发现 MCP 服务

该插件提供了与 MCP（模型上下文协议）服务器通信的功能，支持多种操作和数据交互方式，确保模型数据的高效管理与同步。

一个强大的桥接工具，连接 Ollama 和模型上下文协议（MCP），实现将 Ollama 的本地大模型（LLM）能力无缝集成到您的 MCP 支持应用中。需要在系统上安装 Ollama。

功能强大的 Tabby 插件，实现模型上下文协议（MCP）服务器，支持人工智能驱动的终端控制与自动化。基本操作不需要外部数据文件。

该插件用于与 MCP (Model Context Protocol) 服务器进行通信，提供模型上下文管理和数据同步功能，确保客户端与服务器之间的数据一致性和实时更新。

基于 Arthas 的 JVM 监控 MCP 服务器实现，提供简洁易用的 Python 接口，用于监控和分析 Java 进程。需要 Java 运行时环境（JRE）8 及以上版本和 Python 3.10+。首次运行时会自动下载 Arthas 工具，或可预先下载为 arthas-boot.jar。远程模式下需要配置 SSH 访问和环境变量。

一个轻量级的 MCP 服务器，用于语义存储、知识图谱、对话回忆以及跨会话上下文。支持使用 SQLite 进行持久存储，并可选择通过云同步（S3、R2、D1）实现数据同步。通过环境变量配置数据库路径和云端凭据，操作简便。

用于Juniper Junos设备的模型上下文协议（MCP）服务器，支持与网络设备进行大语言模型（LLM）交互。需要外部JSON配置文件，例如devices.json，用于设备映射和配置。

Neo4j 的官方模型上下文协议（MCP）服务器。需要运行中的 Neo4j 数据库实例，并安装了 APOC 插件。连接信息通过环境变量配置，例如 NEO4J_URI、NEO4J_USERNAME、NEO4J_PASSWORD 和 NEO4J_DATABASE。

此 MCP 服务器在 Claude 线程达到令牌限制时，自动保存和恢复项目状态，确保对话的连续性。它需要在 ~/.claude_states/ 目录中以 JSON 格式存储项目状态的本地文件。

用于 Claude 和其他 MCP 客户端的 Shell 和编码代理。支持聊天应用程序进行编码、构建和在本地运行。运行服务器前需要全局安装 'uv' 工具（例如通过 Homebrew 或访问 https://docs.astral.sh/uv/getting-started/installation/），以确保正常运行。

CloudBase AI 工具包是连接 AI IDE 与腾讯云开发（Tencent CloudBase）部署的桥梁，支持即时部署 AI 应用。它支持 AI 原生代码生成、一键部署、智能调试、全栈支持、知识搜索和灵活的工作流程。需要 Node.js v18.15.0 及以上版本和腾讯云开发环境。

一个用于运行大型语言模型（LLM）提示并实现模型上下文协议（MCP）客户端的简易命令行界面（CLI）程序。需要在 ~/.llm/config.json 或 $PWD/.llm/config.json 中提供外部 JSON 配置文件，以配置 LLM 和 MCP 服务器。

Universal command-line client for the Model Context Protocol (MCP). Supports interactive shell use, scripting, and AI coding agents. Uses OS keychain for secure credential storage with fallback to file-based store on headless systems. Requires libsecret and gnome-keyring on Linux for OS keychain support.

用于从 AWS S3 获取数据（如 PDF 文件）的 MCP 服务器实现。需要通过环境变量或 AWS CLI 默认配置文件设置 AWS 凭证以获得访问权限。

此插件用于管理和扩展 MCP（模型上下文协议）服务器的功能，支持插件加载、配置和通信。确保服务器与客户端之间的模型数据一致性和兼容性。

用于 AI 编码代理的架构智能层。包括结构图、架构治理、多代理编排、漏洞映射和运行时分析——一个 CLI，无需 API 密钥。需要 Python 3.9+。支持本地 SQLite 数据库存储。可选通过提供的 Dockerfile 构建的 Docker 镜像进行部署。

支持 MCP 的原生 macOS LLM 服务器。在 Apple Silicon 上运行本地语言模型，兼容 OpenAI API，支持工具调用和内置插件生态系统。模型默认存储在 ~/MLXModels 目录，可通过 OSU_MODELS_DIR 环境变量覆盖。

使用大语言模型（LLMs）进行渗透测试的AI代理，协助进行侦察、枚举和利用，配合安全工具使用。需要配置OpenAI、Anthropic或其他LiteLLM支持提供商的外部API密钥，通过环境变量设置。支持将知识库文件放置在 'ghostcrew/knowledge/sources/' 目录中，用于RAG（检索增强生成）上下文注入。

该插件提供了与 MCP（模型上下文协议）服务器通信的功能，支持多种数据格式和协议，确保服务器与客户端之间的高效交互。

revit-mcp 允许通过支持 MCP 协议的客户端与 Revit 进行交互。需要 Node.js 18+。注意：此服务器与 revit-mcp-plugin 一起工作，用于驱动 Revit。

MCP Apps SDK — 使 MCP 服务器能够在会话客户端中显示交互式用户界面。

基于 Python 实现的 Anthropic 的“代码执行与 MCP”插件，增强了 Skills 系统（节省 99.6% 的 Token）、支持多传输方式（stdio/SSE/HTTP），并可选进行容器沙箱隔离。

用于分析大型代码库的模型上下文协议（Model Context Protocol）服务器，采用 Gemini 2.0。需要一个包含整个代码库的单一文件，可以使用如 repomix 等工具准备。必须通过环境变量 GEMINI_API_KEY 提供 Gemini API 密钥。

Blockbench MCP 服务器插件。服务器可以在 Blockbench 设置中的 常规 > MCP 服务器端口 和 MCP 服务器端点 进行配置。示例用法包括通过 HTTP 在 localhost:3000/mcp 连接。