MCP Servers Двубой — 26 май 2026 г.

1

onchain-mcp

Представят банковският наличен API за MCP

Все още няма отзивиБезплатно

Пълен преглед

Serverът на Bankless Onchain MCP е рамка за взаимодействие с данни от блокчейн чрез Bankless API. Implementира протокола Модел Контекст (MCP) за да позволи на AI модели достъп до данни за блокчейн състояние и събития по строен начин. Серверът предоставя различни данни операции, включително четене на състояние на договора, извличане на журнали за събития и преизкачване на историята на транзакциите. Представлява се пред разработчици и изследователи, които трябва да взаимодействат с блокчейн данни по структуриран начин. Притежателят на този проект вече не го обновява, което може да влияе негативно върху стабилността му и достъпността на функциите му.

• Операции със съumbnенията (прочитане на състоянието на съumbnението, получаване на прокси, получаване на ABI, получаване на източник)
• Операции със съобытия (получаване на съобытия, съставяне на тема за събитие)
• Операции със транзакциите (получаване на историята на транзакциите, получаване на информация за транзакция)

2

markitdown

Python инструмент за преобразуване на файлове и офис документи в Markdown.

Все още няма отзивиБезплатно

Пълен преглед

MarkItDown е лек Python инструмент за преобразуване на различни файлове в Markdown за използване със LLM и свързани текстови analisi пайплайни. Той е най-близък по вид до textract, но със съответна възстановка на важни документни структури и съдържание като Markdown, включително заглавия, списъци, таблици, връзки, и т.н. резултатът често е разумно прикачан и човешки-friendly, но предназначен да бъде използван от инструменти за текстова analisi и може да не е идеален вариант за високочувствителни преводи на документи за човешко съдържание. Като момента MarkItDown поддържа преобразуването на следните формати: PDF, Power Point, Word, Excel, Изображения (мъжки dati на EXIF и OCR), Аудио (мъжки dati на EXIF и транскрипция на говор), HTML, Текстови формати (CSV, JSON, XML), ZIP файлове, Youtube URL-ове, EPubs, и още множество формати. Поръчителстваме да използвате виртуална среда, за да се избегнат конфликтите между зависимостите. С Python 3.10 или повече, можете да инсталирате MarkItDown чрез pip: pip инсталира 'markitdown[всички]' или от източника с: git clone git@github.com:microsoft/markitdown.git, след това pip инсталира -e 'packages/markitdown[всички]'. Използването на MarkItDown включва извикване от команден ред, като посочите изходния файл, използвайки чрез пайпинг съдържанието или използвайки функцията конвертиране *_function за конкретни случаи на ползване.

• Преобразуване на PDF, PowerPoint, Word, Excel
• Поддръжка на картинки (метаданные EXIF и ОCR)
• Поддръжка на Аудио (метаданные EXIF и речен превод)
• Поддръжка на HTML, текстови формати (CSV, JSON, XML)
• Поддръжка на ZIP файлове, YouTube URL-ове, EPubs
• Опционални зависимости за активиране на различни файлови формати

3

mcp-clickhouse

mcp-clickhouse MCP-сервер

Все още няма отзивиБезплатно

Пълен преглед

Серверът mcp-clickhouse е MCP сервизър за ClickHouse. Той покрива ClickHouse Tools, включително run_query за изпълнение на SQL заявки върху вашия ClickHouse клаустр, list_databases за избеляване на всички бази данни върху вашия ClickHouse клаустр и list_tables для избеляване на таблици в дадена база данни с пагинация. Намерението му също така включва chDB Tools, като run_chdb_select_query, за извършване на SQL заявки използвайчи чDB-ния вграден ClickHouse Engine. Разполага също така с конечен точки за оцеляване, за да провери състоянието на сервизъра и механизъм за сигурност за аутентификация. Сервизъра може да бъде настроян за вътрешни услуги, местна разработка или с помощта на провайдъри за аутентификация чрез OAuth / OIDC с FastMCP.

• run_query за изпълнение на SQL запити на ClickHouse кластер
• list_databases за списък на всички бази данни на ClickHouse кластер
• list_tables за списък на таблици в база данни с пагинация
• run_chdb_select_query за изпълнение на SQL запити с помощта на chDB.embedded ClickHouse двигател
• Здраветен Пункт за проверка за сървърно мониторинги
• Множество режими на валидация, включително OAuth и OIDC чрез FastMCP

Сервър MCP за QA Sphere TMS е клиент, използван за интегриране на големи модели за езиковите данни (LLMs) с QA Sphere (QSP) за усилване възможностите за създаване на тестови сценарии. След като се конфигурира сървъра (детайли могат да се намерят в GitHub), моделите за language generation (LLMs) могат да се съобщават с автоматизирани тестове от QA Sphere. Използвайки MCP (Model Callback Protocol), то прави възможно разработчиците и тестерите бързо да създават AI-базирани тестове, автоматизират задачи и да изпълняват интегрирани с QAS Sphere пакети от тестове. Разпознаването на базата на MCP-based solution е осъществено с ползователя, което позволява на широка част от задачи на проверката да бъдат автоматизирани, включително и откриване и изпълнение на тестови случаи. Направете отнасяне към големи модели на език, автоматизирайте задачите и изпълнете тестови комплекти, интегрирани с системата на управлението на тестовите комплекти от QA Sphere.

• Сервер MCP за системи на управление на тестовете QA Sphere
• Поддръжка за взаимодействие на големи модели на езика (LLMs)
• Достъп до API и конфигурация
• Съвместима свсякакъв клиент MCP

5

MemoryMesh

Сервер за граф на знания, използвайки протокола Model Context Protocol (MCP) за предоставяне на структурирано съхранение на паметта за модела на AI. v0.2.8

Все още няма отзивиБезплатно

Пълен преглед

MemoryMesh e сервиз за граф на знания, проектиран за AI модели, със състезание върху текстови RPG и интерактивна история. Има за цел да помага на AI да запази едини, структуриран паметен обзор, които дава възможност за по-изобилият и по-динамичен диалог. Проектът е базиран на Knowledge Graph Memory Server от репозиториите MCP servers и запазва сърцето му. MemoryMesh дарява възможност на потребителите да създават и управляват структурирана информация за AI модели. MemoryMesh e локален сървър за знания на grafo, който най-силно се подава за текстови RPG, но също може да се използва за симулации на социални мрежи, организиране на организиране или какъвто и друг сценарий, включващ структурирана информация. Ключови Функции Динамични Схеми: Определете структурата на данните с помощта на схеми и MemoryMesh автоматично генерира инструменти за добавяне, актуализация и изтриване на данни. Интуитивна Схема: Създайте схеми, които водят ръководителя на AI в генерирането и свързването на нодове, използвайки необходими полета, изброени типове и дефинирани връзки. Метаданни за насочване на AI: Използвайте метаданни за предоставяне на контекст и структура, помагайки AI да разбере значението и връзките между данните. Управление на Връзки между данни: Определете връзките върху схемите, което стимулира AI да създава Свръзки между повръзени данни точки. Информативна обратна връзка: Подпълва грешки на AI-та, поемайки я да учире от неуспехи и подобрява взаимодействието и с knowledge graph-та. Поддръжка на събития: Системата за събития отслужва операциите, предоставяйки прозрание до какви промени са правени в knowledge graph-та. Нодите представляват ентитета или концепциите в знакови график, всеки от които има име, тип на нод, метадатии и тежест.Релациите представляват връзките между нодите, всеки от които има източна нод, мишленна нод и тип на релация. Схемите са сърцето на MemoryMesh и определят структурираното съдържание с автоматично генерираните инструменти.

• Динамичен шаблон за инструменти
• Умножителен дизайн на шаблона
• Метаданни за водещи на AI
• Обслужване на отношенията
• Информативни обратни данни
• Поддръжка на събитията