发现 MCP 服务

一个用于连接 Model Context Protocol（MCP）服务器的 Python 客户端，使用 Ollama 实现，支持本地运行的 LLM（大型语言模型）调用工具。需要本地运行 Ollama 以及 Python 3.10+。支持通过 JSON 文件和命令行参数进行配置。

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。

一个与 DuckDB 和 MotherDuck 数据库交互的 MCP 服务器实现，提供面向 AI 助手和集成开发环境（IDE）的 SQL 分析功能。支持本地 DuckDB 数据库和云端 MotherDuck 数据库。需要安装 'uv' 运行时。配置时需通过命令行或环境变量传递 MotherDuck 访问令牌。

用于树突分析的 MCP 服务器，提供基于 tree-sitter 的代码分析功能，并支持上下文管理。需要 Python 3.10 及以上版本，以及针对优先语言的 tree-sitter 语言解析器。

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。

一个由 Probe 驱动的灵活 Model Context Protocol (MCP) 服务器，旨在使文档或代码库可被 AI 助手搜索。支持通过 docs-mcp.config.json 和环境变量进行配置，内容源包括本地目录或 Git 仓库。

一个 Model Context Protocol (MCP) 服务器实现，提供与 Snowflake 数据库的交互功能。该服务器支持通过工具运行 SQL 查询，并将数据洞察和模式上下文作为资源暴露。运行此服务器需要设置 Snowflake 凭据的环境变量，如 SNOWFLAKE_USER、SNOWFLAKE_ACCOUNT、SNOWFLAKE_ROLE、SNOWFLAKE_DATABASE、SNOWFLAKE_SCHEMA、SNOWFLAKE_WAREHOUSE 和 SNOWFLAKE_PASSWORD。

一个支持模型上下文协议（Model Context Protocol，MCP）的服务器，能够让大型语言模型（LLMs）与MongoDB数据库进行交互。通过环境变量MCP_MONGODB_URI和MCP_MONGODB_READONLY配置MongoDB连接URI和只读模式。

emcee 是一个基于模型上下文协议（MCP）的服务器，适用于具有 OpenAPI 规范的任何 Web 应用程序。它允许将 AI 模型连接到外部工具和数据服务。服务器可以通过 OpenAPI 规范的 URL 或本地文件进行配置。不需要额外的外部数据文件，除非作为命令参数或文件路径提供的 OpenAPI 规范。

PHP MCP 服务器为 PHP 应用程序提供了一个强大且灵活的 Model Context Protocol (MCP) 服务器端实现。它允许将应用程序的各个部分作为标准化的 MCP 工具（Tools）、资源（Resources）和提示（Prompts）进行暴露。基本使用无需外部数据文件。

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。

MCP Git Ingest 是一个 Model Context Protocol (MCP) 服务器，用于读取 GitHub 仓库结构和重要文件。它需要 Python 3.8 及以上版本，并依赖外部 Python 包 fastmcp、gitpython 和 uvicorn。

基于 uv 的 Python 模板，旨在快速启动 MCP 服务器。支持 stdio 和 streamable-http 传输方式。环境配置通过 .env 文件完成。需要 Python >=3.11 和 fastmcp >= 2.11.1。

该插件提供对 MCP (Model Context Protocol) 服务器清单的支持，确保模型和插件的正确识别与管理。

CAD-MCP 是一款创新的 CAD 控制服务，允许通过自然语言指令控制 CAD 软件进行绘图操作。需要在 src/config.json 中配置外部配置文件。

一种用于管理结构化项目上下文的模型上下文协议（MCP）服务器。需要 Python 3.8 及以上版本，可选使用 'uv' Python 环境管理器。自动为每个工作区创建 SQLite 数据库。支持向量嵌入，用于语义搜索和增强检索生成（Retrieval Augmented Generation, RAG）。

用于 Linear API 的 Model Context Protocol 服务器。需要通过环境变量 LINEAR_API_KEY 配置的 Linear API 密钥。

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。

Model Context Protocol (MCP) 集成插件，适用于 Obsidian，支持通过原子操作和结构化的记忆系统让 AI 助手与您的知识库交互。需要按照安装步骤将插件文件放入 Obsidian 的插件文件夹中。

一个用 Rust 构建的命令行工具，用于协助完成与代码相关的任务。支持作为 Model Context Protocol（MCP）服务器运行。需要在 ~/.config/code-assistant/projects.json 中提供 JSON 配置文件，以在 MCP 服务器模式下添加可用项目。

MCP 文本编辑器服务器通过模型上下文协议（Model Context Protocol）提供面向行的文本文件编辑功能。针对大语言模型（LLM）工具进行了优化，支持高效的部分文件访问以减少令牌使用。需要 Python 3.13 及以上版本，且可选支持 Docker 部署。

一个轻量级的 MCP 服务器，提供统一接口连接多种大型语言模型（LLM）提供商，包括 OpenAI、Anthropic、Google Gemini、Groq、DeepSeek 和 Ollama。需要在 .env 文件中配置环境变量以设置 API 密钥（例如 OPENAI_API_KEY、ANTHROPIC_API_KEY、GEMINI_API_KEY、GROQ_API_KEY、DEEPSEEK_API_KEY、OLLAMA_HOST）。

基于 TypeScript 的 MCP 服务器，分析代码库结构和依赖关系，按重要性对文件进行排序，跟踪双向依赖，并提供总结。需要一个在构建过程中生成的 JSON 配置文件（mcp.json），该文件应复制到项目的 .cursor 目录中。

Docs MCP Server 提供一个个人化、始终最新的知识库，用于 AI，通过索引来自网站、GitHub、npm、PyPI 以及本地文件的第三方文档。它需要外部数据文件进行文档索引，这些可以通过环境变量和 Docker 卷（例如，将本地文件夹挂载到容器中以支持本地文档）进行配置。