MCP Servers市场

MCP Servers市场官网,LobeHub旗下MCP导航,快速找到值得信赖的API、插件与服务器

简介

MCP Servers市场是基于活跃度、稳定性、社区评价等多维评分，MCP帮助你快速找到值得信赖的API、插件与服务器，构建更强大的 AI 系统。LobeHub UI 是基于 Ant Design 开发的，完全兼容 Ant Design 组件。它不仅继承了 Ant Design 的优秀特性，还针对 AIGC 应用的特点进行了优化和扩展。LobeHub UI 推荐使用 antd-style 作为默认的 CSS-in-JS 样式解决方案，以提供更灵活的样式定制能力。

MCP Servers市场官网: https://lobehub.com/zh/mcp

什么是MCP?

MCP (Model Context Protocol) 是 Anthropic 于 2024 年 11 月推出的开源通信协议，旨在增强大型语言模型（LLM）的功能。MCP 允许 LLM 通过标准化接口与外部工具和服务进行交互，从而扩展其能力，提升任务执行的效率和准确性。

MCP 采用客户端-服务器模型，客户端（如 Claude Code 或其他 AI 工具）通过 MCP 协议与服务器通信，服务器则提供特定的功能（如工具、资源或提示）。

官方文档：https://modelcontextprotocol.io/docs/getting-started/intro

MCP 官方 github 仓库：https://github.com/modelcontextprotocol

MCP 官网提供的 MCP 工具列表：https://github.com/modelcontextprotocol/servers/

MCP（Model Context Protocol）模型上下文协议提供三种核心的通信模式：STDIO、SSE 和 Streamable HTTP，在不同的场景中为开发者提供了灵活且高效的数据传输方式。

sequential-thinking

Sequential Thinking MCP Server 是一个由 MCP 官方提供的服务器实现，旨在通过结构化的、逐步的思考过程，帮助用户或 AI 解决复杂问题。

代码仓库：https://github.com/modelcontextprotocol/servers/tree/main/src/sequentialthinking

它是 MCP 生态中的一个工具，专为动态和反思性问题解决设计。

• • 核心目标：将复杂的任务或问题分解为多个可管理的步骤，允许用户或 AI 在每个步骤中进行反思、修订或调整方向，最终得出满意的答案。
• • 适用场景：适合需要深入分析、逐步推理或多路径探索的问题，例如数学推导、逻辑推理、决策分析或创意发散。

特性

• • 将复杂问题分解为可管理的步骤
• • 随着理解的加深，修改和完善想法
• • 分支出其他推理路径
• • 动态调整想法总数
• • 生成并验证解决方案假设

功能

1. 1. 问题分解：

• • 将复杂问题拆解为一系列小的思考步骤。
• • 每个步骤都可以独立分析和验证。

1. 2. 动态调整：

• • 支持在思考过程中修订之前的步骤（revision）。
• • 允许从某个步骤分叉（branching），探索不同的推理路径。

1. 3. 过程管理：

• • 跟踪当前思考步骤（thought number）、预计总步骤数（total thoughts）以及是否需要更多思考（needs more thoughts）。
• • 提供分支标识（branch ID），以区分不同的推理路径。

终止条件

当达到满意的答案时，可以将 nextThoughtNeeded 设置为 false，结束思考过程。

如何使用 Sequential Thinking

在支持 MCP 的客户端中，大模型会自动识别并使用 sequential-thinking MCP，无需手动触发。同时如果使用 思考、深度思考、反思 等关键词，会更容易触发使用 sequential-thinking MCP。

context7

Context7 是由 Upstash 团队开发的 MCP 服务器，专门为大型语言模型和 AI 编程助手提供实时、最新的技术文档和代码示例。

官方网站：https://context7.com/
GitHub 仓库：https://github.com/upstash/context7

目前 Context7 上已经收录了 44,576 多个库，可以在官网上查询。

优势

• • 实时文档获取，减少 AI 幻觉
• • 完全免费
• • 覆盖范围广，覆盖了所有主流库

功能

• • 实时文档获取：从官方源（如 GitHub、官方文档网站）拉取最新文档和代码示例，确保开发者获取到的信息是最新的。
• • 版本特定：能根据目标库的版本匹配相应的文档和代码示例，避免因版本不一致导致的问题。
• • 无缝集成：只需在提示中添加 use context7，可触发文档注入，与多种 MCP 兼容客户端（如 Cursor、Windsurf、Claude Desktop 等）集成。
• • 减少幻觉代码：降低 AI 生成不存在 API 或过时代码的可能性，提高代码生成的准确性。
• • 多平台支持：兼容多种开发工具，如 Cursor、Windsurf、VS Code 等。
• • 精准的上下文提取：从最新文档中提取干净、相关的代码片段，仅包含代码和描述，没有多余内容。
• • 基于RAG（检索增强生成）：底层原理类似RAG。它索引了大量（超过3000/3500个）库的官方文档，进行解析、丰富（加解释元数据）、向量化（便于语义搜索）、重排序（自研算法确保相关性和简洁性，去除废话）、缓存（使用Upstash Redis加速）。
• • 广泛的库支持：目前已支持超过 44,576 多流行库，主流框架基本都能找到。

如何使用 Context7

大模型在需要使用相关 API 的时候，就会自动触发 Context7 MCP，去 Context7 上面检索最新的技术文档和代码示例。在输入的提示词中包含 使用 Context7 关键词，然后加入具体的需求，会更容易触发使用 Context7 MCP。

请使用 Context7 ，使用 LVGLV9 完成一个 2048 游戏。

fetch

Fetch MCP 是 Anthropic 官方开发的一款专注于网页内容抓取的高效数据采集工具。作为一个轻量级的网页爬虫服务器，它能够智能地将 HTML 内容转换为 Markdown 格式，特别适合与 LLM（大语言模型）配合使用。

代码仓库：https://github.com/modelcontextprotocol/servers/tree/main/src/fetch

功能

1. 1. ‌网页内容获取与格式转换‌: 支持从网页中提取内容并转换为Markdown格式，便于AI模型处理结构化数据。 ‌

‌2. 实时通信与数据抓取‌: 提供实时通信接口，可实现AI模型与外部系统的高效交互，同时具备数据抓取能力。 ‌

适用场景

1. 1. 长文档处理与分析：通过其独特的分块处理功能（start_index参数），Fetch MCP Server 特别适合处理超出模型上下文窗口的长网页。模型可以逐段获取内容，直到找到所需信息，这在需要阅读长篇文档、研究论文或详细报告时非常有价值。
2. 2. 实时信息获取：Fetch MCP Server 能够抓取最新的网页内容，适用于需要实时数据的场景，如新闻摘要、市场分析或技术文档更新。
3. 3. 网页内容格式转换：将复杂的 HTML 自动转换为结构化的 markdown，使模型更容易理解和处理网页内容，这对于以下情况尤其有用：

• • 处理格式复杂的网页
• • 提取文章主体而忽略导航栏、广告等干扰元素
• • 保留内容结构的同时简化处理难度

1. 4. 动态研究与信息验证：让 AI 能够自主验证事实或深入研究特定主题：

• • 核实用户提供的信息
• • 收集多个来源的信息进行比较
• • 进行深度研究并引用可验证的来源

1. 5. 数据抓取与信息整合：特别适合从多个网页收集、整合和分析数据：

• • 市场研究和竞争分析
• • 产品对比和汇总
• • 主题综述和趋势分析

1. 6. API 和文档交互：帮助模型直接访问在线 API 文档、技术手册和参考资料：

• • 获取最新的 API 规范和用法
• • 检索编程语言的文档
• • 参考最新的技术标准和规范

1. 7. 自适应内容检索：通过灵活设置参数（如 max_length 和 start_index），模型可以智能地探索网页内容：

• • 首先获取页面概览
• • 根据初步内容定位更具体的部分
• • 逐步深入获取相关细节

1. 8. 多语言内容处理：支持获取和处理各种语言的网页内容，使模型能够处理多语言研究和翻译任务，跨越语言障碍获取信息。

如何使用 Fetch MCP

1. 1. 通过 URL 触发
2. 2. 直接在提示词中使用 fetch 关键词

- 请将 `https://www.anthropic.com/engineering/claude-code-best-practices` 翻译成中文，保存为 markdonw 文件，保存到当前目录下。
- 请使用 Fetch MCP Server 获取最新 RISC-V 新闻

claude code mcp推荐

Context7 MCP – 最新代码文档适用于任何提示