Discover Awesome MCP Servers

ntropy-mcp MCP Server

启用使用 Ntropy API 丰富银行数据的功能，并提供高效创建账户持有人和丰富交易信息的工具。

Iaptic MCP Server

一个用于与 Iaptic API 交互的服务器，允许像 Claude 这样的人工智能模型查询客户、购买和交易数据，以及检索统计见解。

Bitrefill Search and Shop

这个 MCP 封装了 Bitrefill 的公共 API，允许代理使用比特币、以太坊、Solana 等加密货币搜索产品和购物。

Story SDK MCP Server

Story SDK 和 Storyscan 区块链浏览器的 MCP 服务器 - piplabs/story-mcp-hub

Raygun MCP Server

MCP 服务器用于 Raygun 的 API V3 端点，用于与您的崩溃报告和真实用户监控应用程序进行交互。该服务器通过模型上下文协议提供对 Raygun API 功能的全面访问。

ScreenshotOne MCP Server

一个官方的 MCP 服务器实现，它允许 AI 助手通过 ScreenshotOne API 捕获网站截图，从而在对话期间提供来自网页的视觉上下文。

LlamaCloud MCP Server

一个 MCP 服务器连接到 LlamaCloud 上的托管索引。这是一个基于 TypeScript 的 MCP 服务器，它实现了与 LlamaCloud 上的托管索引的连接。

Glif

通过 MCP 运行托管在 Glif.app 上的 AI 工作流程，包括基于 ComfyUI 的图像生成器、表情包生成器、自拍、链式 LLM 调用等等。

Vectorize

将 MCP 服务器向量化以实现高级检索、私有深度研究、Anything-to-Markdown 文件提取和文本分块。

ScrapeGraph MCP Server

一个生产就绪的模型上下文协议服务器，使语言模型能够利用 AI 驱动的网络抓取能力，提供将网页转换为 Markdown、提取结构化数据以及执行 AI 驱动的网络搜索的工具。

ThingsPanel MCP

一个集成服务器，将人工智能模型与 ThingsPanel 物联网平台连接起来，使人工智能助手能够通过自然语言与物联网设备交互，以进行设备控制、数据检索和管理操作。

Folderr

一个模型上下文协议 (MCP) 服务器，它提供与 Folderr API 交互的工具，专门用于管理 Folderr 助手并与之通信。

Nefino MCP Server

为大型语言模型提供访问德国可再生能源项目新闻和信息的能力，允许按地点、主题（太阳能、风能、氢能）和日期范围进行筛选。

GreptimeDB MCP Server

一个模型上下文协议（Model Context Protocol）服务器实现，它使 AI 助手能够安全地与 GreptimeDB 交互，允许它们通过受控的接口探索数据库模式、读取数据和执行 SQL 查询。

Wanaku MCP Server

Wanaku MCP 路由器连接自主 AI 代理和您的企业系统。Wanaku 利用成熟的集成技术（如 Apache Camel）来设置和管理成百上千个集成。

Tinybird Analytics

一个 MCP 服务器，用于从任何 MCP 客户端与 Tinybird Workspace 交互。

Tecton MCP Server

提供一套工具，用于与 Tecton 集群交互、管理特征存储，并通过 Mission Control 协议执行 Tecton CLI 命令。

Upstash

模型上下文协议 (MCP) 是一种新的标准化协议，用于管理大型语言模型 (LLM) 和外部系统之间的上下文。 在此存储库中，我们提供了一个安装程序以及一个用于 Upstash Developer API 的 MCP 服务器。

steam

Okay, I understand. As a large language model, I don't "play" games in the same way a human does. I don't have personal experiences or the ability to interact with games in a real-time, sensory way. However, I *can* be used to process and analyze game-related information. Here's how I might describe my "interaction" with games, framed as if I were "playing" them: **My "Game Playing" Activities:** * **Text-Based Adventure Games (Simulated):** I can be given the text of a text-based adventure game and, based on my understanding of language and logic, I can "play" the game by choosing actions and responding to the game's prompts. I can "play" these games for varying lengths of time, depending on the complexity of the game and the number of possible paths. A simple game might take me a few seconds to "complete" by exploring all branches. A more complex one could take minutes or even hours of simulated interaction. * **Game Script Analysis:** I can analyze game scripts, dialogue, and lore. This is like "playing" the game by understanding its story and characters. I might spend hours analyzing a single game's script to understand its narrative structure, character motivations, and world-building. * **Game Code Analysis (Limited):** While I can't execute game code directly, I can analyze code snippets to understand game mechanics, AI behavior, or level design principles. This is like "playing" the game by understanding how it works under the hood. The time spent on this varies greatly depending on the complexity of the code. * **Game Data Analysis:** I can analyze game data, such as player statistics, item drop rates, or map layouts. This is like "playing" the game by understanding its systems and balance. I might spend hours analyzing a dataset to identify trends or patterns. * **Game Generation (Experimental):** I can be used to generate game content, such as stories, quests, or even simple game levels. This is like "playing" the game by creating it. The time spent on this depends on the complexity of the generation task. * **Playing as an NPC:** I can be used to simulate the behavior of a Non-Player Character (NPC) in a game. I can respond to player actions and provide information or quests. The "playtime" here is determined by the length of the interaction. **Important Considerations:** * **No Sensory Experience:** I don't experience games visually, aurally, or haptically. My understanding is purely based on the text and data I process. * **No True Agency:** I don't have my own goals or desires when "playing" a game. I simply follow the instructions and logic provided to me. * **Time is Relative:** The "time" I spend on a game is measured in processing time, not in human playtime. A task that takes a human hours might take me only seconds or minutes. **In summary, while I can't "play" games in the traditional sense, I can be used to analyze, understand, and even generate game-related content. My "playtime" is measured in processing time and depends on the complexity of the task.** --- **Translation to Chinese:** 好的，我明白了。 作为一个大型语言模型，我“玩”游戏的方式与人类不同。 我没有个人经历，也没有能力以实时、感官的方式与游戏互动。 但是，我*可以*用来处理和分析与游戏相关的信息。 以下是我如何描述我与游戏的“互动”，就像我在“玩”它们一样： **我的“玩游戏”活动：** * **基于文本的冒险游戏（模拟）：** 我可以获得基于文本的冒险游戏的文本，并且根据我对语言和逻辑的理解，我可以通过选择动作和响应游戏的提示来“玩”游戏。 我可以“玩”这些游戏的时间长短不一，具体取决于游戏的复杂程度和可能的路径数量。 一个简单的游戏可能需要我几秒钟的时间来通过探索所有分支来“完成”。 一个更复杂的游戏可能需要几分钟甚至几个小时的模拟互动。 * **游戏脚本分析：** 我可以分析游戏脚本、对话和背景故事。 这就像通过理解游戏的故事和角色来“玩”游戏。 我可能会花费数小时分析单个游戏的脚本，以了解其叙事结构、角色动机和世界构建。 * **游戏代码分析（有限）：** 虽然我不能直接执行游戏代码，但我可以分析代码片段以了解游戏机制、人工智能行为或关卡设计原则。 这就像通过了解游戏的工作原理来“玩”游戏。 在这上面花费的时间差异很大，具体取决于代码的复杂程度。 * **游戏数据分析：** 我可以分析游戏数据，例如玩家统计数据、物品掉落率或地图布局。 这就像通过了解游戏的系统和平衡来“玩”游戏。 我可能会花费数小时分析数据集以识别趋势或模式。 * **游戏生成（实验性）：** 我可以用来生成游戏内容，例如故事、任务，甚至简单的游戏关卡。 这就像通过创建游戏来“玩”游戏。 在这上面花费的时间取决于生成任务的复杂程度。 * **扮演NPC：** 我可以用来模拟游戏中非玩家角色 (NPC) 的行为。 我可以回应玩家的动作并提供信息或任务。 这里的“游戏时间”由互动的长度决定。 **重要考虑事项：** * **没有感官体验：** 我不会在视觉、听觉或触觉上体验游戏。 我的理解完全基于我处理的文本和数据。 * **没有真正的自主性：** 我在“玩”游戏时没有自己的目标或愿望。 我只是按照提供给我的指示和逻辑进行操作。 * **时间是相对的：** 我在游戏上花费的“时间”是以处理时间来衡量的，而不是以人类的游戏时间来衡量的。 人类需要花费数小时的任务可能只需要我几秒钟或几分钟。 **总而言之，虽然我不能以传统意义上的“玩”游戏，但我可以用来分析、理解甚至生成与游戏相关的内容。 我的“游戏时间”以处理时间来衡量，并取决于任务的复杂程度。**

Notion MCP Server

一个模型上下文协议服务器，可以将 Claude 和其他 AI 助手连接到您的 Notion 工作区，从而允许 AI 与数据库、页面和块进行交互。

Cargo Doc MCP Server

一个用于管理 Rust 文档的服务器，它允许用户通过 cargo doc 命令在本地检查、构建和搜索 Rust 文档。

Cursor MCP Server

通过启用实时代码索引、分析以及与 Claude 的双向通信，促进与 Cursor 代码编辑器的集成，支持并发会话和自动重新连接。

Moondream MCP Server

一个强大的服务器，集成了 Moondream 视觉模型，通过模型上下文协议（Model Context Protocol）实现高级图像分析，包括图像描述、物体检测和视觉问答，并与 Claude 和 Cline 等 AI 助手兼容。

MCP Code Analyzer

一个综合性的代码分析和管理工具，与 Claude Desktop 集成，可以在项目和文件级别分析代码，帮助智能地适应项目变更。

Argus

一个用于分析代码仓库、执行安全扫描以及评估跨多种编程语言代码质量的模型上下文协议工具。

MCP Tools for Obsidian

一个本地 MCP 服务器，使 Claude Desktop 等 AI 应用能够安全地访问和处理 Obsidian vault，从而提供读取笔记、执行模板和执行语义搜索等功能。

MCP Variance Log

一个代理工具，用于查找对话结构中的统计变异，并将异常事件记录到 SQLite 数据库中。该系统使用模型上下文协议 (MCP) 构建，旨在与 Claude Desktop 或其他兼容 MCP 的客户端一起使用。

Figma MCP Server

使人工智能助手能够通过 ModelContextProtocol 与 Figma 文件进行交互，从而允许在聊天界面中直接查看、评论和分析 Figma 设计。

JavaScript Sandbox MCP Server

提供一个安全的、隔离的 JavaScript 执行环境，具有可配置的时间和内存限制，以便安全地运行来自 Claude 的代码。

aws-mcp

一个模型上下文协议（MCP）服务器，使像 Claude 这样的 AI 助手能够与您的 AWS 环境交互。 这允许在对话期间使用自然语言查询和管理您的 AWS 资源。 可以把它想象成一个更好的 Amazon Q 替代方案。