mcpso
mcpso 是一个专为模型上下文协议（MCP）打造的开源服务器目录平台，旨在汇聚和展示各类优质的 MCP 服务端实现。随着 AI 应用对标准化连接需求的增长，开发者往往难以快速发现可靠、功能丰富的现成服务资源，mcpso 正是为了解决这一痛点而生。它提供了一个集中化的索引库，让用户能够轻松浏览、检索并集成所需的 MCP 服务器，从而加速智能体（Agent）与应用生态的构建过程。
该项目特别适合 AI 开发者、架构师以及热衷于探索大模型扩展能力的研究人员使用。通过简单的本地部署流程，用户不仅可以搭建自己的私有目录站，还能基于其代码结构二次开发，定制符合特定场景的服务市场。技术层面，mcpso 采用了现代化的 Next.js 前端框架，并深度集成 Supabase 作为后端数据库解决方案，确保了系统的高性能与易维护性。其清晰的文档指引和社区支持（包括 Telegram 和 Discord 频道），进一步降低了上手门槛。无论是希望复用现有能力的工程团队，还是想要贡献新服务的开源爱好者，都能在这个平台上找到有价值的连接点，共同推动 MCP 生态的繁荣发展。
使用场景
某 AI 应用开发团队正在构建一个基于大模型的自动化运维系统，急需集成多种外部数据源（如数据库、监控工具）以增强 Agent 的能力。
没有 mcpso 时
- 开发者需要在 GitHub、论坛和社交媒体上零散搜索可用的 MCP Servers，耗费大量时间甄别信息真伪。
- 缺乏统一的文档标准和版本索引，导致集成的服务器组件兼容性差，频繁出现连接错误或功能失效。
- 社区新发布的高质量工具难以被及时发现，团队只能重复造轮子或沿用陈旧的解决方案。
- 部署配置过程依赖口口相传或非官方教程，环境搭建耗时且容易出错，拖慢整体项目进度。
使用 mcpso 后
- 团队直接访问 mcpso 目录，通过分类检索快速定位到经过验证的“ Awesome"级 MCP Servers，筛选效率提升数倍。
- 每个条目提供标准化的安装指南和实时预览链接，确保所选组件与当前架构完美兼容，大幅降低调试成本。
- 借助社区的实时更新机制，开发人员能第一时间获取最新的监控或数据库插件，保持技术栈的前沿性。
- 依托清晰的快速启动流程和预设的 Supabase 数据库脚本，原本半天的环境配置工作缩短至一小时内完成。
mcpso 通过构建集中化、标准化的生态索引，将开发者从繁琐的资源搜寻与适配中解放出来，使其专注于核心业务逻辑的创新。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
MCP 目录
一个收录精彩 MCP 服务器的目录。
在线预览：https://mcp.so
快速开始
- 克隆仓库
git clone https://github.com/chatmcp/mcp-directory.git
cd mcp-directory
- 安装依赖
pnpm install
- 准备数据库
使用 Supabase 创建数据库，
然后执行 data/install.sql 文件中的 SQL 语句。
- 设置环境变量
在项目根目录下创建一个 .env 文件，
并添加以下环境变量：
SUPABASE_URL=""
SUPABASE_ANON_KEY=""
NEXT_PUBLIC_WEB_URL="http://localhost:3000"
- 启动开发服务器
pnpm dev
- 预览网站
在浏览器中打开 http://localhost:3000 即可。
社区
关于作者
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。