发现 MCP 服务

一个支持淘宝、京东和拼多多电商平台的模型上下文协议（MCP）服务，用于链接转换、商品推广和搜索工具。需要通过环境变量配置外部 API 密钥和令牌，具体方法请参见文档。

该插件提供对 MCP（模型上下文协议）服务器清单的支持，确保模型信息的准确传输与管理。

MCP Router 是一款免费适用于 Windows 和 MacOS 的应用程序，允许您通过单一界面管理 MCP 服务器，提供安全的访问控制和日志记录。它支持本地和远程 MCP 服务器，并且可以连接任何注册表中的任何 MCP 服务器。无需登录。该应用需要激活码才能使用。

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 Power BI 数据集交互。需要通过环境变量配置凭据，此外可选地提供 OpenAI API 密钥以启用自然语言功能，配置方式为 .env 文件。

该插件提供了对 MCP（模型上下文协议）服务器的支持，允许用户管理和配置服务器插件。它确保了模型数据的高效传输和兼容性，适用于需要与 MCP 服务器交互的应用场景。

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。

一种模型上下文协议（MCP）服务器，支持大型语言模型（LLMs）通过代理式RAG（检索增强生成）和混合搜索在LanceDB中直接与本地文档交互。在运行时需要配置本地LanceDB索引目录路径。摘要和嵌入模型（例如Ollama模型）需另行安装。

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。

该插件提供了与 MCP（Model Context Protocol）服务器通信的功能，支持多种数据交互和配置管理，确保模型上下文的高效同步与处理。

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。

一种集成方案，允许大型语言模型（LLMs）通过模型上下文协议（MCP）与 Raindrop.io 书签进行交互。需要通过环境变量 RAINDROP_TOKEN 设置 Raindrop.io 的 API 令牌。

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。

一个高性能的模型上下文协议（MCP）服务器，提供通过与 clangd 语言服务器协议（LSP）集成的全面 C++ 代码分析功能。需要外部的 clangd（版本 20 及以上）和 CMake 进行构建配置。可以通过 CLANGD_PATH 环境变量自定义 clangd 二进制文件路径。

一个简单的 MCP 服务器，使用 Resend 的 API 发送电子邮件。需要通过环境变量或命令行参数配置 Resend API 密钥。

Keeper 是一款简单且开源的日历同步工具，能够从远程 iCal 或 ICS 链接聚合日历事件，并将其推送到一个或多个日历中。它包含一个用于 AI 代理日历访问的 MCP 服务器。配置时需要使用环境变量，例如 DATABASE_URL、REDIS_URL、BETTER_AUTH_URL 等，详细信息请参阅 README。

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.

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。

用于 Perplexity API 的 MCP 服务器，提供基于 Python 的接口，用于查询响应、维护聊天记录和管理对话。支持通过环境变量（如 PERPLEXITY_MODEL）进行模型配置，并将聊天数据存储在本地的数据库文件中，数据库路径可通过环境变量 DB_PATH 进行配置。

MCP 服务器，提供用于 AI 代理的逐步调试工具，支持调试协议（DAP）。支持 Python 调试（debugpy）。可以通过 npm 包或 Docker 容器部署。

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。