更新UPDATES

MCP mobile-mcp 用AI驱动iOS与安卓原生应用的自动化
连接器
一、项目介绍 移动端测试与自动化一直是又必要又繁琐的活：要手动开模拟器、点流程、录步骤，换一台真机或换系统又得重来。当团队想用 LLM 来理解界面并自动走查多步用户旅程时，缺少一个统一的、能对接 Agent 的入口。 Mobile MCP 把 iOS 与 Android 的自动化封装成 MCP 服务器，一个工具集同时覆盖模拟器、仿真器和真机。你可以让 AI 驱动脚本化的点击、输入、表单交互，也能把多步用户旅程交给 LLM 编排，无需手动操控设备。
MCP DesktopCommanderMCP 让AI安全操作本机文件与终端的MCP服务
连接器
一、项目介绍 让 AI 助手帮忙整理文件、跑命令、读 Excel、改 PDF，最大的顾虑永远是他会不会动错东西。很多自动化脚本要么权限过宽，要么功能单一，真要用起来还得在不同工具间拼。 Desktop Commander 是一个 MCP 服务器，把本地文件系统、终端、文件内容搜索、代码编辑等能力统一开放给 AI 客户端，并强调可控的交互式进程管理。它支持在内存里直接执行 Python/Node/R，原生读写 Excel、PDF、DOCX，让让 AI 操作电脑这件事既有能力边界...
MCP mcp AWS官方开源的MCP服务器集合
连接器
一、项目介绍 把 AI Agent 接进云上资源，听起来很酷，落地却常被卡在如何安全、规范地让模型调 AWS API 这件事上。直接把密钥塞进提示词、手写一堆胶水代码，既不合规也难维护，更别说会话状态和鉴权。 AWS Labs 维护的这套开源 MCP 服务器集合，把常用 AWS 能力（核心服务、Lambda、文档检索等）封装成标准 MCP 服务器，支持 stdio 与可流式 HTTP 两种传输，并内置 DynamoDB 会话后端、可插拔的鉴权与授权。对想在 Agent 里安全...
Tool inspector 官方MCP服务器可视化调试与测试工具
连接器
一、项目介绍 MCP（模型上下文协议）让 AI 应用能统一接入各种工具和服务，但当你写好一个 MCP 服务器后，怎么确认它真的能被模型正确调用？参数对不对、返回结构漂不漂亮、流式是否正常，往往只能靠在客户端里盲试。 MCP Inspector 是协议官方的调试器，提供 Web、CLI、TUI 三种形态。你可以把它指向任意一个本地或远程的 MCP 服务器，直观地浏览它的工具、资源、提示词，并手动发起调用、查看请求响应。它相当于 MCP 世界的接口测试工具，把联调从碰运气变成可观...
Library mcp-use 把任意大模型连接到MCP服务器的库
连接器
有了 MCP 服务器，下一个问题是「怎么让我的 AI 应用连上去，还能动态挑工具、配鉴权」。mcp-use 是个轻量库，把「任意大模型 ↔ 任意 MCP 服务器」这件事封装好：你不用关心传输细节，给一个客户端配置和一个 Agent，它就能自动发现工具、按需调用，甚至截图生成卡片。对想快速给自有应用接 MCP 的开发者很合适。 对已经写了 AI 应用的团队，mcp-use 的价值是「即插即用」：不用为每个 MCP 服务单独写适配，统一一套客户端接口就能横向接入海量工具，把集成成...
MCP mcp-toolbox 把数据库与API暴露为MCP工具的服务
连接器
想让 AI 直接查数据库、调内部 API，通常要自己写一堆胶水：连接池、鉴权、参数校验、防注入，还没法观测。Google 的 MCP Toolbox for Databases 把这些一次性解决：它把数据库与 API 通过 MCP 协议安全地暴露成一组工具，内置连接池、IAM 鉴权、OpenTelemetry 可观测，AI 客户端一句调用就能拿到数据，而不用把凭证塞进提示词。 对想给 AI 应用接真实业务数据的团队，这个工具的价值在「把安全与工程细节下沉到服务端」。客户端只管...
SDK typescript-sdk 构建MCP服务与客户端的官方SDK
连接器
写 MCP 服务，光会调 API 不够，还要把工具、资源、提示词的 schema、参数校验、传输层都做对。官方 TypeScript SDK 把这套地基铺好了：服务端、客户端双端齐全，stdio、Streamable HTTP、SSE 全支持，类型完备，和 MCP 规范同步。无论你是要造轮子还是用轮子，它都是 TypeScript 世界的「标准件」。 对已经熟悉 TypeScript 的团队来说，这个 SDK 意味着你不必再从零理解协议细节，就能把任意内部能力封装成 MCP ...
MCP firecrawl-mcp-server 为AI代理提供联网搜索抓取
连接器
AI Agent 要回答「现在发生了什么」，不能只靠训练数据，它得能联网搜、能抓页面、能读懂动态内容。Firecrawl 一直是「给 AI 用的网页上下文 API」，现在官方把它做成了 MCP 服务：搜索、抓取、解析、爬取、地图、监控、甚至浏览器级交互，全部通过 MCP 协议暴露给任意客户端。和 Apify 偏「Actor 市场」不同，Firecrawl 更像一个统一的「网页上下文引擎」，返回干净 Markdown 或结构化 JSON。
MCP apify-mcp-server 让AI代理调用数千爬虫抓网页
连接器
想让 AI 帮你看竞品价格、抓社媒动态、汇总搜索结果，第一步往往是「去网上把数据搬回来」。自己写爬虫要处理反爬、登录、渲染、翻页，坑一堆。Apify MCP Server 把这件事变成了「调工具」：它把 Apify 平台上成千上万个现成爬虫、抓取器和自动化工具，通过 MCP 协议直接暴露给 AI Agent。无论是社交媒体、搜索引擎、地图还是电商，Agent 一句话就能调度对应工具把数据抓回来。
MCP Figma-Context-MCP 让AI读取Figma设计稿实现UI
连接器
设计稿和代码之间，永远隔着一道「翻译」。设计师在 Figma 里画好界面，前端拿到截图照着写，误差、返工、来回确认是常态。Figma-Context-MCP（Framelink）直接把这道墙拆了：它是一个 MCP 服务，让 Cursor、Windsurf 这类 AI 编码工具能直接读取 Figma 文件的布局与样式信息，把设计数据变成结构化上下文喂给模型，从而「一次成型」地写出还原度很高的 UI 代码，比贴截图准确得多。
Python python-sdk 官方MCP协议Python开发工具包
连接器
如果你想从更底层理解甚至定制 MCP，而不是只用一个高层框架，那官方 Python SDK 就是地基。它由 MCP 协议方亲自维护，提供服务端与客户端的完整实现，支持 stdio、Streamable HTTP、SSE 全部标准传输。无论是要暴露工具、资源、提示词给 LLM 应用，还是写客户端去连任意 MCP 服务，这个 SDK 都是事实标准。版本已进入 2.x，API 稳定，文档体系完整。
Python fastmcp 用Python快速构建MCP服务框架
连接器
MCP 火了之后，大家发现「写个 MCP 服务」并不难，但要把工具、资源、提示词的 schema、校验、文档、传输层都弄对，琐碎活一点也不少。FastMCP 的出现就是为了解决这个：它是目前最流行的 Python 系 MCP 应用框架，口号是「The fast, Pythonic way to build MCP servers and clients」。你只要写一个普通 Python 函数，加个装饰器，FastMCP 就自动帮你生成工具 schema、参数校验和文档，几行代...
MCP playwright-mcp 用自然语言驱动浏览器自动化
连接器
写代码时，最常见的卡点不是逻辑，而是「这个网页到底长什么样、按钮在哪、表单怎么提交」。过去让 AI 去操作网页，要么靠截图配视觉模型，要么硬写一堆 Playwright 脚本，token 烧得飞起还容易跑偏。Microsoft 推出的 Playwright MCP 换了个思路：它把浏览器里真实的「可访问性树」（accessibility tree）喂给大模型，让模型直接读懂页面结构并下达点击、输入、导航等指令，全程不需要看像素、不需要视觉模型。本质上是给 AI 配了一个标准化...
MCP github-mcp-server 连接AI与GitHub官方MCP服务
连接器
当 AI 编码助手要「帮我看看这个 issue、给这个 PR 提个 review、查一下 CI 为什么挂了」，它首先得能安全地访问 GitHub。官方出的 GitHub MCP Server 就是干这个的：把 GitHub 平台能力通过 MCP 协议暴露给任意 AI 客户端，读仓库、查代码、管 issue 和 PR、看 Actions 流水线、读安全告警，全用自然语言完成。它来自 GitHub 官方团队，意味着权限模型、API 边界都跟着官方最佳实践走，比第三方自己接 tok...
Service Context7 为AI智能体提供最新版本文档的服务
连接器
让 AI 编程助手写一段用某个库的代码，它经常一本正经地编出不存在的 API：函数签名是两年前版本的，参数名是自己发明的。模型训练数据有时间截点，而前端框架、云 SDK 几乎每月都在改 API。你花在纠正幻觉上的时间，往往比查文档还多。 Context7 由 Upstash 开发，专门给 AI 智能体喂最新、版本精确的文档和代码示例——直接从源头拉取，塞进智能体的上下文里。提示词末尾加一句 use context7，或者装个规则自动触发就行。GitHub 上 6.3 万多 S...
  1. 1
  2. 2
  3. 3
  4. 4