

Mirror of

Mcp Ffmpeg

Model Context Protocol Server to facilitate llms to able to decode, encode, transcode, mux, demux, stream, filter and play pretty much anything that humans and machines have created.

Hello World MCP Server

Typescript starter for MCP server with resource, prompt and tool

Dify as MCP Server

Mirror of

Ip Mcp Server

A IP MCP server.

MCP Server: Elasticsearch semantic search tool

Gương của

YouTube Transcript API

Một máy chủ MCP giúp phiên âm một video YouTube.

mcp_agent

Máy chủ công cộng cho MCP

Laravel Artisan MCP Server

Một máy chủ Giao thức Ngữ cảnh Mô hình (MCP) cho phép thực thi an toàn các lệnh Laravel Artisan thông qua Claude và các ứng dụng khách MCP khác.

ChEMBL-MCP-Server

🔍 Cho phép các trợ lý AI tìm kiếm, truy cập và phân tích ChEMBL thông qua một giao diện MCP đơn giản.

duckduckgo-web-search MCP Server

DuckDuckGo Web Search MCP Server - A simple web search implementation for Claude Desktop using DuckDuckGo API

MCP TTS Say

MCP Server Tool for Text To Speech

Letta MCP Server

Gương của

Selector_MCP_Server

Selector AI MCP Server

ezmcp

Easy-to-use MCP server framework specialized for SSE.

Model Context Protocol Server

Tuyệt vời! Đây là một bản triển khai máy chủ Model Context Protocol (MCP) bằng FastAPI: ```python from fastapi import FastAPI, HTTPException, Depends from pydantic import BaseModel, Field from typing import List, Dict, Any app = FastAPI() # Định nghĩa các kiểu dữ liệu Pydantic cho MCP class ContextItem(BaseModel): key: str = Field(..., description="Khóa của mục ngữ cảnh") value: Any = Field(..., description="Giá trị của mục ngữ cảnh") type: str = Field(..., description="Kiểu dữ liệu của giá trị (ví dụ: 'string', 'number', 'boolean')") class ContextRequest(BaseModel): model_id: str = Field(..., description="ID của mô hình") context: List[ContextItem] = Field(..., description="Danh sách các mục ngữ cảnh") class ContextResponse(BaseModel): success: bool = Field(..., description="Cho biết liệu việc cập nhật ngữ cảnh có thành công hay không") message: str = Field(..., description="Thông báo (ví dụ: thông báo lỗi)") # Giả lập một kho lưu trữ ngữ cảnh (thay thế bằng cơ sở dữ liệu thực tế) model_contexts: Dict[str, Dict[str, Any]] = {} # Endpoint để cập nhật ngữ cảnh của mô hình @app.post("/context") async def update_context(context_request: ContextRequest) -> ContextResponse: """ Cập nhật ngữ cảnh của một mô hình cụ thể. """ model_id = context_request.model_id context_items = context_request.context try: # Khởi tạo ngữ cảnh cho mô hình nếu chưa tồn tại if model_id not in model_contexts: model_contexts[model_id] = {} # Cập nhật ngữ cảnh với các mục mới for item in context_items: model_contexts[model_id][item.key] = item.value return ContextResponse(success=True, message="Ngữ cảnh đã được cập nhật thành công.") except Exception as e: raise HTTPException(status_code=500, detail=f"Lỗi khi cập nhật ngữ cảnh: {str(e)}") # Endpoint để lấy ngữ cảnh của mô hình @app.get("/context/{model_id}") async def get_context(model_id: str) -> Dict[str, Any]: """ Lấy ngữ cảnh của một mô hình cụ thể. """ if model_id not in model_contexts: raise HTTPException(status_code=404, detail="Không tìm thấy ngữ cảnh cho model_id này.") return model_contexts[model_id] # Ví dụ sử dụng (không bắt buộc, chỉ để minh họa) @app.get("/") async def read_root(): return {"message": "Máy chủ Model Context Protocol đang chạy!"} if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **Giải thích:** 1. **Import các thư viện cần thiết:** - `FastAPI`: Khung web để xây dựng API. - `HTTPException`: Để trả về các lỗi HTTP. - `Depends`: Để quản lý các phụ thuộc (nếu cần). - `BaseModel`, `Field`: Từ `pydantic` để định nghĩa các kiểu dữ liệu. - `List`, `Dict`, `Any`: Từ `typing` để khai báo kiểu dữ liệu. 2. **Khởi tạo ứng dụng FastAPI:** - `app = FastAPI()` 3. **Định nghĩa các kiểu dữ liệu Pydantic:** - `ContextItem`: Đại diện cho một mục ngữ cảnh duy nhất (key, value, type). - `ContextRequest`: Đại diện cho yêu cầu cập nhật ngữ cảnh (model_id, danh sách các ContextItem). - `ContextResponse`: Đại diện cho phản hồi từ máy chủ (success, message). 4. **Giả lập kho lưu trữ ngữ cảnh:** - `model_contexts: Dict[str, Dict[str, Any]] = {}`: Một từ điển Python đơn giản để lưu trữ ngữ cảnh của các mô hình. **Quan trọng:** Trong một ứng dụng thực tế, bạn sẽ muốn sử dụng một cơ sở dữ liệu (ví dụ: PostgreSQL, MongoDB) để lưu trữ ngữ cảnh. 5. **Endpoint `/context` (POST): Cập nhật ngữ cảnh:** - `@app.post("/context")`: Định nghĩa một endpoint POST tại `/context`. - `async def update_context(context_request: ContextRequest) -> ContextResponse:`: Hàm xử lý yêu cầu POST. - `context_request: ContextRequest`: FastAPI tự động chuyển đổi dữ liệu JSON trong yêu cầu thành một đối tượng `ContextRequest`. - `-> ContextResponse`: Khai báo kiểu dữ liệu trả về là `ContextResponse`. - **Logic:** - Lấy `model_id` và `context_items` từ `context_request`. - Kiểm tra xem ngữ cảnh cho `model_id` đã tồn tại chưa. Nếu chưa, khởi tạo một từ điển trống. - Lặp qua `context_items` và cập nhật ngữ cảnh cho `model_id`. - Trả về một `ContextResponse` với `success=True` và một thông báo thành công. - Xử lý các ngoại lệ và trả về một lỗi HTTP 500 nếu có lỗi xảy ra. 6. **Endpoint `/context/{model_id}` (GET): Lấy ngữ cảnh:** - `@app.get("/context/{model_id}")`: Định nghĩa một endpoint GET tại `/context/{model_id}`. - `async def get_context(model_id: str) -> Dict[str, Any]:`: Hàm xử lý yêu cầu GET. - `model_id: str`: `model_id` được lấy từ URL. - `-> Dict[str, Any]`: Khai báo kiểu dữ liệu trả về là một từ điển. - **Logic:** - Kiểm tra xem ngữ cảnh cho `model_id` đã tồn tại chưa. Nếu chưa, trả về một lỗi HTTP 404. - Trả về ngữ cảnh cho `model_id`. 7. **Endpoint `/` (GET): Ví dụ đơn giản (tùy chọn):** - `@app.get("/")`: Định nghĩa một endpoint GET tại `/`. - `async def read_root():`: Hàm xử lý yêu cầu GET. - Trả về một thông báo đơn giản. 8. **Chạy ứng dụng:** - `if __name__ == "__main__":`: Đảm bảo rằng đoạn mã này chỉ chạy khi tệp được thực thi trực tiếp (không phải khi được nhập như một module). - `import uvicorn`: Nhập thư viện Uvicorn. - `uvicorn.run(app, host="0.0.0.0", port=8000)`: Chạy ứng dụng FastAPI bằng Uvicorn trên tất cả các giao diện (0.0.0.0) và cổng 8000. **Cách sử dụng:** 1. **Cài đặt các thư viện:** ```bash pip install fastapi uvicorn pydantic ``` 2. **Lưu mã trên vào một tệp, ví dụ: `main.py`.** 3. **Chạy ứng dụng:** ```bash python main.py ``` 4. **Sử dụng một công cụ như `curl` hoặc Postman để gửi các yêu cầu HTTP:** **Ví dụ: Cập nhật ngữ cảnh (POST):** ```bash curl -X POST -H "Content-Type: application/json" -d '{"model_id": "my_model", "context": [{"key": "temperature", "value": 0.7, "type": "number"}, {"key": "prompt", "value": "Translate to French", "type": "string"}]}' http://localhost:8000/context ``` **Ví dụ: Lấy ngữ cảnh (GET):** ```bash curl http://localhost:8000/context/my_model ``` **Những điểm cần lưu ý và cải tiến:** * **Xác thực:** Thêm xác thực để đảm bảo chỉ những người dùng được ủy quyền mới có thể cập nhật ngữ cảnh. * **Cơ sở dữ liệu:** Thay thế `model_contexts` bằng một cơ sở dữ liệu thực tế để lưu trữ ngữ cảnh một cách bền vững. Sử dụng một ORM như SQLAlchemy để tương tác với cơ sở dữ liệu. * **Kiểm tra kiểu dữ liệu:** Thực hiện kiểm tra kiểu dữ liệu nghiêm ngặt hơn để đảm bảo rằng giá trị của mỗi mục ngữ cảnh phù hợp với kiểu dữ liệu được chỉ định. * **Logging:** Thêm logging để theo dõi các sự kiện quan trọng (ví dụ: cập nhật ngữ cảnh, lỗi). * **Error Handling:** Cải thiện xử lý lỗi để cung cấp thông tin chi tiết hơn về các lỗi xảy ra. * **Asynchronous Operations:** Sử dụng các hoạt động không đồng bộ (asynchronous) để cải thiện hiệu suất, đặc biệt là khi tương tác với cơ sở dữ liệu. * **Dependency Injection:** Sử dụng hệ thống dependency injection của FastAPI để quản lý các phụ thuộc một cách hiệu quả hơn. * **Testing:** Viết các bài kiểm tra đơn vị (unit tests) và kiểm tra tích hợp (integration tests) để đảm bảo rằng ứng dụng hoạt động chính xác. * **Deployment:** Triển khai ứng dụng lên một nền tảng đám mây như AWS, Google Cloud, hoặc Azure. Bản triển khai này cung cấp một điểm khởi đầu tốt để xây dựng một máy chủ Model Context Protocol bằng FastAPI. Hãy nhớ điều chỉnh nó để phù hợp với nhu cầu cụ thể của bạn. Chúc bạn thành công!

mcp-github-server

GitHub APIを使用したModel Context Protocolサーバーの実装

testmcpgithubdemo

created from MCP server demo

MCPE Alpha Server for Pterodactyl

Lõi cho máy chủ MCPE Alpha sử dụng bảng điều khiển Pterodactyl.

mcp-server-kubernetes

Gương của

IBKR MCP Server

Máy chủ MCP cho Ứng dụng Khách hàng IBKR

Alper Hoca ile MCP Server

Next.js ile oluşturulmuş MCP Server projesi

sek-fx-mcp

Một máy chủ Model Context Protocol (MCP) kết nối một LLM (Mô hình Ngôn ngữ Lớn) với API của Riksbank (Ngân hàng Trung ương Thụy Điển) để lấy tỷ giá hối đoái của đồng krona.

Awesome-Medical-MCP-Servers

Một bộ sưu tập các máy chủ Medical MCP.