MCP 工具广场｜Model Context Protocol 服务器目录

LNbits-MCP-Server 为 AI 助手提供了与闪电网络（Lightning Network）钱包的直接交互能力。它不再让 AI 仅仅是“谈论”比特币，而是通过 MCP 协议将 LNbits 的钱包功能转化为 AI 可调用的工具集。开发者可以将此服务器接入 Claude 等支持 MCP 的客户端，使 AI 能够实时查询余额、创建支付发票或处理资金流转。对于需要构建 AI 自动化支付流或集成微支付场景的开发者来说，这是一个低门槛的桥接方案，无需从零编写复杂的 API 对接代码即可实现 AI 对资产的感知与操作。

这是一个让 AI 助手直接接管 Supabase 后台管理的 MCP 插件。简单来说，它通过标准化协议将 Supabase 的项目和组织管理能力开放给 Claude 等 AI 客户端。开发者不再需要频繁在 IDE 和 Supabase 控制台之间切换，直接用自然语言就能完成项目的创建、组织配置等运维操作。对于习惯使用 AI 辅助开发的同学，它将 Supabase 从一个“外部管理面板”变成了 AI 的一个“可操作工具”，极大地提升了基础设施部署的效率，上手门槛极低，只需配置好 API Key 即可快速集成。

last9-mcp-server 是一个将生产环境实时上下文直接接入 AI 聊天界面的桥梁。它解决了开发者在排查 Bug 时，需要在 IDE、监控面板和日志系统之间频繁切换的痛点。通过 MCP 协议，AI 能够直接读取实时日志、指标和链路追踪数据，让 LLM 在拥有真实运行环境上下文的情况下协助你定位问题并修复代码。对于习惯于全栈开发或负责运维的开发者来说，这大大降低了从“发现异常”到“写出补丁”的时间成本，上手门槛低，只需配置好服务端即可在支持 MCP 的客户端中使用。

bitcoin-mcp 是一个将比特币区块链能力集成到 AI 工作流中的 MCP 服务端。它打破了 AI 仅能通过训练数据讨论加密货币的局限，让 LLM 能够直接调用接口执行实操任务，如生成密钥、验证地址、解析交易详情及查询链上实时数据。对于开发者而言，它相当于给 AI 增加了一个“比特币插件”，无需手动编写复杂的 API 调用代码，即可在支持 MCP 的客户端中实现自动化链上分析。上手难度较低，只要配置好服务端，AI 就能化身为具备实时数据查询能力的比特币助手。

如果你在 macOS 上使用 Bear 作为知识库，这个 MCP 服务能让 AI 直接读取你的笔记内容。它本质上是在 LLM 与 Bear 之间搭建了一座桥梁，使 AI 能够根据你的指令检索笔记，从而实现基于个人知识库的问答或内容整理。对于习惯将碎片化灵感记录在 Bear 的开发者来说，这消除了手动复制粘贴的繁琐，让 AI 真正拥有了你的“第二大脑”上下文，上手难度低，只需简单配置即可在支持 MCP 的客户端中使用。

jdubois/azure-cli-mcp 是一个将 Azure CLI 命令行能力接入 AI 模型的协议适配器。它解决了开发者在与 AI 对话时，无法直接操作云资源而必须手动复制粘贴指令的痛点。通过 MCP 协议，AI 可以直接调用 Azure CLI 来查询资源状态、管理云服务或执行运维操作，将 LLM 变成了具备实际执行能力的“云助手”。对于熟悉 Azure 命令行但希望提升效率的开发者来说，该工具上手门槛极低，只需配置好本地 CLI 环境即可快速打通 AI 与云端资源的链路。

cal-mcp 是一个轻量级的 MCP 服务端，旨在解决 LLM 在处理复杂数学运算时容易出现的“幻觉”或计算错误问题。它通过将计算任务从模型推理交给专业的数学计算引擎，让 AI 能够精准执行数学表达式运算。对于开发者而言，它相当于给 Claude 等支持 MCP 的客户端安装了一个可靠的计算器插件，无需编写复杂的 Prompt 引导，即可在对话中实现高精度的数值计算，非常适合需要处理数据核算、公式解析的工程场景，上手几乎零门槛。

mcp-stockfish 是一个将 AI 助手与顶级国际象棋引擎 Stockfish 连接的 MCP 服务端。它让 LLM 不再仅凭概率预测走法，而是能实时调用专业的棋谱分析能力。无论是分析复杂局面、验证战术正确性，还是在对局中寻求最优解，开发者只需将其接入支持 MCP 的客户端（如 Claude Desktop），即可让 AI 拥有一个“专业棋手”的插件大脑。该工具配置简单，适合棋类爱好者或希望在 AI 应用中集成精准博弈分析的开发者。

latex-mcp-server 是一个将 LLM 转化为学术写作助手的 MCP 服务。它解决了 AI 在处理 LaTeX 时仅能“写代码”而不能“跑结果”的痛点，让 AI 具备了编译文档、管理参考文献以及运行可视化脚本的实际操作能力。对于经常撰写论文、报告的开发者和研究者来说，它将 AI 从简单的文本生成器变成了能闭环处理从绘图到编译全流程的协作伙伴，无需在编辑器和终端之间频繁切换，极大提升了学术生产力。

mcp-server-chatsum 是一个基于 MCP 协议的实用工具，旨在解决 AI 助手无法直接检索和分析海量历史聊天记录的痛点。它充当了 AI 与聊天数据之间的桥梁，让你可以直接通过自然语言指令，让 AI 帮你快速翻找旧消息或总结冗长的对话上下文。对于习惯在即时通讯软件中处理工作的开发者来说，它能极大地降低手动翻阅记录的时间成本。该工具上手门槛低，只需将其配置到支持 MCP 的客户端（如 Claude Desktop）即可激活，将碎片化的聊天记录转化为可检索的知识库。

tsgram-mcp 是一个将 Telegram 转化为 Claude 移动端“工作站”的桥接工具。它通过 MCP 协议，让用户在手机端通过 Telegram 机器人就能调用 Claude 的能力，并直接读写本地工作区代码。简单来说，它解决了 AI 助手在移动端缺乏本地文件操作权限的痛点，让开发者在通勤或碎片时间也能进行轻量级的代码修改和项目维护。对于习惯使用 TypeScript 的开发者，其上手难度较低，是将 LLM 能力无缝集成到即时通讯工具中的典型实践。

这是一个让 Claude 能够调用 OpenAI Assistant 能力的 MCP 桥接工具。简单来说，它打破了模型间的壁垒，让你可以直接在 Claude 的界面中通过 MCP 协议调用 GPT 系列模型的助手功能。对于开发者而言，这意味着你无需在多个平台间来回切换，就能利用 OpenAI 强大的助手 API（如文件检索、代码解释器等）来增强 Claude 的上下文处理能力。配置过程较为简单，只需提供 API Key 即可快速上手，是实现跨模型协同工作的实用插件。

mcp-datetime 是一个轻量级的 MCP 服务端，旨在解决 LLM 经常在处理实时日期和时间计算时出现“幻觉”的问题。它为 AI 提供了标准化的时间接口，使其能够准确获取当前时间，并支持多种格式的转换与日期运算。对于需要处理日程规划、日志分析或时间戳转换的开发者来说，它能让 AI 从一个“猜测时间”的聊天机器人变成一个具备精准时间感知能力的助手。配置简单，无需复杂环境，通过 MCP 协议即可快速集成到支持的 IDE 或客户端中。

QGIS MCP 是一个将地理信息系统 QGIS 与 Claude AI 深度打通的桥梁。它打破了传统 GIS 操作依赖繁琐菜单和 Python 脚本的壁垒，让开发者和分析师能直接用自然语言驱动 QGIS。无论是快速加载图层、自动化项目创建，还是执行复杂的空间分析代码，你只需在对话框中下指令，AI 即可在桌面端同步执行。对于习惯于用代码处理地图但厌倦重复配置的用户来说，它极大地降低了 GIS 自动化门槛，将 AI 从简单的“代码生成器”变成了真正的“软件操作员”。

hmk/attio-mcp-server 是一个将 Attio CRM 能力接入 AI 客户端的适配器。它通过 MCP 协议，让 Claude 等支持该标准的 AI 助手能够直接读取和管理你的 CRM 记录与笔记，而无需在多个窗口间手动同步数据。对于需要处理大量客户信息、跟进销售线索的开发者或运营人员，它可以将 AI 变为一个实时同步的“智能助理”，直接在对话界面完成数据的查询和更新。上手门槛低，只要拥有 Attio API 密钥即可快速配置，将 CRM 从静态数据库转变为 AI 可操作的动态上下文。

mcp-shell-server 是一个将终端执行能力赋予 AI 的 MCP 服务端。它打破了 LLM 仅能生成代码的限制，让 AI 能在受控环境下直接运行 Shell 命令并获取实时回显。对于开发者而言，这意味着你不再需要手动复制粘贴命令，AI 即可帮你完成文件管理、系统状态查询或运行脚本等实际操作。它在能力上是对 AI 编码助手的重要补充，上手门槛极低，只需简单配置即可将 IDE 或 AI 客户端转化为具备系统操作权的智能终端。

这是一个将 1Password 凭据管理能力接入 AI 助手（如 Claude Desktop）的 MCP 服务端。它解决了开发者在与 AI 协作时，无需手动复制粘贴 API Key 或密码的痛点。通过该协议，AI 可以在授权范围内安全地检索所需的凭据，将 1Password 变成 AI 的“动态密钥库”。对于习惯使用 1Password 管理敏感信息的开发者来说，上手门槛较低，只需简单配置即可让 AI 具备调用私有凭据的能力，极大地提升了 Agent 自动化流程的流畅度。

tfmcp 是一个基于 MCP 协议的 Terraform 管理服务器，旨在让 AI 助手直接接管基础设施即代码（IaC）的运维工作。它将 Terraform 的核心能力（如读取配置、分析 Plan、执行 Apply 及状态管理）转化为 AI 可调用的工具集。对于开发者而言，这意味着你不再需要频繁在 IDE 和终端之间切换去手动运行命令，而是可以通过自然语言让 AI 帮你检查资源变更或部署环境。该工具上手门槛较低，只要你已有 Terraform 环境，将其接入支持 MCP 的客户端（如 Claude Desktop）即可实现从“对话”到“云资源变更”的闭环。

这是一个基于 Hugging Face Smolagents 实现的 MCP 服务器，旨在为 LLM 提供一个安全的本地 Python 执行环境。它解决了开发者在让 AI 运行代码时最担心的安全与隔离问题，让模型能够直接在本地执行数据处理、数学计算或调用特定库，而无需手动复制粘贴代码。对于习惯使用 Cursor 或 Claude Desktop 的用户，它可以将 AI 从单纯的“代码生成器”升级为具备实时执行能力的“自动化助手”，上手门槛低，配置简单，非常适合需要本地数据分析或快速原型验证的场景。

pyATS_MCP 是一个将 Cisco pyATS 强大的网络自动化能力接入 LLM 的协议适配器。它打破了 AI 与网络设备之间的壁垒，让开发者无需手动编写繁琐的脚本，即可通过自然语言驱动 AI 对网络设备进行结构化查询和状态分析。对于习惯使用 pyATS 的网络工程师来说，这相当于给 AI 增加了一个“网络专家插件”，使其能够直接理解设备状态并执行模型驱动的操作，极大降低了网络运维自动化的上手门槛。

mcp-shell 是一个让 AI 拥有“操作终端”能力的 MCP 服务端。它不再让 AI 仅仅停留在写代码阶段，而是允许 AI 在受控的隔离环境（如 Docker）中直接执行 Shell 命令。对于开发者来说，这意味着 AI 可以帮你实时运行测试、检查文件系统或部署简单脚本，而无需你手动复制粘贴命令。其核心痛点在于解决了直接在宿主机运行代码的安全顾虑，通过环境隔离确保了操作的可审计性，上手难度低，只要配置好 Docker 即可快速集成到支持 MCP 的客户端中。

ntfy-mcp 是一个轻量级的 MCP 服务端，旨在打破 AI 聊天窗口的封闭性，让 LLM 具备向你手机发送实时推送的能力。它通过集成 ntfy 服务，将 AI 的执行结果或关键提醒直接推送到移动端，解决了长耗时任务无法实时获知进度、或需要 AI 在特定条件下主动提醒用户的痛点。对于开发者而言，该工具配置简单，无需编写复杂的后端推送逻辑，只要在支持 MCP 的客户端（如 Claude Desktop）中配置好 ntfy 话题，即可让 AI 变成你的个人实时通知助手。

Magic-MCP 是一个面向前端开发者的 MCP 插件，旨在将 21st.dev 社区的高质量 UI 组件库直接接入 AI 聊天界面。它解决了 AI 生成代码时经常出现的“样式简陋”或“不符合现代审美”的痛点。通过该协议，开发者无需在浏览器和 IDE 之间频繁切换，直接在 AI 对话中即可调用经过设计工程师优化过的 UI 组件片段。其上手门槛极低，只要配置好 MCP 环境，就能让 AI 具备快速构建高颜值、生产级界面的能力，是提升前端原型开发效率的利器。

这是一个将 OmniParser 的视觉解析能力与 PyAutoGUI 自动化操作结合的 MCP 服务。简单来说，它让 AI 拥有了“眼睛”和“手”：AI 能通过屏幕截图识别界面上的按钮、输入框等元素，并直接模拟鼠标点击和键盘输入来操控你的电脑。对于需要处理复杂 GUI 软件、无法通过 API 接入的陈旧系统，或者想要实现全自动网页/应用操作的开发者来说，这是一个极佳的桥梁。它将原本碎片化的视觉识别与执行步骤统一到了 MCP 标准下，显著降低了构建 AI Agent 操控桌面的门槛。