registry
registry 是一个由社区驱动的 Model Context Protocol (MCP) 服务器注册中心,常被比作"MCP 服务器的应用商店”。它的核心作用是为 MCP 客户端提供一份完整、可信赖的服务器列表,解决了当前生态中服务发现困难、资源分散的问题,让开发者能轻松找到并集成所需的功能模块。
这款工具主要面向构建 AI 应用的开发者和技术研究人员。通过 registry,用户可以快速浏览、搜索并发布自己开发的 MCP 服务器,极大地促进了生态系统的协作与增长。其独特的技术亮点在于采用了开放的社区治理模式,并已进入 API 冻结阶段(v0.1),这意味着接口在未来一段时间内将保持高度稳定,方便集成者放心开发而无需担心频繁的破坏性变更。此外,项目提供了完善的本地开发环境支持,基于 Docker 和 Go 构建,允许开发者在隔离环境中模拟生产行为进行调试。无论是希望扩展 AI 能力的工程师,还是想要贡献服务的开源爱好者,registry 都是连接需求与供给的关键枢纽。
使用场景
某 AI 应用开发团队正在构建一个智能客服系统,需要快速集成多个具备不同能力(如查询数据库、调用外部 API)的 MCP 服务器来增强大模型的功能。
没有 registry 时
- 发现困难:开发者只能依赖零散的 GitHub 仓库或社区论坛手动搜寻可用的 MCP 服务器,效率极低且容易遗漏优质资源。
- 信任缺失:下载的服务器代码缺乏统一验证机制,难以判断其是否兼容当前协议版本或是否存在安全隐患。
- 集成繁琐:每个服务器的配置方式、参数定义各不相同,团队需花费大量时间阅读文档并编写适配代码。
- 更新滞后:无法及时获知所集成的服务器是否有新版本发布,导致系统长期运行在过时或不稳定的版本上。
使用 registry 后
- 一站式发现:通过 registry 提供的“应用商店”式列表,团队可瞬间浏览并按类别筛选出所有经过社区认证的 MCP 服务器。
- 标准化合规:列表中展示的服务均通过 API 冻结期的稳定性验证,确保协议兼容性与安全性,大幅降低试错成本。
- 自动化接入:客户端可直接读取 registry 中的标准化元数据,自动生成连接配置,将原本数小时的集成工作缩短至分钟级。
- 动态同步:系统能自动监测 registry 上的版本更新通知,确保持续获取最新功能修复,维持服务的高可用性。
registry 将分散混乱的 MCP 生态整合为有序、可信且易于消费的基础设施,极大加速了 AI 应用的落地进程。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
MCP 注册中心
MCP 注册中心为 MCP 客户端提供 MCP 服务器列表,类似于 MCP 服务器的应用商店。
📤 发布我的 MCP 服务器 | ⚡️ 实时 API 文档 | 👀 生态系统愿景 | 📖 完整文档
开发状态
2025-10-24 更新: 注册中心 API 已进入 API 冻结(v0.1) 🎉。在未来一个月或更长时间内,API 将保持稳定,不会引入破坏性变更,以便集成方能够放心地实现支持。此次冻结仅针对 v0.1 版本,而 v0 版本的开发仍在继续。我们将利用这段时间在实际集成中验证 API,并收集反馈以制定面向正式发布的 v1 版本。感谢各位的贡献与耐心——正是你们的参与才让我们走到今天!
2025-09-08 更新: 注册中心已上线预览版 🎉 (公告博客文章)。尽管系统目前更加稳定,但这仍然是预览版本,仍可能出现破坏性变更或数据重置。正式发布(GA)将在稍后推出。我们非常欢迎您的反馈,请前往 GitHub 讨论区 或 #registry-dev Discord 提出(加入详情请见此处)。
当前主要维护者:
- Adam Jones(Anthropic)@domdomegg
- Tadas Antanavicius(PulseMCP)@tadasant
- Toby Padilla(GitHub)@toby
- Radoslav (Rado) Dimitrov(Stacklok)@rdimitrov
贡献方式
我们使用多种渠道进行协作——详情请参阅 modelcontextprotocol.io/community/communication。
通常情况下(但不总是),想法会通过以下流程推进:
快速入门:
前置条件
- Docker
- Go 1.24.x
- ko - Go 的容器镜像构建工具(安装说明)
- golangci-lint v2.4.0
运行服务端
# 启动完整的开发环境
make dev-compose
这将启动运行在 localhost:8080 的注册中心服务,并配备 PostgreSQL 数据库。数据库使用临时存储,每次重启容器时都会被重置,从而确保开发和测试时处于干净的状态。
注意: 注册中心使用 ko 构建容器镜像。make dev-compose 命令会自动使用 ko 构建注册中心镜像,并将其加载到本地 Docker 守护进程中,然后再启动各项服务。
默认情况下,注册中心会从生产 API 中抽取经过筛选的服务器子集作为种子数据(以加快启动速度),从而确保本地环境与生产环境的行为一致,并且所有种子数据都通过验证。若需离线开发,您也可以通过文件导入种子数据而不进行验证,只需设置 MCP_REGISTRY_SEED_FROM=data/seed.json MCP_REGISTRY_ENABLE_REGISTRY_VALIDATION=false make dev-compose 即可。
该配置可通过 docker-compose.yml 中的环境变量进行调整——参考 .env.example 获取示例。
替代方案:运行预构建的 Docker 镜像
预构建的 Docker 镜像会自动发布到 GitHub Container Registry:
# 运行最新稳定版
docker run -p 8080:8080 ghcr.io/modelcontextprotocol/registry:latest
# 运行主分支的最新版本(持续部署)
docker run -p 8080:8080 ghcr.io/modelcontextprotocol/registry:main
# 运行特定版本
docker run -p 8080:8080 ghcr.io/modelcontextprotocol/registry:v1.0.0
# 运行主分支的开发构建
docker run -p 8080:8080 ghcr.io/modelcontextprotocol/registry:main-20250906-abc123d
可用标签:
- 发布版:
latest、v1.0.0、v1.1.0等。 - 持续集成:
main(主分支最新构建) - 开发版:
main-<日期>-<sha>(特定提交构建)
发布服务器
为了发布服务器,我们开发了一个简单的命令行工具。您可以按如下方式使用:
# 构建最新的 CLI 工具
make publisher
# 使用它!
./bin/mcp-publisher --help
更多详细信息请参阅 发布者指南。
其他命令
# 运行代码检查、单元测试和集成测试
make check
此外还有一些对开发有用的命令。运行 make help 可了解更多内容,或查看 Makefile。
架构
项目结构
├── cmd/ # 应用程序入口点
│ └── publisher/ # 服务器发布工具
├── data/ # 种子数据
├── deploy/ # 部署配置(Pulumi)
├── docs/ # 文档
├── internal/ # 私有应用代码
│ ├── api/ # HTTP 处理程序和路由
│ ├── auth/ # 身份验证(GitHub OAuth、JWT、命名空间拦截)
│ ├── config/ # 配置管理
│ ├── database/ # 数据持久化(PostgreSQL)
│ ├── service/ # 业务逻辑
│ ├── telemetry/ # 指标与监控
│ └── validators/ # 输入验证
├── pkg/ # 公开包
│ ├── api/ # API 类型和结构
│ │ └── v0/ # v0 版本的 API 类型
│ └── model/ # server.json 的数据模型
├── scripts/ # 开发和测试脚本
├── tests/ # 集成测试
└── tools/ # CLI 工具和实用程序
└── validate-*.sh # 模式验证工具
身份验证
Publishing 支持多种身份验证方式:
- GitHub OAuth - 通过登录 GitHub 进行发布
- GitHub OIDC - 从 GitHub Actions 中进行发布
- DNS 验证 - 用于证明对域名及其子域名的所有权
- HTTP 验证 - 用于证明对域名的所有权
注册表在发布时会验证命名空间的所有权。例如,要发布……:
io.github.domdomegg/my-cool-mcp,您必须以domdomegg的身份登录 GitHub,或者在domdomegg的仓库中运行 GitHub Actions;me.adamjones/my-cool-mcp,您必须通过 DNS 或 HTTP 挑战来证明对adamjones.me的所有权。
社区项目
请查看 社区项目,了解社区创建的值得关注的与注册表相关的成果。
更多文档
如果您在此处未找到答案,请参阅 文档 以获取更多详细信息!
版本历史
v1.5.02026/03/06v1.4.12026/02/10v1.4.02025/12/16v1.3.102025/11/18v1.3.92025/11/17v1.3.82025/11/03v1.3.72025/10/29v1.3.62025/10/29v1.3.52025/10/24v1.3.42025/10/24v1.3.32025/10/16v1.3.22025/10/16v1.3.12025/10/15v1.3.02025/10/14v1.2.32025/09/30v1.2.22025/09/30v1.2.12025/09/30v1.2.02025/09/30v1.1.02025/09/24v1.0.02025/09/08相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器