Discover Awesome MCP Servers

MCP Server Demo

A demonstration MCP server that provides calculator tools for arithmetic operations, personalized greeting resources, and code review prompt templates. Enables users to perform basic math calculations, generate dynamic greetings, and access reusable code review templates through the Model Context Protocol.

Google Drive MCP Server

Enables AI agents to efficiently access and process Google Drive documents by converting them to markdown and offering selective content extraction. Features intelligent caching, advanced search capabilities, and respect for Drive permissions to optimize context window usage.

mcp-test

好的，以下是一些关于将 MCP (Minecraft Protocol) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "your_server_address" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "your_openai_api_key" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！ --- **中文翻译：** 好的，以下是一些关于将 MCP (Minecraft 协议) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "你的服务器地址" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "你的 OpenAI API 密钥" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！

Christensen MCP Server

A strategic advisory agent that applies Clayton Christensen's frameworks, such as Jobs-to-Be-Done and Disruption Theory, to analyze business decisions. It enables users to evaluate organizational capabilities, explore historical case studies, and receive theory-grounded strategic insights.

WageAPI

US + EU salary benchmarking, pay transparency compliance, and semantic endpoints. 1,400+ US occupations, 28 EU countries. MCP server for AI agents.

Ayga MCP Client

Provides access to 21+ AI search parsers including Perplexity, ChatGPT, Claude, Gemini, Copilot, Grok, DeepSeek, and traditional search engines through the Redis API, enabling multi-source AI-powered search and information retrieval.

businys

Multi-practice operations platform for independent professionals — 221 MCP tools across 26 practices including clients, invoices, contracts, bookings, and more.

Nostr MCP Server

A Model Context Protocol server that enables AI models to interact with the Nostr network, allowing them to post notes and eventually send Lightning zaps to users.

mcp-server-muscxml

MCP server for MusicXML references.

Desktop Commander MCP

一个服务器，它允许 Claude 桌面应用通过模型上下文协议在你的电脑上执行终端命令和编辑文件，具有命令执行、进程管理和高级文件操作等功能。

Archive Agent

Archive Agent is an open-source semantic file tracker with OCR + AI search (RAG) and MCP capability.

Google Sheets MCP Server

Enables comprehensive interaction with Google Sheets and Google Drive through OAuth2 authentication. Supports spreadsheet creation, data manipulation, formatting, chart creation, and advanced operations like SQL queries and batch updates.

MCP Playground Server

A simple educational MCP server providing basic math operations, string manipulation, and greeting functionality. Demonstrates how to implement MCP tools for learning purposes.

LocalMCP

An advanced MCP-based AI agent system with intelligent tool orchestration, multi-LLM support, and enterprise-grade reliability features like semantic routing and circuit breakers.

Azure DevOps MCP Server

Enables AI assistants to interact with Azure DevOps to manage work items, Git repositories, branches, commits, and projects through natural language commands.

MCP Servers (OnePiece & Geolocalizar)

A collection of two MCP servers that enable querying One Piece anime characters and geolocating public IP addresses.

Browser Tools MCP Extension

Enables AI tools to interact with your browser for enhanced frontend development, providing context-rich capabilities like API call analysis, screenshot capture, element inspection, and API testing with automatic authentication.

SQL Analysis MCP Server

An MCP server designed for SQL analysis that demonstrates sampling capabilities by interacting with SQL files in a local directory. It provides a framework for testing client-side sampling while managing SQL-based contexts.

Hyperbolic GPU MCP Server

Enables interaction with Hyperbolic's GPU cloud, allowing users to view available GPUs, rent instances, establish SSH connections, and run GPU-powered workloads through natural language commands.

Pitstop

Provides access to Formula 1 data including driver and constructor championship standings with support for current and historical seasons. Enables users to query F1 championship information through natural language with plans for expanded race data and telemetry.

🧠 Vibe Check MCP

镜子 (jìng zi)

Smartling MCP Server

Enables translation management through Smartling's API, supporting project and file operations, job management, quality assurance, glossaries, and translation workflow automation for multilingual content.

Connpass MCP Server

Enables searching and retrieving IT study groups and event information from connpass.com, including user attended events, group events, and location-based event searches.

Temporal Cortex MCP

Calendar MCP server with atomic booking, conflict prevention, deterministic RRULE expansion, and TOON token compression for AI agents.

Binary Ninja Cline MCP Server

一个 MCP 服务器，它通过桥接实现，使 Cline 能够使用带有个人许可证的 Binary Ninja 分析二进制文件。

React + Tailwind MCP Server Template

A full-stack template for building Model Context Protocol (MCP) servers with a modern React frontend, allowing developers to create AI agent tools and workflows while providing a beautiful web interface.

OpenReview Python MCP Server

Exposes the structure and documentation of the openreview-py library, enabling LLMs to discover classes, functions, and signatures for accurate code generation. It provides tools for searching the API and retrieving detailed metadata without executing code or making external API calls.

BookStore MCP

A full-featured bookstore MCP server with 6 tools for searching books, managing cart, checkout, and order history, plus 4 interactive React widgets with dark/light theme support.

Word MCP Server

A Python application that allows creating and editing Microsoft Word (.docx) documents through an API, built with FastMCP for interacting with Word documents.

NestJS MCP Server Module

一个 NestJS 模块，允许将服务暴露为 MCP (Meta-Control Protocol) 服务器，并使用服务器发送事件 (Server-Sent Events, SSE) 传输，从而方便客户端进行工具发现和执行。