Skip to content

Awesome MCP Servers — 社区 MCP Server 大全 ​

适用对象:Claude Code、GitHub Copilot CLI、Cursor、Windsurf 等 MCP Host 使用者
更新日期:2026-05-11
阅读目标:快速理解 awesome-mcp-servers 的结构、分类、选型方法与开发者常用清单

简介 ​

  • awesome-mcp-servers 是一个由社区持续维护的 MCP Server 大全,收录 2200+ MCP Servers、覆盖 50+ categories。
  • 仓库维护者是 punkpeye,它已经成为 MCP 生态里最常被引用、最容易入门、也最适合做“发现新能力”入口的资源之一。
  • GitHub:https://github.com/punkpeye/awesome-mcp-servers
  • 它的重要性在于:你不需要分别去搜索“有没有 GitHub MCP”“有没有 Notion MCP”“有没有 Figma MCP”,而是可以在一个地方做能力发现、分类筛选、安装跳转和生态跟踪。

按领域分类速查 ​

分类典型 Server说明
开发工具GitHub、GitLab、Sentry、Linear版本控制、Issue 管理、错误监控
数据库PostgreSQL、MySQL、MongoDB、Redis数据库查询与管理
浏览器自动化Puppeteer、Playwright、Browserbase网页抓取、UI 测试、自动化
云平台AWS、GCP、Azure、Cloudflare云资源管理与部署
办公协作Confluence、Jira、Notion、Slack、Google Drive文档、项目管理、沟通
文件系统Filesystem、S3、Google Drive文件读写与管理
搜索与数据Brave Search、Google Search、Exa网页搜索与数据提取
AI 与知识RAG 平台、Memory、Knowledge Graph检索增强生成、知识管理
设计Figma、Canva设计稿读取与操作
通信Email、Discord、Telegram、WeChat消息收发
金融Stripe、Plaid、Crypto API支付、银行、加密货币
监控Datadog、Grafana、Prometheus系统监控与告警
安全Vault、1Password、Security Scanner密钥管理与安全扫描
多媒体FFmpeg、Image Processing、TTS音视频处理、文字转语音
其他Home Automation、Gaming、Education智能家居、游戏、教育

如何使用 ​

1. 先在 GitHub 浏览仓库 ​

README 按类别整理 server,先看目录再进分类,通常就够做第一轮筛选。

2. 按 category 搜索 ​

  • 很明确要什么时,直接按分类进入:
  • 想读数据库:看 Databases
  • 想抓网页:看 Browser Automation 或 Search & Data Extraction
  • 想接 GitHub / GitLab:看 Version Control
  • 想接 Slack / Teams / Email:看 Communication
  • 想做 RAG:看 RAG Platforms 或 Knowledge & Memory

3. 大多数 server 都支持 npx 或 pip/uvx 安装 ​

主要发布形态通常是:

  • Node.js:常见安装方式是 npx -y <package>
  • Python:常见安装方式是 pip install <package> 或 uvx <package>
  • Docker / Hosted:更适合团队统一托管、SSE / HTTP 远程访问
  • 本地二进制:常见于 Go / Rust / Java 生态

4. 配置到 Claude Code 或 Copilot CLI ​

  • 常见配置位置:
  • Claude Code:~/.claude/mcp.json
  • GitHub Copilot CLI:~/.copilot/mcp.json

5. Quick install example ​

常见本地配置示例:

json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/jinhui.zhang/Desktop/claude-docs"
      ]
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@playwright/mcp@latest"]
    }
  }
}

6. 安装前先做四个检查 ​

  • 依次确认 transport、读写权限、认证方式、维护状态。

分类总览 ​

下面把 50 个分类重组为 8 个更适合中文读者理解的大类。

🔧 开发与工程 ​

项目内容
类别定位💻 Developer Tools:IDEs、调试、代码分析、变更追踪与开发环境管理。
代表 Server 1marin1321/mcp-devtools:把 filesystem、database、process、OpenAPI 等本地开发能力统一收口,适合做一个“全能开发工具箱”。
代表 Server 2CSCSoftware/AiDex:基于 Tree-sitter 做持久化代码索引,适合大型仓库的语义级搜索与定位。
代表 Server 3a-25/ios-mcp-code-quality-server:面向 iOS / Xcode / SwiftLint / test execution 的质量分析,适合 Apple 平台开发。
选择建议如果你先要“看懂代码”,优先索引型工具;如果先要“调环境”,优先 devtools;如果有平台特定约束,就选领域专用 server。
项目内容
------
类别定位👨‍💻 Code Execution:为 coding agent 提供受控、隔离、可审计的代码执行环境。
代表 Server 1asif-nvc/e2b-sandbox-mcp:把 E2B sandbox 暴露成 MCP,适合云端安全执行 Python / Node 任务。
代表 Server 2alfonsograziano/node-code-sandbox-mcp:更偏本地或 Node 生态的代码沙箱,适合快速运行样例与实验代码。
代表 Server 3dagger/container-use:通过容器化方式执行任务,适合需要可复现环境、依赖隔离与 CI 风格流程。
选择建议这类 server 重点看隔离级别、网络权限、持久化策略与日志审计能力,生产环境不要只看“能跑”。
项目内容
------
类别定位🤖 Coding Agents:完整自治型 coding agents,可读写代码、执行命令、规划任务。
代表 Server 1agent-blueprint/mcp-server:提供通用 agent 能力接口,适合把独立 agent 暴露给任意 MCP host。
代表 Server 2askbudi/roundtable:更适合多 agent 协同讨论、分工与汇总,适合复杂调研或多步骤工程任务。
代表 Server 3agentic-mcp-tools/owlex:更强调 agent tool orchestration,把多个能力组合成自主执行链路。
选择建议如果你的目标是“让工具会做事”而不是“只会查资料”,这一类通常比单一工具 server 更有价值。
项目内容
------
类别定位🖥️ Command Line:Shell 交互、命令执行、输出捕获与终端自动化。
代表 Server 1raychao-oao/pty-mcp:基于 PTY 的终端交互,更适合需要实时 stdout / stdin 的会话型命令。
代表 Server 2danmartuszewski/hop:把常见命令行操作包装成可控入口,适合减少 AI 直接执行任意 shell 的风险。
代表 Server 3ferodrigop/forge:偏工程化命令调度与输出封装,适合批量脚本与 build workflow。
选择建议命令行类 server 要重点控制 allowlist、工作目录、超时与 destructive command policy。
项目内容
------
类别定位🔄 Version Control:Git、GitHub、GitLab、PR 处理与仓库读写。
代表 Server 1github/github-mcp-server:最常见的 GitHub 集成之一,适合 issue、PR、check runs、repo file 读写。
代表 Server 2gitea/gitea-mcp:适合自建 Git 服务场景,尤其是内网或私有仓库团队。
代表 Server 3ddukbg/github-enterprise-mcp:面向 GitHub Enterprise,适合企业内网与合规约束环境。
选择建议如果团队已经把开发流程绑在 PR / issue / review 上,这一类通常是第一批该接的 MCP Server。
项目内容
------
类别定位📟 Embedded System:嵌入式设备文档、串口、调试器、硬件快捷操作。
代表 Server 1adancurusul/embedded-debugger-mcp:把调试器操作暴露给 AI,适合 MCU / firmware 调试辅助。
代表 Server 2adancurusul/serial-mcp-server:面向 serial/串口交互,适合抓日志、发命令、看设备响应。
代表 Server 3horw/esp-mcp:更偏 ESP 系列设备与 IoT 开发者常见场景。
选择建议这类 server 的关键不是“工具多”,而是协议稳定、硬件安全边界清楚、不会误伤真实设备。

🗄️ 数据与存储 ​

项目内容
类别定位🗄️ Databases:PostgreSQL、MySQL、MongoDB、Redis、SQLite 等数据库访问与 schema inspection。
代表 Server 1modelcontextprotocol/server-postgres:官方系 PostgreSQL server,适合 schema inspection、查询与分析。
代表 Server 2modelcontextprotocol/server-sqlite:轻量、上手快,特别适合本地工具库、日志库、小型分析任务。
代表 Server 3redis/mcp-redis:官方 Redis MCP Server,适合 key/value、向量检索、缓存检查与数据运营。
选择建议数据库类 server 要优先检查读写权限、SQL 注入防护、默认只读模式与 explain / schema 能力。
项目内容
------
类别定位📊 Data Platforms:数据集成、转换、流式处理与 pipeline orchestration。
代表 Server 1confluentinc/mcp-confluent:适合 Kafka / Confluent Cloud 场景,能把流式数据平台能力交给 AI。
代表 Server 2tinybirdco/mcp-tinybird:适合事件数据、分析型 API 与实时数据产品。
代表 Server 3jovezhong/mcp-timeplus:把 Kafka + streaming SQL 的思路带进 MCP,适合实时数据排查与分析。
选择建议如果你要的是“数据链路”而不只是“数据库查询”,优先考虑 Data Platforms,而不是把所有问题都塞给 DB server。
项目内容
------
类别定位🧮 Data Science Tools:数据探索、分析、统计建模与 ML workflow。
代表 Server 1arrismo/kaggle-mcp:适合把 Kaggle 数据集、竞赛上下文、实验流程拉进 AI。
代表 Server 2abhiphile/fermat-mcp:偏数学与分析计算场景,适合理工科推导与实验辅助。
代表 Server 3embeddedlayers/mcp-analytics:针对业务数据做统计、预测与交互式报告,适合 analyst / growth 团队。
选择建议如果问题核心是“算”和“分析”,而不是“取数”,这一类比纯数据库 server 更合适。
项目内容
------
类别定位📈 Data Visualization:图表、dashboard、流程图、可视化数据表达。
代表 Server 1antv/mcp-server-chart:基于 AntV 生成图表,适合 BI、报表与嵌入式可视化。
代表 Server 2hustcc/mcp-echarts:适合前端常见 ECharts 工作流,生成成本低、生态成熟。
代表 Server 3hustcc/mcp-mermaid:适合结构图、流程图、时序图与轻量技术可视化。
选择建议当你发现 AI 输出大量文字但人还是难理解时,就该优先补一层 visualization server。
项目内容
------
类别定位📂 File Systems:本地文件读写、目录浏览、权限隔离与文件管理。
代表 Server 1modelcontextprotocol/server-filesystem:最常见的基础设施型 MCP Server,适合受控目录读写。
代表 Server 28b-is/smart-tree:更偏目录结构理解与树形浏览,适合大型项目快速扫目录。
代表 Server 3box/mcp-server-box-remote:把 Box 一类远程文件系统接入 AI,适合企业文档库。
选择建议生产环境里不要给 filesystem server 全盘权限;按目录白名单切分,远比“能访问所有文件”更重要。
项目内容
------
类别定位🔎 RAG Platforms:Retrieval-Augmented Generation 的端到端平台与检索链路。
代表 Server 1vectara/vectara-mcp:适合快速把检索、embedding、问答整合到现成平台。
代表 Server 2gogabrielordonez/mcp-ragchat:更适合轻量 RAG Chat 场景,部署与验证门槛较低。
代表 Server 3devflowinc/trieve:覆盖 crawl、chunk、embed、search、retrieve 的完整链路,适合“从原始网页到知识问答”一站式流程。
选择建议当你不想自己拼 embedding + vector store + rerank + retrieval 时,RAG 平台类会省掉大量集成成本。

☁️ 云与基础设施 ​

项目内容
类别定位☁️ Cloud Platforms:AWS、GCP、Azure、Cloudflare 等云基础设施管理。
代表 Server 1aashari/mcp-server-aws-sso:适合 AWS SSO 场景,把多账号访问与资源操作接入 AI。
代表 Server 24everland/4everland-hosting-mcp:更偏 hosting / deploy 场景,适合把云端发布动作标准化。
代表 Server 3arnstarn/mcp-server-spotinst:适合云资源优化、成本控制与弹性计算运营。
选择建议云平台类 server 首先要确认账号边界、最小权限、审计日志与回滚路径。
项目内容
------
类别定位📊 Monitoring:Datadog、Sentry、error reports、performance metrics 与观测数据。
代表 Server 1avivsinai/langfuse-mcp:适合 LLM app 观测、trace 分析、prompt 质量回看。
代表 Server 2alilxxey/openobserve-community-mcp:适合日志检索与社区版可观测平台接入。
代表 Server 3clamp-sh/mcp:更偏开发期 observability,把排障信息直接送进 AI workflow。
选择建议如果你的目标是“先定位问题再修”,Monitoring 往往比更多工具更能直接提高 AI 效率。
项目内容
------
类别定位🔒 Security:密码库、密钥管理、安全扫描、 provenance 与风险分析。
代表 Server 1alexfleetcommander/agent-trust-stack-mcp:强调 AI agent 可信执行链路,适合 agent governance。
代表 Server 2123Ergo/unphurl-mcp:适合 URL / IOC 解析、溯源与安全分析。
代表 Server 313bm/GhidraMCP:把逆向分析工具链接入 MCP,适合二进制分析与安全研究。
选择建议安全类 server 不只看功能,更要看 secrets handling、脱敏、审计与是否支持只读模式。
项目内容
------
类别定位🖱️ OS Automation:截图、窗口管理、键盘鼠标、桌面交互与本机自动化。
代表 Server 1sbuysse/gnome-desktop-mcp:面向 Linux 桌面自动化,适合截图、窗口与 UI 流程操作。
代表 Server 2dimpagk92/cellar:偏系统级操作与桌面控制,适合把“本机动作”变成可调用工具。
代表 Server 3ContextPulse/contextpulse:更偏桌面上下文采集:OCR、语音、键鼠活动、剪贴板与行为历史。
选择建议OS Automation 很强,但也是风险最高的一类;建议只在个人开发机或隔离环境中开启。

🌐 网络与浏览器 ​

项目内容
类别定位🌍 Browser Automation:网页访问、搜索、抓取、表单操作与浏览器自动化。
代表 Server 1microsoft/playwright-mcp:适合真实浏览器驱动、登录态页面、截图、测试与自动操作。
代表 Server 2modelcontextprotocol/server-puppeteer:适合 Chrome/Puppeteer 生态,轻量网页抓取与自动化很常见。
代表 Server 3apireno/DOMShell:更偏 DOM 层交互和页面结构操作,适合提取结构化信息。
选择建议如果页面需要登录、点击、等待异步渲染,优先 Playwright / Puppeteer;纯静态抓取可用更轻量方案。
项目内容
------
类别定位🔎 Search & Data Extraction:Brave Search、Google Search、YouTube transcripts、网页清洗与结构化抽取。
代表 Server 1brave/brave-search-mcp-server:最常见的通用 web search server 之一,适合补实时信息。
代表 Server 2mrslbt/rippr:专注 YouTube transcript,适合视频内容检索、摘要与引用。
代表 Server 3AIMLPM/markcrawl:把网页抓成干净 Markdown 或结构化数据,适合 research 与 RAG 预处理。
选择建议搜索类 server 的关键是结果质量、引用能力、速率限制与是否能把页面清洗成模型友好格式。
项目内容
------
类别定位🔗 Aggregators:通过一个 MCP server 统一接多个 app 与工具。
代表 Server 11mcp/agent:聚合多个 MCP server 到单入口,适合减少 host 端配置负担。
代表 Server 2tadas-github/a2asearch-mcp:既能聚合,也偏 discovery,用来搜索大量 MCP servers / agent tools。
代表 Server 3Aganium/agenium:更偏 bridge / gateway 思路,适合把异构工具统一暴露。
选择建议当团队的 MCP 清单越来越长时,aggregator 能降低配置复杂度,但也会提高单点故障与权限集中风险。

💬 通信与协作 ​

项目内容
类别定位💬 Communication:Slack、Discord、Telegram、Email、WeChat、Teams 等通信集成。
代表 Server 1agentmail-toolkit/mcp:给 AI 动态创建邮箱、收发邮件,非常适合自动化注册、通知与客服流。
代表 Server 2InditexTech/mcp-teams-server:适合 Microsoft Teams 读写消息、@成员、线程操作。
代表 Server 3Beltran12138/wecom-docs-mcp-server:补齐 WeCom 文档读写场景,适合中文企业协作环境。
选择建议通信类 server 涉及外发动作,建议明确区分“可读”“可发”“可群发”“可删除”四类权限。
项目内容
------
类别定位🏢 Workplace & Productivity:Calendar、Docs、Drive、Notion、任务、日程、时间管理。
代表 Server 1conorbronsdon/gws-mcp-server:一口气接入 Google Workspace:Drive、Sheets、Docs、Calendar、Gmail。
代表 Server 2n24q02m/better-notion-mcp:Markdown-first 的 Notion server,适合知识库、会议纪要、任务库协同。
代表 Server 3takumi0706/google-calendar-mcp:适合纯日程与排期场景,轻量且目标明确。
选择建议这组最适合先做“个人工作台自动化”:查日程、写文档、同步笔记、跟踪任务。
项目内容
------
类别定位🎧 Support & Service Management:Helpdesk、IT service management、工单与客户服务。
代表 Server 1effytech/freshdesk-mcp:适合客服团队读写 ticket、跟进处理状态。
代表 Server 2nguyenvanduocit/jira-mcp:适合 issue / bug / project workflow,开发团队最常见。
代表 Server 3aikts/yandex-tracker-mcp:偏 tracker / 工单管理场景,适合国际化或多平台组织。
选择建议如果你的 AI 需要“接工单—查资料—回用户—更新状态”,这组就是自动化闭环的核心。
项目内容
------
类别定位🌐 Social Media:内容发布、互动、账号运营与社媒数据分析。
代表 Server 106ketan/substack-ops:适合 newsletter / Substack 内容运营。
代表 Server 2anwerj/youtube-uploader-mcp:适合视频上传、描述维护与内容发布流水线。
代表 Server 3arjun1194/insta-mcp:适合 Instagram 发布与简单互动管理。
选择建议社媒类 server 适合 marketing/creator 场景,但一定要先确认平台 API 限制与账号风控规则。

💼 商业与行业 ​

项目内容
类别定位💳 Finance & Fintech:Stripe、Plaid、crypto、payment gateway、汇率与交易。
代表 Server 1stripe:最常见的支付类 MCP 选择之一,适合 payment intent、customer、invoice 与 billing workflow。
代表 Server 2mrslbt/xendit-mcp:面向东南亚支付网关,适合 invoice、disbursement 与转账流程。
代表 Server 3@arbitova/mcp-server:更偏 on-chain escrow 与 agent-to-agent payment,适合 web3 / agent economy。
选择建议支付类 server 一定要先看 sandbox、幂等、退款能力、风控与 webhook 对接方式。
项目内容
------
类别定位🛒 E-Commerce:在线商城、卖家后台、商品与订单管理。
代表 Server 1MarceauSolutions/amazon-seller-mcp:适合 Amazon Seller Central 运营:库存、订单、销售分析。
代表 Server 2agentlux/agentlux-mcp:更偏 agent 化电商运营工作流。
代表 Server 3laundromatic/shopgraph:适合商品、店铺与销售数据关系的结构化管理。
选择建议电商类 server 的高价值点通常不是“查单”,而是把商品、订单、营销、客服串成完整运营闭环。
项目内容
------
类别定位🎯 Marketing:SEO、广告投放、内容创建、增长分析与品牌定位。
代表 Server 1acamolese/google-search-console-mcp:适合 SEO 排查、搜索分析、URL inspection 与 sitemap 管理。
代表 Server 2AdsMCP/tiktok-ads-mcp-server:适合广告投放自动化与素材 / campaign 运营。
代表 Server 3Brand-System/brandsystem-mcp:适合品牌表达、一致性与内容策略。
选择建议营销类 server 最适合接在“研究—生成—投放—分析”链路里,而不是孤立使用。
项目内容
------
类别定位📋 Product Management:产品规划、客户反馈分析、优先级排序与 roadmap。
代表 Server 1dkships/pm-copilot:把支持工单与 feature request 合并分析,适合 PM 做主题聚类与优先级。
代表 Server 2Lukaris/framedeck-mcp:适合内容产品或 creator 团队的生产看板管理。
代表 Server 3spranab/saga-mcp:提供 Jira-like 项目追踪与依赖管理,适合 agent 原生项目流。
选择建议如果团队希望 AI 直接参与需求归因、主题聚类、RICE / ICE 打分,这一类非常值得接。
项目内容
------
类别定位🏠 Real Estate:房地产 CRM、房源管理、带看与经纪人 workflow。
代表 Server 1ashev87/propstack-mcp:目前该分类里很有代表性的 real estate CRM server,支持联系人、房源、deal、viewing 管理。
代表 Server 28randonpickart5/alderpost-mcp:虽然是聚合型 server,但内含 property intelligence 端点,可作为房产数据补充入口。
代表 Server 3human-pages-ai/humanpages:不属于传统地产 CRM,但在人力与本地服务撮合场景里可与房产运营工作流结合。
选择建议这类分类当前还不算大热门,选型时更要看是否贴合你的业务模型,而不是只看 stars。
项目内容
------
类别定位⚖️ Legal:法律数据库、法规检索、法案对照与法律研究。
代表 Server 1ark-forge/mcp-eu-ai-act:适合 EU AI Act 等法规检索、合规问答与条款定位。
代表 Server 2JamesANZ/us-legal-mcp:偏美国法律研究与法规搜索。
代表 Server 3gavelin-ai/mcp:更偏法律辅助与法律文本处理工作流。
选择建议法律类 server 适合做 research 与草案辅助,但最终法律判断仍需专业律师或合规团队把关。
项目内容
------
类别定位🚚 Delivery:DoorDash 与配送服务、物流、邮寄与派送。
代表 Server 1jordandalton/doordash-mcp-server:典型的外卖 / 配送服务接入,适合下单与配送类动作。
代表 Server 2aarsiv-groups/shipi-mcp-server:适合更广义的 shipping / logistics automation。
代表 Server 3catrinmdonnelly/royalmail-mcp:适合英国邮政 / 邮寄场景。
选择建议配送类 server 适合和电商、客服、订单系统联动使用,单独接入价值通常不如组合使用。

🎨 创意与多媒体 ​

项目内容
类别定位🖼️ Art & Culture:艺术馆藏、文化遗产、博物馆数据库与创意内容。
代表 Server 18enSmith/mcp-open-library:适合图书与公开文化资料检索。
代表 Server 2AceDataCloud/MCPFlux:偏创意图像与文化内容生成 / 获取场景。
代表 Server 3abhiemj/manim-mcp-server:更适合把教育、数学、艺术表达转成可视化动画。
选择建议这一类适合 research、内容创作与策展辅助,不只是“找图片”,更重要是把文化资料结构化。
项目内容
------
类别定位📐 Architecture & Design:软件架构图、系统可视化、流程图与设计表达。
代表 Server 1BV-Venky/excalidraw-architect-mcp:适合快速生成草图式架构图,表达系统边界与关系很直观。
代表 Server 2GittyBurstein/mermaid-mcp-server:适合代码仓库里直接维护 diagram-as-code。
代表 Server 3betterhyq/mermaid-grammer-inspector-mcp:适合校验与修正 Mermaid 图表语法。
选择建议如果你的目标是“让 AI 解释系统结构”,架构图 server 往往比长篇文字更高效。
项目内容
------
类别定位🎥 Multimedia Process:音视频编辑、格式转换、截图、滤镜与内容生产。
代表 Server 106ketan/slideshot:适合从演示文稿或视觉内容中抽帧、生成静态素材。
代表 Server 2AceDataCloud/MCPSuno:更偏音频 / 音乐生成与多媒体内容扩展。
代表 Server 3AIDC-AI/Pixelle-MCP:适合图像处理、转换与视觉内容生成类场景。
选择建议多媒体类 server 要重点看输入输出格式、是否支持批处理、以及是否适合放进自动化流水线。
项目内容
------
类别定位🔊 Text-to-Speech:TTS、STT、语音合成与转写。
代表 Server 1mbailey/voice-mcp:适合把语音输入输出接到 AI assistant。
代表 Server 2mberg/kokoro-tts-mcp:适合本地 TTS 或轻量语音合成。
代表 Server 3transcribe-app/mcp-transcribe:更偏 transcription / speech-to-text。
选择建议如果你同时需要“读出来”和“听懂你说的”,优先选同时覆盖 TTS + transcription 的组合。
项目内容
------
类别定位🌎 Translation Services:多语言翻译、本地化与文档国际化。
代表 Server 1mmntm/weblate-mcp:适合软件本地化、术语管理与翻译工作流。
代表 Server 2translated/lara-mcp:更偏通用翻译服务接入。
代表 Server 3shuji-bonji/xcomet-mcp-server:适合多语言文本转换与跨语种处理。
选择建议翻译类 server 的价值不只是翻译结果,还包括术语一致性、上下文记忆与批量化处理。
项目内容
------
类别定位🎮 Gaming:游戏数据、游戏引擎、游戏开发与运行时辅助。
代表 Server 1CoderGamester/mcp-unity:适合 Unity 项目读写、脚本联动与编辑器自动化。
代表 Server 2Coding-Solo/godot-mcp:适合 Godot 生态的 AI 辅助开发。
代表 Server 3butterlatte-zhang/unity-ai-bridge:更偏 Unity 与 AI bridge 型工作流。
选择建议如果你在做游戏工具链,这类 server 能把“编辑器操作 + 项目上下文 + 内容生成”接到一起。

🌍 其他领域 ​

项目内容
类别定位🎓 Education:学习管理系统(LMS)与教育工作流。
代表 Server 1Connectry-io/connectrylab-architect-cert-mcp:更偏职业培训与认证学习流程。
代表 Server 2RohanMuppa/brightspace-mcp-server:适合 Brightspace LMS 场景。
代表 Server 3OpenDataMCP/OpenDataMCP:在教学与开放数据课堂场景里也很实用,可作为课程数据入口。
选择建议教育类 server 的关键是课程对象模型是否清晰:课程、作业、成绩、提交物、学习记录。
项目内容
------
类别定位🔬 Research:研究工具、问卷、资料收集、论文与调研工作流。
代表 Server 1BrowseAI-HQ/BrowserAI-Dev:适合 web research、抓取与调研自动化。
代表 Server 2HubLensOfficial/mcp-server:更偏研究数据汇总与信息透视。
代表 Server 3Embassy-of-the-Free-Mind/sourcelibrary-v2:适合知识档案、史料与研究资源访问。
选择建议Research 类 server 的目标不是替代学术判断,而是加快“找资料—整理—引用—比对”这一长链路。
项目内容
------
类别定位🧬 Biology, Medicine and Bioinformatics:基因组、空间转录组、医学资料与生物信息学工具。
代表 Server 1genomoncology/biomcp:适合生物医学数据访问与专业研究场景。
代表 Server 2ammawla/encode-toolkit:适合 ENCODE / 组学数据检索。
代表 Server 3dnaerys/onekgpd-mcp:适合人口基因组和相关研究数据读取。
选择建议生命科学类 server 领域门槛高,选型时应优先考虑数据来源权威性与可追溯引用。
项目内容
------
类别定位🚀 Aerospace & Astrodynamics:天文学数据、空间任务、轨道与航天相关工具。
代表 Server 1gregario/astronomy-oracle:适合天文数据查询、天体信息检索与观测辅助。
代表 Server 2IO-Aerospace-software-community/mcp-server:更偏 aerospace software community 场景与航天工程工具。
代表 Server 3andybrandt/mcp-simple-arxiv:虽然不是航天专用,但在 aerospace 文献 research 里很好用。
选择建议这一类更适合科研、教育、科普与专业工程辅助,不属于通用生产力首选。
项目内容
------
类别定位🌳 Environment & Nature:环境数据、自然生态、野火、自然观察等工具。
代表 Server 1aliafsahnoudeh/wildfire-mcp-server:适合野火数据查询与风险研判。
代表 Server 2nalediym/touch-grass:更偏自然观察和环境相关轻量查询。
代表 Server 3deadletterq/mcp-opennutrition:虽偏 nutrition,但在健康 / 环境 / 食品数据研究里常能配合使用。
选择建议环境类 server 当前仍偏长尾,适合与地图、天气、研究类 server 联合使用。
项目内容
------
类别定位🗺️ Location Services:地图、地理编码、天气、位置分析与地理服务。
代表 Server 1briandconnelly/mcp-server-ipinfo:适合 IP 地理信息、ASN 与网络地理分析。
代表 Server 2devilcoder01/weather-mcp-server:适合天气查询与位置相关辅助。
代表 Server 3baphometnxg/aloha-fyi-mcp:更偏 location-based information 查询。
选择建议位置服务类 server 最常见的用途不是地图展示,而是“地点理解 + 天气 + 路径 + 区域情报”的组合。
项目内容
------
类别定位🏠 Home Automation:智能家居、IoT 设备与家庭自动化。
代表 Server 1apiarya/wemo-mcp-server:适合 Belkin Wemo 智能设备控制。
代表 Server 2Hybirdss/smartest-tv:适合 TV/屏幕类家居设备自动化。
代表 Server 3kambriso/fritzbox-mcp-server:适合家庭网络、路由器与家庭 IoT 设备联动。
选择建议智能家居类 server 很适合个人自动化,但最好放在独立家庭网络与最小权限环境里。
项目内容
------
类别定位🚆 Travel & Transportation:时刻表、路线、实时交通、出行与车队数据。
代表 Server 1campertunity/mcp-server:适合旅行 / 露营场景下的行程与地点信息。
代表 Server 2cobanov/teslamate-mcp:适合 Tesla 车队 / 行驶数据 / 车辆状态分析。
代表 Server 3haomingkoo/japan-seasons-mcp:适合旅行规划、季节窗口与地区参考信息。
选择建议这一类通常和 location、calendar、weather 一起用,组合价值大于单点价值。
项目内容
------
类别定位🏃 Sports:体育赛果、统计、赛事信息与运动数据。
代表 Server 1Backspace-me/sportscore-mcp:适合比分、赛果与基础赛事查询。
代表 Server 2cloudbet/sports-mcp-server:适合更丰富的 sports data / odds / event 流程。
代表 Server 3dohyung1/x402-fpl-api:适合 Fantasy Premier League 数据玩法。
选择建议体育类 server 多数偏数据消费型,适合内容生成、播报、统计与粉丝产品。
项目内容
------
类别定位👤 Customer Data Platforms:客户档案、用户画像、购买记录与 CDP 访问。
代表 Server 1iaptic/mcp-server-iaptic:适合客户购买记录、交易和收入数据分析。
代表 Server 2sergehuber/inoyu-mcp-unomi-server:适合 Apache Unomi CDP 场景下的 profile 读写。
代表 Server 3tinybirdco/mcp-tinybird:虽然更偏 data platform,但在客户行为分析场景很常被一起使用。
选择建议CDP 类 server 的价值在于让 AI 看到“用户是谁、做过什么、现在处于哪个阶段”。
项目内容
------
类别定位🗣️ Conversational AI:构建结构化对话 agent 与对话流程。
代表 Server 1Perspective-AI/mcp:该分类里较典型的对话型 server,适合把会话结构化能力接给 host。
代表 Server 2i-am-bee/acp-mcp:通过 ACP bridge 把 agent communication 能力引入对话系统。
代表 Server 3joinly-ai/joinly:适合会议场景下的对话、语音与实时转录协作。
选择建议如果你要做的是“会持续对话的 agent”,这类 server 的价值在状态管理与流程控制,而不只是聊天。
项目内容
------
类别定位🧠 Knowledge & Memory:知识图谱、持久记忆、跨 session memory。
代表 Server 120alexl/claude-engram:专注长时记忆与个人知识积累,适合让 agent 记住历史上下文。
代表 Server 2Auctalis/nocturnusai:更偏知识存储与长期记忆型工作流。
代表 Server 3andreas-roennestad/openhive-mcp:适合把知识网络 / memory graph 接入多个 agent。
选择建议对长会话或跨项目 AI 工具来说,memory 往往是从“能用”到“越来越好用”的关键分水岭。
项目内容
------
类别定位🛠️ Other Tools:PlantUML、二维码、杂项集成与不易归类的工具。
代表 Server 12niuhe/plantuml_web:适合 UML 图、流程图和文档配图。
代表 Server 22niuhe/qrcode_mcp:适合二维码生成、链接分发与轻量自动化。
代表 Server 3AceDataCloud/MCPShortURL:适合短链生成与内容分发辅助。
选择建议Other Tools 往往不是“核心能力”,但非常适合补齐边角需求,让工作流更完整。

开发者常用精选 TOP 20 ​

下面这 20 个不是“最好”的唯一答案,而是对大多数开发者最实用、最容易立刻产生价值的一批 MCP 能力。

排名Server分类安装方式推荐理由
1filesystemFile Systemsnpx本地读写是所有 MCP 工作流的地基,适合代码、文档、配置、日志。
2githubVersion ControlDocker / Hosted / npx日常开发最高频入口之一,issue、PR、review、Actions 都能接。
3fetchSearch & Data Extractionuvx / pip抓网页正文最稳的基础工具之一,适合 research 与引用。
4playwrightBrowser Automationnpx真实浏览器自动化,适合登录态页面、截图、表单与 UI 测试。
5puppeteerBrowser Automationnpx轻量浏览器抓取与操作,很多前端 / 自动化场景上手快。
6postgresDatabasesnpx / Docker最常见生产数据库之一,schema inspection + query 对 AI 很有用。
7sqliteDatabasesuvx / npx本地小库、工具数据、日志分析的首选。
8redisDatabasesDocker / Python缓存、队列、向量检索、会话状态都常见。
9slackCommunicationHosted / npx团队协作高频入口,适合通知、问答、bot workflow。
10jiraSupport & Service Managementnpx / Docker研发团队最实用的 issue/workflow 集成之一。
11confluenceWorkplace & Productivitynpx / Docker企业知识库读取与写回,适合知识检索、规范对齐、会议纪要。
12notionWorkplace & Productivitynpx个人和小团队知识管理最常用,适合笔记、项目库、文档库。
13sentryMonitoringHosted / Docker线上报错、堆栈、release 关联,排障效率极高。
14dockerCloud PlatformsDocker / stdio让 AI 能感知容器、镜像与运行时,适合本地 infra 工作流。
15kubernetesCloud PlatformsGo binary / Docker云原生团队高频能力,适合 cluster、workload、events 排查。
16stripeFinance & FintechHosted / npx支付、billing、customer、subscription 场景非常实用。
17linearProduct Managementnpx / Hosted现代产品团队常用的 issue/roadmap 工具,适合和 coding flow 打通。
18figmaArchitecture & Designnpx设计稿读取、节点检索、资产分析,对前端和客户端开发很有帮助。
19brave-searchSearch & Data Extractionnpx / Hosted实时 web search 的常见选择,补充模型知识盲区。
20memory / sequential-thinkingKnowledge & Memory / Developer Toolsnpx / Hosted前者解决跨会话记忆,后者提升复杂任务推理链的稳定性。

Frameworks — MCP 开发框架 ​

如果你不是只想“安装别人写好的 server”,而是想自己封装内部系统、脚本、数据库或团队工作流,那么框架层就很关键。

主流框架一览 ​

  • @modelcontextprotocol/sdk:TypeScript 官方 SDK。生态最成熟、文档最丰富,适合大多数 Web/Node 团队。
  • mcp:Python 官方 SDK。适合脚本、数据处理、research、RAG、后端自动化。
  • Kotlin SDK:适合 JVM 团队、企业内部系统、Android / server-side Kotlin 生态。
  • Go SDK:适合 infra、CLI、云原生与高并发 server。对单文件部署也很友好。
  • FastMCP(Python):高层封装,适合快速出原型,减少手写 schema 和 boilerplate。
  • FastMCP(TypeScript):面向 TS 的高层框架,适合快速把现有业务能力包装成工具。
  • gomcp:Go 里很工程化的框架,提供 middleware、auth、tool groups 等能力。
  • TurboMCP:Rust 方向的企业级 SDK,适合追求性能、可靠性与强类型系统的团队。
  • mcp-fusion:支持 stdio / SSE / HTTP,多 transport 场景会比较舒服。

如何选择 MCP Server ​

1. 明确需求,再选 category ​

不要先从“哪个项目 stars 多”开始,而是先问自己:我要解决的是文件访问、网页抓取、数据库查询、知识记忆,还是团队协作?先定问题,再定分类。

2. 检查兼容性:stdio、SSE 还是 HTTP ​

  • stdio:本地最好接,最适合个人使用与本地工具。
  • SSE / HTTP:更适合团队统一托管,但要额外考虑鉴权、超时、网络与配额。

3. 看社区评分与维护状态 ​

重点看这些信号:

  • 最近是否还有 commit
  • README 是否清楚写明安装、权限、配置、示例
  • 是否有 issue 反馈与回应
  • 是否已经被 glama.ai / smithery.ai 等目录收录

4. 本地测试后再加入常驻配置 ​

建议先在隔离配置里试跑,再决定是否加入正式 mcp.json。尤其是具备写权限、发消息、调云资源、操作数据库的 server,不要第一次就直接上生产配置。


参考资源 ​

补充说明 ​

  • awesome-mcp-servers 更新很快,分类和项目数会持续变化。
  • 很多 server 不是官方出品,而是第三方社区实现;生产使用前一定要做权限、审计、维护状态检查。
  • 最好的使用方式不是“一次装很多”,而是围绕你的核心工作流逐步补:先补最常用、最能减少复制粘贴的能力。

个人 AI 工具知识库,持续更新