Discover Awesome MCP Servers

RISKEN MCP Server

RISKEN 的官方 MCP 服务器

Apifox MCP Server

Enables AI assistants to fetch and understand API endpoint definitions from Apifox projects in real-time. Supports retrieving complete API specifications including request methods, parameters, headers, and response schemas to improve development efficiency and code generation quality.

TodoList MCP Server

Enables full management of ToDoList (.tdl) XML files with CRUD operations, hierarchical task support, and advanced filtering. Maintains compatibility with the ToDoList desktop application while allowing programmatic task management.

🧠 Model Context Protocol (MCP)

好的，这是使用 Langchain MCP Adapters 和 Ollama 实现 MCP 的演示： **标题：使用 Langchain MCP Adapters 和 Ollama 实现 MCP 的演示** **简介：** 本演示展示了如何使用 Langchain MCP Adapters 和 Ollama 来实现 MCP（多通道处理）。MCP 是一种技术，它允许您使用多个通道（例如，文本、图像、音频）来处理数据。这可以提高准确性和效率。 **先决条件：** * 已安装 Python 3.7 或更高版本 * 已安装 Langchain * 已安装 Ollama * 已安装 Langchain MCP Adapters **安装：** ```bash pip install langchain pip install ollama pip install langchain-mcp-adapters ``` **代码：** ```python from langchain_mcp_adapters import MultiChannelProcessor from langchain.llms import Ollama from langchain.chains import LLMChain from langchain.prompts import PromptTemplate # 1. 定义你的通道。 # 在这个例子中，我们将使用两个通道：文本和图像。 channels = [ { "name": "text", "type": "text", }, { "name": "image", "type": "image", }, ] # 2. 创建一个多通道处理器。 mcp = MultiChannelProcessor(channels=channels) # 3. 定义你的提示模板。 # 这个提示模板将用于处理文本通道。 text_prompt_template = """ 你是一个有用的助手。 请回答以下问题： {question} """ text_prompt = PromptTemplate( input_variables=["question"], template=text_prompt_template, ) # 4. 定义你的语言模型。 # 在这个例子中，我们将使用 Ollama。 llm = Ollama(model="llama2") # 5. 创建一个 LLM 链。 text_chain = LLMChain(llm=llm, prompt=text_prompt) # 6. 将 LLM 链添加到多通道处理器。 mcp.add_channel("text", text_chain) # 7. 定义一个函数来处理图像通道。 def image_processor(image_path): """ 这个函数将处理图像通道。 Args: image_path: 图像的路径。 Returns: 图像的描述。 """ # 在这里，你可以使用任何图像处理库来处理图像。 # 在这个例子中，我们将使用 PIL 库。 from PIL import Image import pytesseract # 打开图像。 image = Image.open(image_path) # 使用 pytesseract 来提取图像中的文本。 text = pytesseract.image_to_string(image) # 返回图像的描述。 return text # 8. 将图像处理器添加到多通道处理器。 mcp.add_channel("image", image_processor) # 9. 创建一个输入。 input_data = { "text": { "question": "什么是 Langchain？", }, "image": { "image_path": "image.png", }, } # 10. 处理输入。 output = mcp.process(input_data) # 11. 打印输出。 print(output) ``` **解释：** 1. **定义通道：** 首先，我们定义了两个通道：文本和图像。每个通道都有一个名称和一个类型。 2. **创建多通道处理器：** 接下来，我们创建了一个多通道处理器。多通道处理器负责处理来自不同通道的数据。 3. **定义提示模板：** 我们定义了一个提示模板，用于处理文本通道。提示模板是一个字符串，它包含一个或多个占位符。占位符将被输入数据替换。 4. **定义语言模型：** 我们定义了一个语言模型。语言模型是一个可以生成文本的模型。在这个例子中，我们使用 Ollama。 5. **创建 LLM 链：** 我们创建了一个 LLM 链。LLM 链是一个将提示模板和语言模型连接在一起的链。 6. **将 LLM 链添加到多通道处理器：** 我们将 LLM 链添加到多通道处理器。这告诉多通道处理器使用 LLM 链来处理文本通道。 7. **定义图像处理器：** 我们定义了一个图像处理器。图像处理器是一个可以处理图像的函数。 8. **将图像处理器添加到多通道处理器：** 我们将图像处理器添加到多通道处理器。这告诉多通道处理器使用图像处理器来处理图像通道。 9. **创建输入：** 我们创建了一个输入。输入是一个字典，它包含每个通道的数据。 10. **处理输入：** 我们处理输入。多通道处理器将使用 LLM 链和图像处理器来处理输入数据。 11. **打印输出：** 我们打印输出。输出是一个字典，它包含每个通道的处理结果。 **结论：** 本演示展示了如何使用 Langchain MCP Adapters 和 Ollama 来实现 MCP。MCP 是一种强大的技术，它可以提高准确性和效率。 **注意：** * 您需要将 `image.png` 替换为实际的图像文件。 * 您需要根据您的需要修改提示模板和图像处理器。 * 您可以使用任何语言模型来代替 Ollama。 希望这个演示对您有所帮助！

Gemini MCP Server

A Model Context Protocol server that enables Claude to interact with Google's Gemini AI models, allowing users to ask Gemini questions directly from Claude.

MCP URL Fetcher

一个模型上下文协议服务器，它使大型语言模型能够获取和处理多种格式（HTML、JSON、Markdown、文本）的网络内容，并具有自动格式检测功能。

YouTube Music MCP

A simple MCP server that allows AI assistants like Cursor or Claude Desktop to search for and play tracks on YouTube Music through natural language commands.

Transport Department Rajasthan MCP Server

A Multi-Agent Conversation Protocol server that enables interaction with Rajasthan Transport Department's API, allowing access to vehicle and driver-related services through natural language.

authentik-mcp

Authentik MCP provides seamless integration with Authentik's API, supporting both full-featured and diagnostic modes. These enable secure, automated user, group, and system management through MCP-compatible tools.

Aider MCP Server

一个模型上下文协议（Model Context Protocol, MCP）服务器，将 Claude 和其他 MCP 客户端连接到 Aider，从而使 AI 助手能够通过自然语言高效地编辑文件、创建新文件以及与 Git 仓库交互。

Remote MCP Server on Cloudflare

A tool that allows deployment of a remote MCP (Model Context Protocol) server on Cloudflare Workers without authentication requirements, enabling connection to AI models through Claude Desktop or Cloudflare AI Playground.

MindManager MCP Server

一个模型上下文协议服务器，使大型语言模型（LLM）能够与 MindManager 思维导图进行交互，从而可以检索思维导图结构并导出为 Mermaid、Markdown 和 JSON 等格式。

Yandex Tracker MCP Server

A Node.js MCP server that enables AI assistants to interact with Yandex Tracker task management system through a standardized protocol, supporting operations like creating, updating, and searching issues.

word2img-mcp

Enables converting Markdown text into high-quality 3:4 ratio JPG images using multiple rendering backends. Supports intelligent fallback between imgkit/wkhtmltopdf, markdown-pdf, and PIL rendering engines with customizable styling options.

Writer MCP

A Model Context Protocol server that manages character knowledge and relationships for creative writing projects, offering semantic search and AI-powered analysis.

Metabase MCP Server

Enables LLMs to interact with Metabase instances through 33 tools for querying cards, dashboards, databases, collections, and executing SQL queries against your Metabase installation.

Beehiiv MCP Server

A Model Context Protocol server that enables Large Language Models (like Claude) to interact with Beehiiv publications and posts through standardized tools and the Beehiiv API v2.

독립유공자 공훈록 MCP 서버

这是一个Model Context Protocol服务器，用于在Claude Desktop上查询国家报勋部功勋电子史料馆的独立有功者功勋录和功绩调查书。

Tiny Chat

This is an LLM application with chat functionality, featuring chat using RAG, a database, and MCP server capabilities. The UI is designed for Japanese users.

Unichat

请发送使用 MCP 协议通过工具或预定义提示向 OpenAI、MistralAI、Anthropic、xAI 或 Google AI 发送请求。 需要供应商 API 密钥。

Eventbrite MCP Server

与 Eventbrite API 集成，提供人工智能辅助的活动管理功能，用于查看活动、跟踪参与者和生成分析报告。

ComfyUI MCP Server

Bridges ComfyUI's AI image generation workflows with game development, enabling dynamic generation of game assets like character portraits, item icons, and environment textures through natural language prompts.

ExpressJS MCP

Exposes Express.js API endpoints as MCP tools, preserving existing schemas and authentication behavior. Supports streaming responses and can be mounted directly to existing Express apps or run as a standalone gateway.

AWS Nova Canvas MCP Server

一个 MCP 服务器，允许您使用 Amazon Bedrock 的 Nova Canvas 模型来生成和编辑图像，支持诸如文本到图像生成、图像修复（inpainting）、图像外延（outpainting）、图像变体和背景移除等功能。

Avalanche MCP Tools

通过人工智能助手实现与 Avalanche 区块链的自然语言交互，允许用户在无需技术知识的情况下执行 Avalanche CLI 命令和 AvalancheJS API 操作。

Bifrost - VSCode Dev Tools MCP Server

一个 VS Code 扩展提供了一个 MCP 服务器，该服务器暴露 Roslyn 语言特性。它支持诸如查找用法、转到定义、快速信息等工具。

Mock MCP Server

A mock MCP server for testing MCP client implementations and development workflows. Supports tools, prompts, and resources across multiple transport protocols (stdio, HTTP, SSE).

LocalTides MCP Server

This server provides tools for interacting with the NOAA Tides and Currents API, enabling access to water level data, tide predictions, currents data, station information, and astronomical information like moon phases and sun times.