发现 MCP 服务

一个 Model Context Protocol (MCP) 服务器，提供对 Ragie 知识库检索功能的访问。需要设置环境变量 RAGIE_API_KEY，填写您的 Ragie API 认证密钥。

将 LlamaCloud 服务作为 MCP 工具暴露。需要在 .env 文件中设置环境变量 LLAMA_CLOUD_API_KEY 和 OPENAI_API_KEY 以进行 API 访问。

一个 Model Context Protocol（MCP）服务器，提供关于使用 Strands Agents 构建人工智能代理的知识。需要预先在系统中安装 'uv' 工具作为前提条件。

一个动态的 MCP 服务器管理服务，能够创建、运行和管理模型上下文协议（MCP）服务器。该服务本身作为一个 MCP 服务器运行，并以子进程的方式启动和管理其他 MCP 服务器，从而实现灵活的 MCP 生态系统。

一个 Model Context Protocol (MCP) 服务器，支持使用 XiyanSQL 进行自然语言查询数据库。需要一个 YAML 配置文件（例如 config_demo.yml）来设置服务器，包括 LLM 和数据库连接信息。

基于人工智能的 MCP 服务器，支持多种模型提供商。需要位于 'conf' 目录中的外部 JSON 配置文件，可通过环境变量进行配置。

该插件用于管理和配置 MCP (Model Context Protocol) 服务器清单，确保模型在不同环境中的正确加载和运行。

用于与 BigQuery 数据库交互的 MCP 服务器。需要启用 BigQuery 的 Google Cloud 项目，并通过 Google Cloud CLI 或服务账户密钥文件进行身份验证。

一个模型上下文协议（MCP）服务器，允许人工智能助手与 IDA Pro 进行交互，用于逆向工程和二进制分析任务。需要在 IDA Pro 的插件目录中安装 IDA Pro 远程控制插件（ida_remote_server.py），该插件会在本地启动一个 HTTP 服务器，监听端口为 localhost:9045。

MongoDB Lens 是一个本地的模型上下文协议（MCP）服务器，提供全面的访问MongoDB数据库的功能，利用自然语言通过大型语言模型（LLMs）执行查询、进行聚合、优化性能等操作。

用于与 Keboola Connection 交互的 MCP 服务器。需要环境变量进行身份验证和配置：KBC_STORAGE_TOKEN（Keboola 存储 API 令牌）、KBC_WORKSPACE_SCHEMA（工作区架构标识符），以及可选的 GOOGLE_APPLICATION_CREDENTIALS（BigQuery JSON 凭据文件路径）用于 BigQuery 后端。

gomcp 是用 Go 语言编写的 MCP 服务器，提供与 Lightpanda 浏览器通过 CDP 协议交互的工具。需要单独安装 Lightpanda 浏览器。浏览器二进制文件会被下载并存储在用户配置目录中，可通过环境变量如 XDG_CONFIG_HOME 或 HOME 进行配置。

一个与 Mem0.ai 集成的 Model Context Protocol (MCP) 服务器，为大型语言模型（LLMs）提供持久存储能力。支持云存储（需要 MEM0_API_KEY）、Supabase 存储（需要 SUPABASE_URL、SUPABASE_KEY 和 OPENAI_API_KEY）以及本地存储（需要 OPENAI_API_KEY）。

用于 MCP 服务器的管理服务器，负责进程管理和工具路由。配置需要通过 --config 选项指定 JSON 配置文件路径。

一个用于Claude集成的React MCP（Model Context Protocol）服务器，能够让Claude AI通过模型上下文协议与React应用程序进行交互。该服务器会在“logs”目录中保存详细日志，包括“react-mcp-logs.json”和“react-mcp-logs.txt”。

一个使用 Webflow JavaScript SDK 实现 Model Context Protocol (MCP) 的 Node.js 服务器，用于 Webflow。需要提供 Webflow API 令牌进行身份验证，必须通过 WEBFLOW_TOKEN 环境变量传入。

用于与自托管的 Supabase 实例交互的 MCP 服务器，支持数据库内省、管理和交互。配置需要提供环境变量或 CLI 参数，包括 Supabase URL、匿名密钥、服务角色密钥、数据库 URL、JWT 密钥，以及可选的 JSON 工具配置文件。

Model Context Protocol (MCP) 服务器，用于与 Jupyter Notebook (.ipynb) 文件交互，支持 AI 代理操作笔记本单元格和元数据。需要 Python 3.10 及以上版本，并通过 pip 安装相关 Python 包。可选的外部系统依赖包括 Pandoc 和 LaTeX（推荐使用 XeLaTeX），用于将笔记本导出为 PDF 及其他格式。

Logfire MCP 服务器使大型语言模型（LLMs）能够检索和分析发送到 Logfire 的 OpenTelemetry 跟踪和指标。需要通过环境变量 LOGFIRE_READ_TOKEN 或命令行参数 --read-token 提供 Logfire 读取令牌。

Jinni 是一款工具，能够通过智能过滤读取并连接相关项目文件的方式高效地为大型语言模型（Large Language Models）提供项目上下文。它包括一个 MCP 服务器和一个 CLI 工具。无需外部数据文件即可运行。

用于暴露所有 Twilio API 的 Model Context Protocol (MCP) 服务器的 Monorepo。配置需要传入 Twilio API 凭据（Account SID、API Key 和 Secret），可以作为参数或环境变量传递。

Kom 是一个 Kubernetes 运维工具，提供 SDK 级别的 kubectl 和 client-go 使用封装。它支持多集群管理、支持 MCP（Model Context Protocol）模式下的 stdio 和 SSE，以及超过 48 种内置工具，用于 Kubernetes 资源管理，包括对 CRD（Custom Resource Definition）的支持。服务器可以通过设置 KUBECONFIG 环境变量来配置，指定 kubeconfig 文件路径。

这是一个用于 dify 工作流的简单 MCP 服务器实现。需要通过环境变量或 config.yaml 文件进行外部配置，配置方式包括使用环境变量 DIFY_BASE_URL 和 DIFY_APP_SKS，或提供位于 ~/.config/dify-mcp-server/config.yaml 的 CONFIG_PATH 指定配置文件。

该 MCP 服务器能够查询多个 Ollama 模型并整合它们的响应，为单一问题提供多样化的 AI 视角。可以通过在 .env 文件中配置环境变量，设置服务器和 Ollama 的相关参数。