mcp-get
mcp-get 是一款专为模型上下文协议(MCP)设计的命令行工具,旨在帮助用户轻松发现、安装和管理各类 MCP 服务器。它的核心作用是简化大语言模型(LLM)与外部数据源及工具的连接过程,让用户只需一条命令即可将 GitHub、Slack、数据库或搜索引擎等服务接入 AI 应用,从而解决手动配置环境复杂、依赖管理繁琐的痛点。
虽然该项目目前已停止更新并归档,官方建议用户转向功能更完善的 Smithery 平台,但 mcp-get 在过渡期仍可作为理解 MCP 生态的实用入口。它支持跨语言环境,能够自动处理基于 Node.js、Python 或 Go 开发的服务器依赖,并提供版本控制和配置管理功能。
这款工具主要适合开发者和技术研究人员使用,特别是那些正在构建 AI 驱动的开发环境、聊天机器人或自定义工作流的工程师。对于希望快速验证 MCP 集成方案或探索如何将本地数据与大模型结合的技术人员来说,mcp-get 曾提供了一个低门槛的尝试途径。尽管不再新增特性,其简洁的交互逻辑和对多语言包管理的支持,依然体现了开源社区在推动 AI 互操作性标准方面的早期努力。
使用场景
某全栈开发者正在为团队搭建一个基于 Claude Desktop 的智能研发助手,需要快速集成外部搜索和代码仓库数据以增强模型上下文能力。
没有 mcp-get 时
- 查找困难:开发者需要在 GitHub 上手动搜索分散的 MCP Server 项目,难以确认哪些是经过验证或官方推荐的。
- 配置繁琐:安装每个服务(如 Brave Search 或 GitHub)都需要手动克隆代码、安装依赖(Node.js/Python/Go),并反复调试
claude_desktop_config.json中的路径和环境变量。 - 版本混乱:缺乏统一的版本管理工具,升级或回退特定版本时容易因依赖冲突导致服务崩溃。
- 维护成本高:当需要新增或移除某个数据源时,必须手动修改配置文件并重启应用,极易出现语法错误导致整个 MCP 连接失效。
使用 mcp-get 后
- 一键发现:通过
mcp-get list命令即可浏览 curated registry 中所有可用服务器,直接查看功能描述和维护者信息,无需四处搜寻。 - 自动化安装:只需运行
mcp-get install @modelcontextprotocol/server-brave-search,工具自动处理依赖安装、环境配置及 JSON 文件注入,分钟级完成集成。 - 精准版本控制:支持指定具体版本安装(如
package@1.0.0),轻松实现环境一致性管理和故障回滚。 - 便捷生命周期管理:使用简单的命令即可完成服务的更新、卸载或状态检查,大幅降低日常运维的出错率。
mcp-get 将原本耗时数小时的手工配置过程简化为几条命令行操作,让开发者能专注于业务逻辑而非环境搭建。
运行环境要求
- 未说明
未说明
未说明

快速开始
⚠️ 已弃用 - 该项目已迁移
此仓库不再积极维护。
我们衷心感谢所有为 mcp-get 做出贡献、提交软件包、报告问题并帮助构建这一社区的朋友们。你们的贡献和支持对推动 Model Context Protocol 生态系统的发展至关重要。
🎯 推荐
我们推荐使用 Smithery 来发现、安装和管理 MCP 服务器。
Smithery 提供:
- 全面且精选的 MCP 服务器注册表
- 简单的安装与管理
- 更好的发现与文档支持
- 积极的维护与支持
请访问 smithery.ai 开始使用。
注意: 此工具将继续工作,但将不再接收更新或新功能。
mcp-get(已归档)
一款功能强大的命令行工具,用于发现、安装和管理 Model Context Protocol (MCP) 服务器。该工具简化了将大型语言模型 (LLM) 连接到外部数据源、工具和服务的过程。
通过 mcp-get,您可以:
- 从我们精选的注册表中发现可用的 MCP 服务器
- 使用一条命令即可安装服务器
- 管理环境变量和配置
- 根据需要更新和卸载服务器
快速入门
立即尝试 mcp-get:
npx @michaellatman/mcp-get@latest list
npx @michaellatman/mcp-get@latest install @modelcontextprotocol/server-brave-search
所有添加到注册表的软件包都会自动显示在 mcp-get.com 上,从而使其他用户能够轻松发现它们。
关于 Model Context Protocol
Model Context Protocol (MCP) 是一种开放协议,可实现 LLM 应用程序与外部数据源和工具之间的无缝集成。无论您是在构建 AI 驱动的 IDE、增强聊天界面,还是创建自定义的 AI 工作流,MCP 都提供了一种标准化的方式来连接 LLM 与其所需的上下文。
更多关于 MCP 的信息,请访问 modelcontextprotocol.io
您可以安装哪些软件包?
该工具可帮助您安装和管理将 Claude 连接到各种数据源和工具的 MCP 服务器,包括:
- 开发工具:GitHub、GitLab
- 通信工具:Slack
- 搜索与数据:Brave Search、Google 地图
- 数据库系统:PostgreSQL、SQLite
- Web 自动化:Puppeteer
- 云存储:Google Drive
先决条件
- Node.js(版本 14 或更高)用于基于 Node.js 的 MCP 服务器
- Python(版本 3.10 或更高)用于基于 Python 的 MCP 服务器
- Go(版本 1.16 或更高)用于基于 Go 的 MCP 服务器
- Claude Desktop 应用程序(用于本地 MCP 服务器使用)
使用示例
安装一个软件包
npx @michaellatman/mcp-get@latest install @modelcontextprotocol/server-brave-search
示例输出:
正在安装 @modelcontextprotocol/server-brave-search...
安装完成。
安装特定版本
您还可以安装软件包的特定版本:
npx @michaellatman/mcp-get@latest install @modelcontextprotocol/server-brave-search 1.0.0
示例输出:
正在安装 @modelcontextprotocol/server-brave-search 版本 1.0.0...
安装完成。
版本语法遵循标准的包管理器约定:
- 对于 Node.js 软件包:
package@version(例如@modelcontextprotocol/server-brave-search@1.0.0) - 对于 Python 软件包:
package==version(例如mcp-server-aidd==0.1.19) - 对于 Go 软件包:
package@version(例如example.com/go-server@v1.0.0)
列出软件包
npx @michaellatman/mcp-get@latest list
示例输出:
📦 可用软件包
找到 11 个软件包
@modelcontextprotocol/server-brave-search │ 用于 Brave Search API 集成的 MCP 服务器 │ Anthropic, PBC(https://anthropic.com)│ MIT
@modelcontextprotocol/server-everything │ 演示 MCP 协议所有功能的 MCP 服务器 │ Anthropic, PBC(https://anthropic.com)│ MIT
...
卸载一个软件包
npx @michaellatman/mcp-get@latest uninstall @modelcontextprotocol/server-brave-search
示例输出:
正在卸载 @modelcontextprotocol/server-brave-search...
卸载完成。
更新工具
该工具会在运行命令时自动检查更新。您也可以手动更新:
npx @michaellatman/mcp-get@latest update
示例输出:
正在更新 mcp-get...
更新完成。
贡献
我们欢迎对该项目的贡献!如果您想参与贡献,请遵循以下指南:
- 分支仓库并为您的功能或修复创建一个新分支。
- 为您的更改编写测试,并确保所有现有测试都通过。
- 提交包含清晰更改描述的拉取请求。
许可证
该项目采用 MIT 许可证授权。详细信息请参阅 LICENSE 文件。
联系方式
如果您有任何问题或需要帮助,请随时联系我们:
- GitHub 问题:michaellatman/mcp-get
将您自己的 MCP 服务器添加到注册表
有两种方法可以将您的 MCP 服务器添加到注册表:
方法 1:手动添加软件包
如果您希望自行维护软件包:
创建您的 MCP 服务器:
- 根据 MCP 协议规范 开发您的 MCP 服务器
- 将其发布为 NPM 包(可通过 npm 安装)或 Python 包(可通过 uvx 安装)
将您的软件包添加到 packages 文件夹:以 JSON 文件的形式将您的服务器添加到
packages/目录中:- 对于普通软件包,使用
packages/your-package-name.json - 对于作用域软件包,使用
packages/scope--package-name.json(作用域和名称之间用双连字符分隔)
{ "name": "your-package-name", "description": "您 MCP 服务器的简要描述", "vendor": "您的姓名或组织", "sourceUrl": "源代码仓库的 URL", "homepage": "主页或文档的 URL", "license": "许可证类型(例如 MIT)", "runtime": "node | python | go", "environmentVariables": { "SOME_API_KEY": { "description": "此密钥的作用描述", "required": true } } }重要提示:
name字段必须是 npm 或 pip 中可解析的精确软件包名称runtime字段指定如何安装您的软件包:- 如果应通过 npm 安装,请使用
"runtime": "node" - 如果应通过 uvx 安装,请使用
"runtime": "python"
- 如果应通过 npm 安装,请使用
- 始终包含
environmentVariables对象(如果无需设置环境变量,可留空{})
- 对于普通软件包,使用
验证您的软件包:运行 PR 检查以验证您的软件包:
npm run pr-check提交拉取请求:分叉此仓库,添加您的软件包文件,并提交 PR。
选项 2:社区服务器仓库
如果您不想管理包的部署和分发:
Fork 社区仓库:
- Fork mcp-get/community-servers
- 该仓库采用与官方 MCP 服务器相同的结构。
添加您的服务器:
- 将您的实现添加到
src目录中。 - 遵循现有的模式和结构。
- 包含必要的文档和测试。
- 将您的实现添加到
提交 Pull Request:
- 向社区服务器仓库提交您的 PR。
- 一旦合并,您的服务器将自动添加到注册表中。
两种选项都需要遵循 MCP 协议规范。请根据您的需求选择合适的选项:
- 如果您希望完全控制包的分发,请选择选项 1。
- 如果您希望避免管理包的部署和分发,请选择选项 2。
常见问题
相似工具推荐
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。
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。
gpt4free
gpt4free 是一个由社区驱动的开源项目,旨在聚合多种可访问的大型语言模型(LLM)和媒体生成接口,让用户能更灵活、便捷地使用前沿 AI 能力。它解决了直接调用各类模型时面临的接口分散、门槛高或成本昂贵等痛点,通过统一的标准将不同提供商的资源整合在一起。 无论是希望快速集成 AI 功能的开发者、需要多模型对比测试的研究人员,还是想免费体验最新技术的普通用户,都能从中受益。gpt4free 提供了丰富的使用方式:既包含易于上手的 Python 和 JavaScript 客户端库,也支持部署本地图形界面(GUI),更提供了兼容 OpenAI 标准的 REST API,方便无缝替换现有应用后端。 其技术亮点在于强大的多提供商支持架构,能够动态调度包括 Opus、Gemini、DeepSeek 等多种主流模型资源,并支持 Docker 一键部署及本地推理。项目秉持社区优先原则,在降低使用门槛的同时,也为贡献者提供了扩展新接口的便利框架,是探索和利用多样化 AI 资源的实用工具。
gstack
gstack 是 Y Combinator CEO Garry Tan 亲自开源的一套 AI 工程化配置,旨在将 Claude Code 升级为你的虚拟工程团队。面对单人开发难以兼顾产品战略、架构设计、代码审查及质量测试的挑战,gstack 提供了一套标准化解决方案,帮助开发者实现堪比二十人团队的高效产出。 这套配置特别适合希望提升交付效率的创始人、技术负责人,以及初次尝试 Claude Code 的开发者。gstack 的核心亮点在于内置了 15 个具有明确职责的 AI 角色工具,涵盖 CEO、设计师、工程经理、QA 等职能。用户只需通过简单的斜杠命令(如 `/review` 进行代码审查、`/qa` 执行测试、`/plan-ceo-review` 规划功能),即可自动化处理从需求分析到部署上线的全链路任务。 所有操作基于 Markdown 和斜杠命令,无需复杂配置,完全免费且遵循 MIT 协议。gstack 不仅是一套工具集,更是一种现代化的软件工厂实践,让单人开发者也能拥有严谨的工程流程。
meilisearch
Meilisearch 是一个开源的极速搜索服务,专为现代应用和网站打造,开箱即用。它能帮助开发者快速集成高质量的搜索功能,无需复杂的配置或额外的数据预处理。传统搜索方案往往需要大量调优才能实现准确结果,而 Meilisearch 内置了拼写容错、同义词识别、即时响应等实用特性,并支持 AI 驱动的混合搜索(结合关键词与语义理解),显著提升用户查找信息的体验。 Meilisearch 特别适合 Web 开发者、产品团队或初创公司使用,尤其适用于需要快速上线搜索功能的场景,如电商网站、内容平台或 SaaS 应用。它提供简洁的 RESTful API 和多种语言 SDK,部署简单,资源占用低,本地开发或生产环境均可轻松运行。对于希望在不依赖大型云服务的前提下,为用户提供流畅、智能搜索体验的团队来说,Meilisearch 是一个高效且友好的选择。
awesome-claude-skills
awesome-claude-skills 是一个精心整理的开源资源库,旨在帮助用户挖掘和扩展 Claude AI 的潜力。它不仅仅是一份列表,更提供了实用的“技能(Skills)”模块,让 Claude 从单纯的文本生成助手,进化为能执行复杂工作流的智能代理。 许多用户在使用 AI 时,常受限于其无法直接操作外部软件或处理特定格式文件的痛点。awesome-claude-skills 通过预设的工作流解决了这一问题:它不仅能教会 Claude 专业地处理 Word、PDF 等文档,进行代码开发与数据分析,还能借助 Composio 插件连接 Slack、邮箱及数百种常用应用,实现发送邮件、创建任务等自动化操作。这使得重复性任务变得标准化且可复用,极大提升了工作效率。 无论是希望优化日常办公流程的普通用户、需要处理复杂文档的研究人员,还是寻求将 AI 深度集成到开发管线中的开发者,都能从中找到适合的解决方案。其独特的技术亮点在于“技能”的可定制性与强大的应用连接能力,让用户无需编写复杂代码,即可通过简单的配置让 Claude 具备跨平台执行真实任务的能力。如果你希望让 Claude