发现 MCP 服务

Portainer MCP 连接您的 AI 助手与 Portainer 环境，允许通过 AI 管理 Portainer 资源并执行 Docker 或 Kubernetes 命令。需要 Portainer 管理员 API 令牌。可通过 -tools 标志使用 YAML 文件路径自定义可选的外部工具文件。

SwiftLens 是一个 Model Context Protocol (MCP) 服务器，能够对 Swift 代码库进行深层次、语义级别的分析，支持任何 AI 模型。通过与 Apple 的 SourceKit-LSP 直接集成，SwiftLens 使 AI 模型能够以编译器级别的精确度理解 Swift 代码。需要 macOS 操作系统、Python 3.10 及以上版本，以及完整的 Xcode 安装。还需要 SourceKit-LSP 索引存储（index store）用于跨文件分析，该存储必须通过手动构建或使用提供的工具完成。

ApeRAG 是一个生产就绪的检索增强生成（Retrieval-Augmented Generation, RAG）平台，结合了图谱 RAG（Graph RAG）、向量搜索和全文搜索，并配备先进的人工智能代理。它支持混合检索、多模态文档处理、智能代理以及企业级管理功能。部署最便捷的方法是使用 Docker 和 Docker Compose。环境变量可以通过复制自 envs/env.template 的 .env 文件进行配置。

一个 Model Context Protocol (MCP) 服务器，提供链上工具支持 AI 应用程序，如 Claude Desktop 和 Cursor，允许它们与基础网络（Base Network）和 Coinbase API 进行交互。需要通过环境变量在 .env 文件中进行外部配置，包括 Coinbase API 凭据、钱包助记词、Coinbase 项目ID、Alchemy API 密钥、OpenRouter API 密钥、链ID 和 Neynar API 密钥。

一个带有 Playwright 工具的 MCP 服务器。不需要或未提及任何外部数据文件。

一个提供最新 Rust crates 文档查询的 MCP 服务器。需要在 OPENAI_API_KEY 环境变量中设置 OpenAI API 密钥。将文档和嵌入缓存到用户的 XDG 数据目录（~/.local/share/rustdocs-mcp-server/）。

OpenAPI-MCP 代理将 OpenAPI 规范转换为 MCP 工具，允许 AI 代理无需自定义封装即可访问外部 API。需要通过环境变量 OPENAPI_URL 配置外部 OpenAPI 规范的 URL。

一种 MCP 服务器实现，提供通过向量搜索检索和处理文档的工具，使 AI 助手能够用相关文档内容增强其回答。需要环境变量 OPENAI_API_KEY、QDRANT_URL 和 QDRANT_API_KEY 以访问外部 API 和向量数据库。

一个灵活且动态的多重 MCP 代理服务器（Multi-MCP Proxy Server），它充当单一的 MCP 服务器，同时连接并在多个后端 MCP 服务器之间进行路由，支持 STDIO 或 SSE 通信。需要一个 JSON 配置文件（默认：./mcp.json）来初始化代理与 MCP 服务器的连接。

基于 Nix 的模型控制协议（MCP）服务器配置框架，提供现成的包支持。支持模块化配置、可重现的构建，以及通过 envFile 和 passwordCommand 环境变量安全管理凭据。

MCP Alchemy 将 Claude Desktop 直接连接到您的数据库，支持探索、查询辅助、架构分析和多种 SQLAlchemy 兼容数据库的报告。需要设置环境变量 DB_URL，提供 SQLAlchemy 数据库的 URL。可选支持 CLAUDE_LOCAL_FILES_PATH，用于通过 claude-local-files 集成进行大数据集分析。

支持 MySQL MCP 服务器中的 SSE（Server-Sent Events）和 STDIO（标准输入输出），包括 CRUD（创建、读取、更新、删除）操作以及数据库异常分析功能。需要使用 .env 文件或环境变量配置 MySQL 数据库连接信息（MYSQL_HOST、MYSQL_PORT、MYSQL_USER、MYSQL_PASSWORD、MYSQL_DATABASE、MYSQL_ROLE）。

Binary Ninja MCP 是一个插件和 MCP 服务器，结合了 Binary Ninja 的逆向工程能力与 MCP 客户端，主要是 Claude Desktop。需要安装 Binary Ninja 和 Python 3.12+。桥接组件需要从 bridge/requirements.txt 安装 Python 依赖。

可扩展的高性能知识图谱存储系统，支持语义检索、上下文回忆和时间感知。需要外部 Neo4j 数据库（版本 5.13 及以上）作为存储后端，可通过环境变量进行配置。

一个多功能的服务器应用程序，扩展了 gemini-cli 生态系统，通过 MCP 暴露内置工具，并提供与 OpenAI 兼容的 API 桥接。需要将 gemini-cli 作为子模块自动安装。配置和认证依赖于 gemini-cli 设置以及环境变量，如 GEMINI_API_KEY 或 GOOGLE_APPLICATION_CREDENTIALS。

一个运行并向大语言模型（LLMs）暴露语言服务器的 MCP 服务器，支持语义代码导航工具，如定义跳转、引用查找、重命名和诊断。需要单独安装外部语言服务器（例如 gopls、rust-analyzer、pyright、typescript-language-server、clangd），并通过环境变量或客户端设置进行配置。

启用 MCP 客户端，例如 Claude Desktop，可以直接调试带有断点的代码。无需外部数据文件。

一个用于实现 MCP 服务器和客户端的 Dart SDK 库，兼容 MCP 协议版本 2025-03-26。需要 Dart SDK 版本 ^3.0.0 或更高。

一个模型上下文协议（MCP）服务器，允许通过兼容MCP的客户端执行JMeter测试并分析测试结果。需要已安装并可通过命令行访问的Apache JMeter，配置环境变量JMETER_HOME和JMETER_BIN。

一个功能强大的模型上下文协议（MCP）服务器，支持 Docker 操作，通过 Claude AI 实现无缝的容器和编排堆栈管理。需要在主机系统上安装 Docker Desktop 或 Docker Engine。

用于与 Salesforce 组织交互的 MCP 服务器，支持通过基于大模型（LLM）的工具实现与 Salesforce 资源的安全且模块化的交互。

一个 Model Context Protocol（MCP）服务器，提供与 Google Cloud 的 Vertex AI Gemini 模型交互的工具，重点在于编码辅助和一般性问答。需要根据 .env.example 文件中的说明配置环境变量，包括 Google Cloud 项目、认证信息和模型设置。

基于 Golang 的 MCP 服务器，连接到 Kubernetes。支持列出 Kubernetes 上下文、命名空间、资源、节点、Pod、事件、Pod 日志，以及在 Pod 中运行命令。使用 Kubernetes 配置文件路径，可通过环境变量 KUBECONFIG 进行配置（默认为 ~/.kube/config）。

用于咨询大型上下文窗口模型以分析大量文件集合的 MCP 服务器。支持提供商 Openrouter、OpenAI 和 Google。无需外部数据文件。