项目简介
这是一个包含多种 Model Context Protocol (MCP) 服务器参考实现的集合,使用 TypeScript 和 Python SDK 构建。这些实现展示了如何为大型语言模型 (LLM) 提供安全、受控的工具和数据源访问能力。
主要功能点
该仓库中的服务器提供了多种功能,包括但不限于:
- 数据访问与管理: 访问文件系统、Git 仓库、Google Drive、PostgreSQL、SQLite、Redis 等。
- 外部服务集成: 与 GitHub、GitLab、Slack、Sentry、Brave Search、Google Maps、AWS Bedrock Knowledge Base 等进行交互。
- 自动化与任务执行: 网页抓取 (Puppeteer)、代码执行 (E2B sandboxes, ForeverVM, Riza, code-executor)、文档格式转换 (Pandoc, Markdownify)。
- 特定领域功能: 时间与时区转换、知识图谱式记忆、AI 图像生成 (EverArt)、顺序思考流程等。
- 开发者工具: 与 JetBrains IDE、Kubernetes、Docker、Prometheus、GitLab API、GitHub API 等交互。
每个子目录通常包含一个独立的 MCP 服务器实现。
安装步骤
您无需安装整个仓库。要使用某个特定的 MCP 服务器,通常需要安装该服务器对应的包。
-
对于基于 TypeScript 的服务器 (如 'memory', 'fetch', 'puppeteer', 'everart', 'everything', 'brave-search', 'google-maps', 'gitlab', 'github', 'aws-kb-retrieval-server', 'redis'): 您可以使用 'npx' 直接运行,例如:
npx -y @modelcontextprotocol/server-memory或者先安装包再运行:
npm install -g @modelcontextprotocol/server-memory mcp-server-memory -
对于基于 Python 的服务器 (如 'git', 'sqlite', 'sentry', 'time', 'filesystem', 'sequentialthinking'): 推荐使用 'uvx' 运行,例如:
uvx mcp-server-git或者使用 'pip' 安装后运行:
pip install mcp-server-git python -m mcp_server_git请确保您的系统已安装 Node.js (含 npx/npm) 或 Python (含 pip/uv)。
服务器配置
MCP 服务器通常通过标准输入输出 (Stdio) 与 MCP 客户端通信。要让您的 LLM 客户端使用这些服务器,您需要在客户端配置中指定服务器的启动命令和参数。以下是一个示例配置片段(格式取决于您的 MCP 客户端,这里以类似 Claude Desktop 的 JSON 格式为例):
{ "mcpServers": { "my-filesystem": { // 您为这个服务器实例指定的名称 "command": "npx", // 启动服务器的命令 "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/files"] // 传递给命令的参数。将 "/path/to/allowed/files" 替换为您希望服务器能够访问的实际目录路径。可以指定多个路径。 }, "my-git": { // 您为另一个服务器实例指定的名称 "command": "uvx", "args": ["mcp-server-git", "--repository", "path/to/your/repo"] // 启动 Git 服务器的命令及参数。将 "path/to/your/repo" 替换为您的 Git 仓库路径。 // 如果需要环境变量(如 GitHub/GitLab 服务器),可以添加 "env" 字段: // "env": { // "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>" // } } // 您可以在这里添加更多 MCP 服务器配置 } }
请查阅您的 MCP 客户端文档以了解具体的配置方法。
基本使用方法
一旦 MCP 服务器在客户端中配置并启动,LLM 客户端将能够发现服务器提供的工具、资源和 Prompt。LLM 可以根据用户在对话中的需求,自动调用相应的工具来执行任务、读取资源以获取上下文信息或加载 Prompt 模板以进行引导式交互。具体的使用体验取决于客户端的实现以及您配置的 MCP 服务器功能。
信息
分类
AI与计算