发现 MCP 服务

用于 CodeGPT 代码图分析的 MCP 服务器。需要环境变量设置 API 密钥，此外还可选组织和图 ID 以访问 CodeGPT 代码图数据。

提供支持 MCP 协议的 Function Calling 和 ReAct 的 Agent 策略集合，采用 HTTP 传输方式（支持 SSE 或 Streamable HTTP）。无需外部数据文件。

一个用于与 PocketBase 数据库进行高级交互的 MCP 服务器，支持数据库操作、模式管理和数据处理。需要通过 JSON 设置文件（例如 cline_mcp_settings.json）进行配置，以指定 PocketBase 实例的 URL 和可选的管理员凭据。

一个简单、轻量且快速的 MCP 服务器，提供 Solidity 开发功能，使用 Foundry 工具链（Forge、Cast 和 Anvil）。需要单独安装 Foundry 工具链（Forge、Cast 和 Anvil）和 Heimdall-rs 作为外部依赖。支持通过环境变量 RPC_URL 和 PRIVATE_KEY 进行配置。

一个用于与任何兼容OpenAI SDK的聊天完成API集成的模型上下文协议（Model Context Protocol）服务器。需要环境变量设置API密钥和配置，例如AI_CHAT_KEY、AI_CHAT_NAME、AI_CHAT_MODEL和AI_CHAT_BASE_URL。

MCP 安全包装器，提供首次信任（trust-on-first-use）服务器配置钉扎（pinning）、自动阻止未授权配置更改、工具响应的护栏扫描与隔离，以及 ANSI 控制字符净化。使用位于 ~/.context-protector/servers.json 的 JSON 编码文件存储服务器配置，使用 ~/.context-protector/quarantine.json 存储隔离响应。

该插件提供了与 MCP（模型上下文协议）服务器的集成，支持配置和管理服务器端的模型信息，确保数据的同步和通信的高效性。

MCPOmni Connect 是一个通用的命令行界面（CLI），作为模型上下文协议（MCP）生态系统的入口，集成了多个 MCP 服务器、AI 模型和传输协议。需要外部配置文件 'servers_config.json' 进行服务器设置，路径可通过环境变量进行配置。

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。

QGISMCP 通过模型上下文协议（MCP）将 QGIS 与 Claude AI 连接，允许 Claude 直接与 QGIS 交互和控制。此集成支持快速项目创建、图层加载、代码执行等功能。需要外部安装 QGIS（版本 3.X，已在 3.22 测试）和 Python 3.10 或更高版本。服务器通过 uv 包管理器运行，并连接到 QGIS 插件套接字服务器。

一个用于与 Markdown 知识库交互的 MCP 服务器，支持通过标签、文本、slug 或日期范围检索和讨论内容。适用于在本地计算机上使用。需要将本地 Markdown 文件按文件夹组织。

SurfSense 是一个开源的 NotebookLM 替代方案，提供带有实时数据连接器的 MCP 服务器，支持 Reddit、YouTube、Instagram、TikTok、Amazon、Google 地图、Google 搜索等多种数据源。它通过 REST API 或 MCP 服务器将连接器作为原生工具进行暴露。自托管免费且开源，使用提供的安装脚本需要 Docker Desktop 进行自托管部署。

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 Xcode 集成的 MCP 服务器，支持 AI 助手与 Xcode 项目交互。需要通过 .env 文件中的环境变量进行配置，例如 PROJECTS_BASE_DIR 用于设置项目的基础目录。

Fast MCP 是一种用 Ruby 实现的 Model Context Protocol (MCP) 服务器，便于将 AI 模型与 Ruby 应用程序集成。它支持多种传输方式，包括 STDIO、HTTP 和 SSE。基本使用不需要额外的数据文件。

基于 apktool 构建的全自动 MCP 服务器，利用 LLM（如 Claude）分析 Android APK 文件——发现漏洞、解析清单文件（manifests）以及逆向工程，轻松实现。需要在环境变量中安装并配置 apktool。

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。

Jupyter MCP 服务器是一个实现模型上下文协议（Model Context Protocol）的服务器，提供与在任何 JupyterLab 环境中运行的 Jupyter 笔记本的交互。它需要一个正在运行的 JupyterLab 实例，可以通过环境变量（如 IdentityProvider.token）启动。该服务器支持实时控制和智能执行笔记本单元。

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。

一种模型上下文协议（MCP）服务器，允许人工智能助手通过自然语言与 n8n 工作流进行交互。需要启用 API 访问的 n8n 实例，并通过环境变量（如 N8N_API_URL 和 N8N_API_KEY）进行配置。

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。

Redis MCP 服务器是用于代理应用程序的自然语言界面，旨在管理和搜索 Redis 中的数据。它与 MCP 客户端集成，实现基于 AI 的工作流程，支持与结构化和非结构化的 Redis 数据交互。配置需要设置环境变量，包括 Redis 连接信息（如 REDIS_HOST、REDIS_PORT、REDIS_DB、REDIS_USERNAME、REDIS_PWD）以及 TLS 设置。

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。

Model Context Protocol 服务器插件，连接各种大型语言模型（LLMs）与 x64dbg 调试器，通过自然语言提供直接的调试功能访问。需要从构建/发布目录中获取 x64dbg 插件（.dp64 或 .dp32 文件）以及配置好的 Claude Desktop 中的 x64dbgmcp.py 脚本。