01 / 服务器详情
服务器详情
WaveMaster AI 是一个面向全球冲浪爱好者的 MCP 服务提供者，它连接到实时的海面条件数据源，帮助用户快速获取目标冲浪点的潮汐、风况与浪高等信息。与其它以静态资料为主的冲浪 App 不同，WaveMaster AI 更贴近「什么时候去浑水」这一核心诉求：它不仅返回当前条件，还会基于历史数据和趋势判断出「本周最佳日」并给出冲浪点排名，省去用户自己交叉分析多个数据的步骤。接入方式遵循 MCP 标准，意味着开发者只需在支持 MCP 的客户端（如 Claude Desktop、Cursor 等）中简单配置即可使用，上手门槛较低；而普通冲浪者则可直接通过对话式提问获取目标海域的实时建议。该项目由社区维护，GitHub 仓库已开放，感兴趣者可以自行部署或贡献数据源。
一个提供 WaveMaster AI 能力的模型上下文协议服务器，可被兼容 MCP 的 AI 客户端连接和调用。
能力标签OtherMCP开源
协议Model Context Protocol
开发者生态开源生态
开源协议MIT / 以来源页为准
来源GitHub
收录合集
收录本 MCP 服务的合集
常用MCP2026.03.30已收录
我的MCP2026.03.31已收录
Genie2026.03.30已收录
02 / 工具测试
工具测试
可用工具
可调用wavemaster-ai
调用 WaveMaster AI 提供的 MCP 能力并返回结构化结果。
参数
input根据该 MCP 服务的工具 schema 传入参数。提示：该工具可能会截断响应；使用 start_index 等分页参数可以分块读取较长内容。
03 / 服务配置
连接方式
Remote
{
"mcpServers": {
"WaveMaster AI": {
"url": "部署后由服务提供方生成 Remote 地址"
}
}
}Remote 地址需要在部署后由服务提供方生成，页面不会伪造不可用的端点。
Stdio · mcp.json
当前记录没有 npm 包，请先打开来源仓库补充 command 和 args。如果当前条目没有登记 npm 包，请以来源仓库的安装方式为准。
03 / 使用方法
如何使用
- 01步骤 1
先检查服务器能力和权限范围。
- 02步骤 2
复制安装命令或 JSON 配置。
- 03步骤 3
在客户端中进行小范围连接测试。
- 04步骤 4
确认数据访问和维护状态后再长期使用。
04 / 讨论
讨论与反馈
这里保留讨论入口，方便继续核对来源、使用体验和维护状态。
前往来源页面