MCP示例服务器：探索大型语言模型的数据与工具集成

在人工智能快速发展的今天，大型语言模型（LLM）的应用场景不断拓展。为了让LLM更好地整合数据和工具，MCP（Model Context Protocol）应运而生。它就像AI领域的USB-C接口，为AI应用提供了标准化的连接方式。今天，我们将为大家带来一篇适合国内零基础小白学习的MCP示例服务器教程，帮助大家更好地理解和掌握MCP的应用。

一、MCP示例服务器概览

MCP协议展示了其功能和灵活性，这些服务器使大型语言模型能够安全访问工具和数据源。下面是一些官方参考服务器示例：

数据和文件系统

文件系统：提供安全的文件操作，具有可配置的访问控制。
PostgreSQL：支持只读数据库访问，具有模式检查功能。
SQLite：支持数据库交互和商业智能功能。
Google Drive：提供Google Drive的文件访问和搜索功能。

开发工具

Git：提供读取、搜索和操作Git仓库的工具。
GitHub：集成GitHub API，实现仓库管理和文件操作。
GitLab：集成GitLab API，实现项目管理。
Sentry：从Sentry.io检索和分析问题。

网页和浏览器自动化

Brave Search：使用Brave的搜索API进行网络和本地搜索。
Fetch：优化用于LLM的网页内容获取和转换。
Puppeteer：提供浏览器自动化和网页抓取功能。

效率与沟通

Slack：提供频道管理和消息传递功能。
Google Maps：提供位置服务、方向指引和地点详情。
Memory：基于知识图谱的持久内存系统。

人工智能与专业工具

EverArt：使用各种模型进行AI图像生成。
Sequential Thinking：通过思维序列进行动态问题解决。
AWS KB Retrieval：使用Bedrock Agent Runtime从AWS知识库检索信息。

二、官方集成

这些MCP服务器由各公司维护，用于其平台：

Axiom：使用自然语言查询和分析日志、跟踪和事件数据。
Browserbase：在云端自动化浏览器交互。
Cloudflare：在Cloudflare开发者平台上部署和管理资源。
E2B：在安全的云沙箱中执行代码。
Neon：与Neon无服务器Postgres平台交互。
Obsidian Markdown Notes：读取和搜索Obsidian仓库中的Markdown笔记。
Qdrant：使用Qdrant向量搜索引擎实现语义记忆。
Raygun：访问崩溃报告和监控数据。
Search1API：统一的搜索、爬取和站点地图API。
Stripe：与Stripe API交互。
Tinybird：与Tinybird无服务器ClickHouse平台接口。
Weaviate：通过你的Weaviate集合启用代理RAG。

三、社区开发服务器

不断壮大的社区开发服务器生态系统扩展了MCP的能力：

Docker：管理容器、镜像、卷和网络。
Kubernetes：管理Pod、部署和服务。
Linear：项目管理和问题跟踪。
Snowflake：与Snowflake数据库交互。
Spotify：控制Spotify播放和管理播放列表。
Todoist：任务管理集成。

四、开始使用

使用参考服务器

基于TypeScript的服务器可以直接使用npx运行：

npx mcp-server <server-name>

Python服务器可以使用uvx（推荐）或pip运行：

uvx run <server-name>

或

pip install <server-name>

在Claude中配置

要使用MCP服务器，请将其添加到配置中：

{
  "mcpServers": [
    {
      "name": "server-name",
      "launchCommand": "server-command"
    }
  ]
}

五、附加资源

MCP服务器仓库：完整的参考实现和社区服务器集合。
精选MCP服务器：精选的MCP服务器列表。
MCP CLI：用于测试MCP服务器的命令行检查器。
MCP Get：用于安装和管理MCP服务器的工具。
Supergateway：通过SSE运行MCP标准输入/输出服务器。
Zapier MCP：具有7000多个应用和30000多个操作的MCP服务器。

访问我们的GitHub讨论，参与MCP社区的交流。

通过以上内容，你可以看到MCP服务器的多样性和强大功能。在编程狮（W3Cschool.cn）平台，你可以找到更多关于MCP服务器开发和集成的实例和教程，帮助你进一步提升开发技能。