精選的 MCP 伺服器 (Awesome MCP)

精選的 MCP 伺服器 Awesome

精選的優質模型上下文協定 (MCP) 伺服器列表。

什麼是 MCP?

MCP 是一種開放協定,透過標準化的伺服器實作,使 AI 模型能夠安全地與本地和遠端資源進行互動。此列表重點關注可用於生產和實驗性的 MCP 伺服器,這些伺服器透過檔案存取、資料庫連線、API 整合和其他上下文服務來擴展 AI 功能。

教學

社群

說明

  • :military_medal: – 官方實作
  • 程式語言
    • :snake: – Python 程式碼庫
    • :card_index: – TypeScript 程式碼庫
    • :racing_car: – Go 程式碼庫
    • :crab: – Rust 程式碼庫
    • :hash: - C# 程式碼庫
    • :hot_beverage: - Java 程式碼庫
  • 範圍
    • :cloud: - 雲端服務
    • :house: - 本地服務
  • 作業系統
    • :red_apple: – For macOS
    • :window: – For Windows

[!NOTE]
關於本地 :house: 和雲端 :cloud: 的區別:

  • 當 MCP 伺服器與本地安裝的軟體通訊時使用本地服務,例如控制 Chrome 瀏覽器。
  • 當 MCP 伺服器與遠端 API 通訊時使用網路服務,例如天氣 API。

伺服器實作

[!NOTE]
我們現在有一個與儲存庫同步的基於 Web 的目錄

:open_file_folder: 瀏覽器自動化

Web 內容存取和自動化功能。支援以 AI 友善格式搜尋、抓取和處理 Web 內容。

:artist_palette: 藝術與文化

提供藝術收藏、文化遺產和博物館資料庫的存取與探索。讓 AI 模型能夠搜尋和分析藝術文化內容。

:cloud: 雲平台

雲平台服務整合。實現與雲端基礎設施和服務的管理和互動。

:desktop_computer: 命令列

執行命令、捕獲輸出以及以其他方式與 shell 和命令列工具互動。

  • ferrislucas/iterm-mcp :desktop_computer: :hammer_and_wrench: :speech_balloon: - 一個為 iTerm 終端機提供存取能力的 MCP 伺服器。您可以執行命令,並就終端機中看到的內容進行提問互動。
  • g0t4/mcp-server-commands :card_index: :house: - 使用「run_command」和「run_script」工具執行任何命令。
  • MladenSU/cli-mcp-server :snake: :house: - 具有安全執行和可客製化安全策略的命令列介面
  • tumf/mcp-shell-server 實現模型上下文協定 (MCP) 的安全 shell 命令執行伺服器

:speech_balloon: 社群

與通訊平台整合,實現訊息管理和管道營運。使 AI 模型能夠與團隊溝通工具進行互動。

:bust_in_silhouette: 客戶資料平台

提供對客戶資料平台內客戶檔案的存取

:file_cabinet: 資料庫

具有模式檢查功能的安全資料庫存取。支援使用可配置的安全控制(包括唯讀存取)查詢和分析資料。

:laptop: 開發者工具

增強開發工作流程和環境管理的工具和整合。

:abacus: 資料科學工具

旨在簡化資料探索、分析和增強資料科學工作流程的整合和工具。

:open_file_folder: 檔案系統

提供對本地檔案系統的直接存取,並具有可配置的權限。使 AI 模型能夠讀取、寫入和管理指定目錄中的檔案。

:money_bag: 金融與金融科技

金融資料存取和加密貨幣市場資訊。支援查詢即時市場資料、加密貨幣價格和財務分析。

:brain: 知識與記憶

使用知識圖譜結構的持久記憶體儲存。使 AI 模型能夠跨會話維護和查詢結構化資訊。

  • @modelcontextprotocol/server-memory :card_index: :house: - 基於知識圖譜的長期記憶系統用於維護上下文
  • /CheMiguel23/MemoryMesh :card_index: :house: - 增強基於圖形的記憶,重點關注 AI 角色扮演和故事生成
  • /topoteretes/cognee :card_index: :house: - AI應用程式和Agent的記憶體管理器使用各種圖儲存和向量儲存,並允許從 30 多個資料來源提取資料
  • @hannesrudolph/mcp-ragdocs :snake: :house: - MCP 伺服器實作提供了透過向量搜尋檢索和處理文檔的工具,使 AI 助手能夠利用相關文檔上下文來增強其響應能力
  • @kaliaboi/mcp-zotero :card_index: :cloud: - 為 LLM 提供的連接器,用於操作 Zotero Cloud 上的文獻集合和資源

:world_map: 位置服務

地理和基於位置的服務整合。支援存取地圖資料、方向和位置資訊。

:bullseye: 行銷

用於建立和編輯行銷內容、處理網頁元數據、產品定位和編輯指南的工具。

:bar_chart: 監測

存取和分析應用程式監控資料。使 AI 模型能夠審查錯誤報告和效能指標。

:magnifying_glass_tilted_right: 搜尋

:locked: 安全

  • dnstwist MCP Server :card_index::window::cloud: - dnstwist 的 MCP 伺服器,這是一個強大的 DNS 模糊測試工具,可幫助檢測域名搶注、釣魚和企業竊密行為
  • Maigret MCP Server :card_index: :cloud: - maigret 的 MCP 伺服器,maigret 是一款強大的 OSINT 工具,可從各種公共來源收集用戶帳戶資訊。此伺服器提供用於在社群網路中搜尋用戶名和分析 URL 的工具。
  • Shodan MCP Server :card_index: :cloud: - MCP 伺服器用於查詢 Shodan API 和 Shodan CVEDB。此伺服器提供 IP 查找、裝置搜尋、DNS 查找、漏洞查詢、CPE 查找等工具。
  • VirusTotal MCP Server :card_index: :cloud: - 用於查詢 VirusTotal API 的 MCP 伺服器。此伺服器提供用於掃描 URL、分析檔案雜湊和檢索 IP 位址報告的工具。
  • ORKL MCP Server :card_index::shield::cloud: - 用於查詢 ORKL API 的 MCP 伺服器。此伺服器提供獲取威脅報告、分析威脅行為者和檢索威脅情報來源的工具。
  • Security Audit MCP Server :card_index::shield::cloud: 一個強大的 MCP (模型上下文協定) 伺服器,審計 npm 套件依賴項的安全漏洞。內建遠端 npm 註冊表整合,以進行即時安全檢查。

:train: 旅行與交通

存取旅行和交通資訊。可以查詢時刻表、路線和即時旅行資料。

:counterclockwise_arrows_button: 版本控制

與 Git 儲存庫和版本控制平台互動。透過標準化 API 實現儲存庫管理、程式碼分析、拉取請求處理、問題追蹤和其他版本控制操作。

:hammer_and_wrench: 其他工具與整合

框架

  • FastMCP :snake: - 用於在 Python 中構建 MCP 伺服器的高級框架
  • FastMCP :card_index: - 用於在 TypeScript 中構建 MCP 伺服器的高級框架
  • Foxy Contexts :racing_car: - 用於以聲明方式編寫 MCP 伺服器的 Golang 程式庫,包含功能測試
  • Genkit MCP :card_index: – 提供Genkit與模型上下文協定(MCP)之間的整合。
  • LiteMCP :high_voltage: - 用於在 JavaScript/TypeScript 中構建 MCP 伺服器的高級框架
  • mark3labs/mcp-go :racing_car: - 用於構建MCP伺服器和用戶端的Golang SDK。
  • mcp-framework - :high_voltage: 用於構建 MCP 伺服器的快速而優雅的 TypeScript 框架
  • mcp-proxy :card_index: - 用於使用 stdio 傳輸的 MCP 伺服器的 TypeScript SSE 代理
  • mcp-rs-template :crab: - Rust的MCP CLI伺服器範本
  • metoro-io/mcp-golang :racing_car: - 用於構建 MCP 伺服器的 Golang 框架,專注於型別安全。
  • rectalogic/langchain-mcp :snake: - 提供LangChain中MCP工具調用支援,允許將MCP工具整合到LangChain工作流程中。
  • salty-flower/ModelContextProtocol.NET :hash::house: - 基於 .NET 9 的 C# MCP 伺服器 SDK ,支援 NativeAOT :high_voltage: :electric_plug:
  • spring-ai-mcp :hot_beverage: :seedling: - 用於構建 MCP 用戶端和伺服器的 Java SDK 和 Spring Framework 整合,支援多種可插拔的傳輸選項
  • @marimo-team/codemirror-mcp - CodeMirror 擴展,實現了用於資源提及和提示命令的模型上下文協定 (MCP)

實用工具

用戶端

[!NOTE]
尋找 MCP 用戶端?請查看 awesome-mcp-clients 儲存庫。

提示與技巧

關於 LLM 如何使用 MCP 的官方提示

想讓 Claude 回答有關模型上下文協定的問題?

建立一個專案,然後將此檔案新增到其中:

https://modelcontextprotocol.io/llms-full.txt

這樣 Claude 就能回答關於編寫 MCP 伺服器及其工作原理的問題了

收藏歷史

Star History Chart CDN

RPA 已死?MCP 與 AI Agents 帶來自動化新革命

現今自動化領域正在經歷一場顛覆性的變革。過去備受推崇的傳統 RPA(機器人流程自動化)工具,正被更智慧、更靈活的 AI Agents 及先進的 MCP(Model Context Protocol,模型上下文協議)取代。這波浪潮,不僅僅是工具的升級,更是商業自動化思維與組織效率的全面革新。

RPA 的天花板:經典工具的侷限

不可否認,RPA 幫企業自動化了大量重複性的作業,無論是資料輸入、發票處理、還是系統監控。它就像一台可靠的舊車,總能按部就班完成任務。然而,RPA 有三大硬傷:

  • 僅能處理結構化資料和可預測的流程
  • 當外部系統介面一有變動就容易「壞掉」
  • 完全不具備學習能力,也無法主動判斷

因此,隨著商業環境越來越動態,RPA 的維護成本和穩定性問題日益嚴重。企業需要花費大量人力重新修補腳本,無法真正解放 IT 團隊。

AI Agents:真正智慧的自動化進化

AI Agents 就像升級版的數位助理,具備理解語境、持續學習與主動決策的能力。面對突如其來的系統變動、非結構化數據、甚至自然語言指令,都能靈活應對。它不僅僅是任務執行者,更是能獨立解決問題的「數位員工」。

例如,當介面、API 格式或業務邏輯有變動時,AI Agent 可以自動調整行為、規劃備案,而不再需要人工修正腳本,這就是 RPA 無法企及的彈性。

MCP:讓 AI Agents 聯網協作的關鍵

MCP(Model Context Protocol)是 AI 自動化發展的超級加速器。它就像 AI 世界的通用語言,讓不同的 AI Agent 彼此協作、即時共享上下文。MCP 的三大核心:

  • 情境理解:AI 不只是做事,而是知道為何、何時做什麼
  • 動態適應:依據即時變化自動調整策略
  • 智能協作:多個 Agent 可以組隊完成跨部門、跨系統的複雜任務

有了 MCP,企業不再是用一堆「孤島」型的 Bot,而是打造一支協同作戰的 AI 團隊,快速應對市場變化。

行業應用:從醫療到製造的深度變革

  • 醫療:AI Agent 可讀取手寫病例、適應不同保險表單
  • 金融:主動學習詐騙新型態,阻止金融風險
  • 客服:理解用戶情緒,適時轉交複雜案件,主動解決問題
  • 製造供應鏈:預測需求、即時調整採購策略、主動調度庫存

這些都是傳統 RPA 做不到、但 AI Agents + MCP 已經落地的現實場景。

混合模式:最佳實踐是「共存升級」

最務實的策略並非「全砍 RPA 換 AI」。大多數企業選擇「B2A」(Bot to Agent)混合升級路徑,把現有穩定的 RPA 流程保留,再用 AI Agents 補足彈性和決策需求。例如:

技術 使用時機 優勢 未來趨勢
傳統 RPA 結構化、穩定任務 成本低、易導入 逐步融合 AI
AI Agents 動態、複雜決策 學習、彈性、自主性強 主流應用持續成長
MCP 系統 跨系統協作 可擴展、易整合 2025~2030 成為產業標準

MCP + AI Agents 的強大威力

MCP 不僅是 AI Agents 的「神經網路」,更讓企業自動化落地更加彈性、智慧且可擴展。例如:

AI Agent 能力 MCP 提升點 企業效益
決策判斷 即時資料流通 供應鏈決策快 30~50%
流程執行 標準化 API 整合 整合成本降 60%
持續學習 任務歷史記憶 減少 40% 錯誤率
跨部門協作 安全共享數據 打破 75% 組織隔閡

如何準備迎接這波自動化新時代?

  1. 盤點現有 RPA 流程,穩定部分維持運作
  2. 複雜、需判斷的業務試行 AI Agents + MCP
  3. 投資團隊的 AI 技能,讓 IT 轉型成智能自動化的規劃者
  4. 優先選擇提供 Bot-to-Agent 遷移、AI 擴充的自動化解決方案供應商
  5. 強化資料治理與倫理規範,確保智能自動化安全落地

結語:自動化的進化,誰能搶得先機?

RPA 並非一夕消失,而是進化成為更聰明、彈性的智慧自動化系統。MCP 及 AI Agents 讓企業真正擁有可「思考」、「學習」、「適應」的自動化新引擎。未來,唯有懂得逐步混合導入、持續學習並敢於嘗試創新自動化流程的企業,才能在這波數位革命中領先。


現在就是企業升級自動化的最佳時機。如果你想讓你的自動化策略更智慧、更靈活,歡迎與 Tenten 數位轉型團隊 預約諮詢,一起打造專屬於你的智慧自動化未來!