MCP 工具广场｜Model Context Protocol 服务器目录

这是一个将 Jira 和 GitHub 深度打通的 MCP 服务，旨在消除开发者在任务管理工具与代码仓库之间频繁切换的“上下文损耗”。它允许 AI 直接在 IDE 中读取 Jira 票据、创建 GitHub 分支并提交 PR，将原本碎片化的开发链路（接单-编码-提交-合并）统一在 AI 的对话上下文里。对于习惯于敏捷开发、依赖 Jira 跟踪进度的团队来说，它极大地降低了手动同步状态的繁琐程度，上手门槛低，只需配置好 API 令牌即可让 AI 成为你的“研发助手”。

LoopSkill 是一个由社区驱动的联邦技能仓库，汇集了超过 91,000 个代理技能和 MCP 服务器。用户只需一条命令即可安全安装任意技能，内置的编队控制平面确保同一技能包在 Claude Code、Codex、Hermes 和 OpenCode 等主流 AI 开发工具中保持一致。该平台预集成 47 个 MCP 工具，采用 MPL‑2.0 许可证，提供免费套餐，支持自主机部署，适合希望在多种 AI 编程环境中无缝共享和扩展功能的中国开发者和 AI 爱好者。无论是构建自动化工作流还是探索多引擎协作，LoopSkill 都能降低技能管理复杂性，让开发者专注于编写更智能的代码。其 GitHub 地址为 https://github.com/wisechef-ai/loopskill-api，欢迎参与社区贡献。

Signadot 推出的 MCP 服务为 AI Agent 引入了强大的 Kubernetes 环境编排能力。简单来说，它让 AI 不再只是写代码，而是能直接在云端‘操盘’微服务测试。通过该协议，AI Agent 可以自主创建轻量级的隔离沙箱（Sandbox），并灵活配置流量路由，将测试请求精准引导至分叉的服务或本地运行的实例中。这在微服务架构的集成测试场景下极具价值，开发者可以利用 AI 在代码合并前，自动验证变更对真实集群依赖的影响。对于追求 DevOps 自动化的团队，它降低了复杂环境搭建的门槛，让 AI 真正具备了在生产级模拟环境中进行‘实战演练’的能力。

SendGrid MCP 是专为开发者打造的邮件自动化“插件”，它通过 Model Context Protocol 协议，将 SendGrid 强大的 API 能力直接注入到你的 AI 工作流中。它不仅仅是一个简单的发信工具，更像是一个具备 58 种技能的邮件运营专家。你可以直接通过对话指令，让 AI 帮你管理复杂的营销模板、发送事务性邮件、实时调取邮件送达率等分析数据。对于需要将邮件自动化集成到 AI Agent 或开发流程中的团队来说，它极大地降低了调用复杂 API 的门槛，让 AI 从“只会写邮件”进化到了“能直接把邮件发出去并监控效果”的实操阶段。

对于开发者来说，让 AI 准确理解复杂的文档库一直是个痛点。llms.txt for agents 是一款专门为 MCP 生态设计的工具，它能自动发现并解析网站提供的 llms.txt 索引文件。简单来说，它充当了 AI Agent 与网页文档之间的“翻译官”：它能将庞杂的网页内容高效转化为结构化的 Markdown 格式，并支持针对特定章节的检索。通过这个 MCP 服务，你的 AI 助手不再需要盲目爬取网页，而是能直接读取最精准、最适合大模型理解的文档摘要。上手非常简单，无需配置 API Key，直接通过远程链接即可接入，是构建具备“专业知识检索能力”智能体的理想插件。

fetch-cwe-list-mcp 是一个专为开发者设计的 MCP 服务端工具，它将庞大的 CWE（常见弱点枚举）漏洞数据库直接转化为 LLM 智能体的“技能包”。对于正在进行代码审计或安全开发的同学来说，以前需要手动查阅文档来确认漏洞类型，现在只需在 Claude 等支持 MCP 的 AI 助手对话框中直接调用，AI 就能实时检索并精准识别代码中的潜在安全缺陷。它的上手门槛极低，通过标准的 MCP 协议即可无缝接入现有工作流，是提升 AI 辅助安全编程能力、实现自动化代码质量检查的实用利器。

Terminal MCP 是为 AI 助手打造的“实时终端视窗”。它打破了以往 AI 只能通过静态代码片段理解环境的局限，让 AI 能像开发者一样，实时观察你的命令行（CLI）输出或交互式界面（TUI）。无论你是需要 AI 帮你排查复杂的构建报错，还是想让它在受控环境下自主执行一系列运维指令，它都能提供动态的上下文感知。对于习惯使用 VS Code 或 Cursor 等工具的开发者来说，这相当于给 AI 装上了“眼睛”和“手”，让它从“纸上谈兵”进化到能真正理解并操作你的开发环境，上手门槛极低，是提升自动化调试效率的神器。

MeMesh 是一款開源的本地 AI Agent 協作工具，將「記憶、訊息傳遞、改善建議」整合在單一 SQLite 檔案中，無需雲端伺服器。它支援 Claude Code、Codex、Cursor、Gemini 等多種開發工具，以及自訂的本地模型，透過 MCP、HTTP 或 CLI 介接。適合希望控制資料主權、避免綁定廠商的開發者。上手門檻中等，需理解 MCP 協議或簡單 CLI 操作。與傳統雲端 AI 工具不同，MeMesh 強調本地運算與隱私保護，特別適合敏感專案或離線環境使用。

...

PHIGuardMCP 是一个面向开发者的本地代码安全检查工具，它会扫描你工程中的源代码，判断是否存在 **PHI（受保护健康信息）** 泄露到 LLM 提示词、日志或分析调用里。不同于云端扫描服务，该工具 **完全本地运行、不联网**，所以你的代码和检测结果都不会离开本地环境。这对于医疗、健康或处理病患数据的项目尤其重要：在确保合规（如 HIPAA）的前提下，又能快速发现风险。 简单来说，它就像一个“保密助手”，自动帮你把代码里可能暴露敏感信息的地方扫出来，避免因无意间把患者姓名、病历等内容输入给模型或写入日志而引发的数据泄露问题。它不执行复杂的行为分析，只聚焦于静态文本匹配与规则判断，上手门槛较低，适合嵌入 CI 流水线或开发阶段使用。

如果你正在使用 Claude Desktop 或其他支持 MCP 的 AI 编程助手，可能会遇到任务执行中途断电、网络波动或 Agent 逻辑混乱导致的任务中断问题。rhizome-mcp 是专门为 AI Coding Agent 设计的“任务调度中心”。它通过内置 SQLite 数据库，为 Agent 提供了一套具备崩溃恢复能力的任务追踪机制。简单来说，它能确保 Agent 在处理复杂开发任务时，即使程序意外关闭，也能通过“租约机制”和“状态持久化”实现任务的断点续传和版本对齐。对于需要处理长流程、高可靠性编程任务的开发者来说，它是提升 AI 自动化开发稳定性的一件利器，上手门槛极低，只需一个 Go 二进制文件即可快速集成到现有的开发工作流中。

如果你正在开发体育数据相关的应用，或者想让 AI 助手变身“足球专家”，这个 MCP Server 非常值得关注。它通过 Model Context Protocol 协议，为大模型提供了实时足球数据的“插件式”能力。你可以直接让 AI 查询全球足球赛事的实时比分、积分榜、红黄牌、角球统计，甚至是深度的赔率变动历史。相比于传统的 API 调用，它最大的优势在于降低了开发门槛：你不再需要编写复杂的解析逻辑，只需通过 MCP 协议，AI 就能直接理解并调用这些结构化数据。对于需要构建体育预测模型或自动化赛事分析工具的开发者来说，这是一个极佳的数据接入方案。

在企业级 AI 应用开发中，数据隐私始终是绕不开的红线。Questa Privacy MCP 提供了一套标准化的“数据脱敏网关”，能在敏感信息（如姓名、身份证号、医疗记录等）触达大模型之前，自动完成识别与匿名化处理。它通过 MCP 协议无缝接入 Claude 等主流 AI 工具，帮助开发者在满足 GDPR、HIPAA 等合规要求的同时，依然能利用真实业务上下文进行模型推理。对于担心数据泄露风险的开发者或企业用户来说，这是一种低成本、插件式的隐私防护方案，无需重构整个数据流，即可在开发环境和生产环节构建起一道安全屏障。

reqlan MCP 是一个面向开发者的 MCP 服务实现，旨在让大模型能够直接读取和理解你的项目代码库。它基于 reqlan 框架开发，后者是一个用于快速构建「可验证系统」的工具，通过描述系统中的关键部分及其关系来提升开发效率。对于中国的开发者来说，reqlan MCP 的价值在于它打通了大语言模型和本地代码之间的通道，使得 ChatGPT、Claude 等 AI 工具可以像人类开发者一样「阅读你的项目」，理解函数逻辑、调用关系、架构设计等。上手难度中等：你只需在项目中添加 reqlan MCP 服务，然后在支持 MCP 的客户端（如 Claude Desktop）中配置即可。它与其它开发工具的关系类似于「插件」：例如相比直接使用 Cursor、GitHub Copilot 等国外的代码助手，reqlan MCP 更贴近国内开发者使用国产或自托管大模型的习惯，同时与 reqlan 框架结合紧密，适合希望通过 AI 提升代码理解和维护效率的团队。

KD-Scout 是一款专为 SEO 开发者和内容运营设计的 MCP 服务端工具。它通过 Model Context Protocol 协议，直接为你的 AI 模型（如 Claude）赋予了“SEO 专家”的实时能力。以往你需要手动在各种 SEO 工具间切换查词，现在只需在对话中通过指令，AI 就能自动调用该工具来评估关键词难度、计算机会得分，并直接生成结构化的内容创作大纲。它无需复杂的环境依赖，上手即用，非常适合那些希望将 SEO 数据流直接集成到 AI 工作流中的开发者，能显著提升从关键词调研到内容规划的自动化效率。

M00N Report 是基于 MCP 协议的测试管理工具，让团队能在自然语言或代码里直接编写测试用例、执行手动测试并记录结果，还支持关联自动化测试脚本，便于追踪覆盖关系。它将测试管理流程嵌入开发环境，减少在多个工具间切换。

mcp-keycloak 是专为身份管理场景打造的 MCP 服务端工具，它将 Keycloak 复杂的权限管理能力直接“喂”给了 AI 助手。通过这个协议，开发者可以让 Claude 等大模型具备管理多租户（Multi-realm）的能力，实现对用户、客户端、角色及分组的自动化运维。相比于手动在 Web UI 上点选，它支持 dry-run（试运行）和审计日志，能有效降低 AI 执行高危操作（如删除用户）时的风险。如果你正在构建需要自动化身份治理的工作流，或者想通过自然语言快速配置身份验证逻辑，这个工具能极大缩短从“对话”到“配置生效”的路径，是开发者实现智能运维的重要插件。

如果你正在使用 Claude 等 AI 助手进行开发，mcp-azure-devops 能让你的 AI 助手直接“接入”公司的研发流水线。它通过 MCP 协议，将 Azure DevOps 的看板任务、代码仓库、Pull Request 以及 CI/CD 流水线能力直接赋能给大模型。这意味着你不再需要频繁在 IDE 和浏览器间切换，可以直接通过对话让 AI 帮你查询工作项进度、分析 PR 代码变更，甚至管理流水线状态。该工具特别针对企业级场景做了安全加固，支持项目白名单、删除权限限制和操作审计，上手即用，非常适合需要深度集成 DevOps 工作流的专业开发者。

如果你觉得一个个手动配置 MCP Server 太麻烦，那么 mcp-anything 就像是为 AI Agent 打造的“插件聚合网关”。它通过五种元工具，直接连接并检索公共注册库中约 7.5 万个 MCP 服务，让你无需预先下载安装，就能在对话中随用随调。对于开发者来说，它解决了 MCP 生态碎片化的问题，通过本地优先的架构和安全防护机制（如 SSRF 防护），在保证扩展性的同时兼顾了安全性。无论是想让 Claude 瞬间拥有搜索、数据库操作或特定 API 的调用能力，还是想构建一个全能型 AI 工作流，它都能大幅降低工具集成的门槛，让 AI 从“聊天框”真正进化为“全能助手”。

...

mcp-walmart-marketplace 是一个面向 Walmart (沃尔玛) 美国第三方卖家平台的 MCP 服务器实现，旨在把沃尔玛市场数据与运营能力以 MCP 协议暴露给 AI 助手。通过它，开发者或卖家可以在本地搭建服务，直接调用沃尔玛的商品上架、订单管理、库存价格接口等功能，而无需自行封装 API 签名等繁琐逻辑。该项目基于社区维护，部署门槛较低，适合做卖家后台的 AI 运维、自动化选品或数据分析场景；与类似的电商 MCP 服务相比，更聚焦单一平台，接口封装较为细致。需要注意的是，目前仅覆盖沃尔玛的 3P 卖家场景，不支持品牌方直营账号，同时部分接口受到美国地区的限制，国内开发者需做好跨境网络与账号准备。

在构建 AI Agent 或 RAG 应用时，如何防止恶意提示词注入和数据投毒是开发者必须面对的硬骨头。Universal Poison Armor 是一款专为 MCP 生态设计的开源安全防火墙。它通过在模型与外部上下文之间建立一层拦截机制，能够实时识别并阻断提示词注入、女巫攻击（Sybil attacks）以及针对 RAG 检索环节的数据投毒。对于正在开发复杂工具调用（Tool Use）或集成大量外部数据的开发者来说，它就像给 LLM 装上了一层“防护服”，在不改变模型底层逻辑的前提下，显著提升了应用在处理不可信数据时的鲁棒性，是保障 AI 应用安全落地的关键中间件。

这是一个面向 SAP ABAP 开发的 MCP 服务端，基于 ADT（ABAP Development Tools）协议与 JSON-RPC 实现，让大模型能直接读取、搜索甚至修改后端代码仓库元数据。它填补了 AI 无法直连 SAP 核心层的空白，适合需要自动化代码审查、生成单元测试、辅助重构或快速定位标准表结构的场景。上手需熟悉 ADT 接口配置与 ABAP 权限体系，门槛中等；对比传统 RFC/BAPI 封装，它更贴近现代 IDE 工作流，可与 VS Code、JetBrains 插件或本地 LLM 客户端无缝联动。

Obsify 是一款面向 MCP 生态的本地 PII 检测与脱敏工具，主打隐私保护与数据安全。它创新性地采用“模型处理形状，本地代码接触真实值”的架构：模型侧仅看到 Schema、合成副本或掩码后的结果，而实际敏感数据的识别与脱敏由本地代码完成，最终只返回掩码或聚合后的安全结果，确保原始数据不离开本机。工具基于 Presidio 等成熟方案，支持确定性检测，并内置对澳大利亚商业号（ABN）、公司号（ACN）、税号（TFN）等格式的校验能力。全程无 LLM 调用，无运行时网络依赖，非常适合需要本地化、合规性强的开发场景，如测试数据生成、日志脱敏或集成到 MCP 工作流中进行安全的数据处理。上手直观，与现有 MCP 工具链兼容，可作为隐私保护环节的可靠补充。