分享一些收集MCP Servers的网站

给首次接触MCP的朋友做个简单介绍。

MCP 概念

MCP(Model Context Protocol,模型上下文协议)最早是Anthropic公司开发的一项开放标准,旨在简化 AI 助手的集成,特别是大型语言模型(LLMs MCP 是一个将 AI 系统与外部数据源和工具集成到一起的平台,解决了 AI 开发中常见的一个挑战:需要定制的一次性集成,将 AI 系统与各种平台和数据存储库连接起来。MCP 提供了一个通用的标准化框架,使 AI 应用程序能够安全高效地访问和与各种系统(如 Google Drive、Slack、GitHub 甚至本地文件)交互。

你可以简单理解为:有了MCP,大语言模型(LLM)可以应对更复杂的场景,处理更现实的情况,拥有更强大的能力,操作更多的工具,减少凭空产生的幻觉,更高效的沟通外部数据。

我就只说这么多,如果你想了解更多,请访问以下网站:

官方文档


Introduction - Model Context Protocol

Introducing the Model Context Protocol \ Anthropic

Model Context Protocol (MCP) Powered by Github

打不开网站,或者英文不是特别熟练的朋友,请站内自行搜索解决方案,本文重点不在这。

MCP Servers 网站分享

0.MCP Registry Registry

1.GitHub - modelcontextprotocol/servers: Model Context Protocol Servers

2.PulseMCP | Keep up-to-date with MCP

3.Awesome MCP Servers

4.Smithery - Model Context Protocol Registry

5.Open-Source MCP servers | Glama

6.Cursor Directory - Cursor Rules & MCP Servers

7.MCP.SO

8.List of all MCP Servers (42) | Portkey

9.Cline/MCP-MarketPlace

10.Reddit/MCP

11.MCP SPACE

12.Model Scope

13.MCP Servers Marketplace ·  LobeHub

MCP Servers 使用教程

LLM的MCP协议:初识MCP,搭建第一个MCP Server-优快云博客

MCP是啥?技术原理是什么?一个视频搞懂MCP的一切。Windows系统配置MCP,Cursor Cline使用MCP_哔哩哔哩_bilibili

Build Anything with MCP Agents… Here’s How

### 关于 MCP 大模型教程 目前关于 MCP(Model Communication Protocol)大模型的相关资料主要集中在其实现方式以及与其他工具的集成上。MCP 是一种用于连接大型语言模型和其他外部资源或工具的标准协议,允许主机应用程序通过该协议访问各种功能和服务[^1]。 #### MCP 的工作原理概述 MCP 客户端负责管理与 AI 模型之间的通信流程。当用户提出一个问题时,如果这个问题涉及外部数据或者特定工具的支持,则 MCP 客户端会先向已注册的 MCP 服务器查询其提供的能力描述。随后,这些能力和用户的原始请求一起被传递给 AI 模型进行分析。基于此输入,AI 模型可以决定是否调用某些工具及其具体参数设置。一旦确定了所需的行动方案,MCP 客户端便会执行相应操作并将结果反馈至 AI 模型以完成整个响应过程。 尽管官方文档可能尚未全面覆盖所有细节,但可以通过以下途径获取更多有关如何构建和部署基于 MCP 架构的应用程序的信息: 1. **开源项目探索**: 查找实现 MCP 协议的具体实例可以帮助理解实际应用场景下的设计模式和技术要点。例如查看像 Claude Desktop 或 Cursor 这样的应用是如何利用 MCP 来增强用户体验的功能扩展机制。 2. **社区讨论参与**: 加入活跃的技术论坛或邮件列表,在那里开发者们经常分享最新进展、最佳实践以及遇到挑战时解决方案等方面的经验交流机会。 3. **技术博客阅读**: 许多资深工程师会在个人网站上发表文章介绍他们对于新兴技术和框架的理解心得,这其中包括对 MCP 工作流深入剖析的文章也可能存在其中值得挖掘的价值所在之处。 以下是 Python 中模拟简单版本 MCP 流程的一个例子: ```python class MCPServer: def __init__(self, capabilities): self.capabilities = capabilities def get_capabilities(self): return {"tools": list(self.capabilities.keys())} def query_mcp_server(user_query, mcp_servers): results = [] for server in mcp_servers: caps = server.get_capabilities() result = process_with_model(user_query, caps) if 'tool' in result: tool_name = result['tool'] params = result['params'] output = server.capabilities[tool_name](**params) results.append(output) return aggregate_results(results) mcp_server_1 = MCPServer({"search_web": lambda q: f"Web search result for {q}"}) mcp_server_2 = MCPServer({"translate_text": lambda text, lang: f"{text} translated into {lang}"}) servers = [mcp_server_1, mcp_server_2] print(query_mcp_server("What is the capital of France?", servers)) ``` 上述代码片段展示了两个假想中的 MCP Server 提供的服务——网络搜索和文本翻译,并演示了如何依据来自 AI 模型的结果去调用适当服务并收集最终答复的过程。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

菩提树下呀

五毛钱可以吗,宝?

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值