MCP Servers Souboj — 26. května 2026

1

onchain-mcp

Přinášíme bezbankovní API Onchain k MCP

Žádné recenzeZdarma

Plná recenze

Server Bankless Onchain MCP je rámec pro interakci s daty na blockchainu prostřednictvím Bankless API. Implementuje Model Context Protocol (MCP), aby umožnil přístup AI modelů k datům o stavu a událostem blockchainu strukturovaným způsobem. Server poskytuje různé datové operace, včetně čtení stavu kontraktu, získávání protokolů událostí a získávání historie transakcí. Je určen pro vývojáře a výzkumníky, kteří potřebují interagovat s daty blockchainu strukturovaným způsobem. Tento projekt již není aktualizován a jeho stav údržby může ovlivnit jeho stabilitu a dostupnost funkcí.

• Operace s kontrakty (načtení stavu kontraktu, získání proxy, získání ABI, získání zdrojového kódu)
• Operace se událostmi (získání událostí, stavení tématu události)
• Operace s transakcemi (získání historie transakci, získání informací o transakci)

2

markitdown

Python nástroj pro převod souborů a kancelářských dokumentů na Markdown.

Žádné recenzeZdarma

Plná recenze

MarkItDown je lehká pythonová utilita pro převod různých souborů do formátu Markdown pro použití s LLM a souvisejícími textovými analytickými pipeliney. Je nejvíce srovnatelná s textractem, ale se zaměřením na zachování důležité struktury a obsahu dokumentu jako Markdown, včetně nadpisů, seznamů, tabulek, odkazů atd. Výstup je často rozumně prezentovatelný a uživatelsky přívětivý, ale je určen pro spotřebu nástroji textové analýzy a nemusí být tou nejlepší volbou pro vysoce věrné převody dokumentů pro lidskou spotřebu. MarkItDown aktuálně podporuje konverzi z PDF, PowerPointu, Wordu, Excelu, obrázků (EXIF metadata a OCR), zvuku (EXIF metadata a přepis řeči), HTML, textových formátů (CSV, JSON, XML), souborů ZIP, adres URL YouTube, EPubů a dalších. Doporučujeme používat virtuální prostředí, abyste se vyhnuli konfliktům závislostí. S Pythonem 3.10 nebo vyšším můžete nainstalovat MarkItDown pomocí nástroje pip: pip install 'markitdown[all]' nebo ze zdroje pomocí: git clone git@github.com:microsoft/markitdown.git, poté pip install -e 'packages/markitdown[all]'. Používání MarkItDown zahrnuje vyvolání z příkazového řádku, a to buď zadáním výstupního souboru, předáním obsahu pomocí potrubí nebo použitím nejužší funkce convert_* pro specifické případy použití.

• Převod PDF na Markdown
• Převod PowerPoint na Markdown
• Převod Word na Markdown
• Převod Excel na Markdown
• Podpora Obrázky (EXIF metadata a OCR)
• Podpora Audio (EXIF metadata a přenos mluveného slova)

3

mcp-clickhouse

mcp-clickhouse Řídicí server MCP

Žádné recenzeZdarma

Plná recenze

Řídicí server mcp-clickhouse je MCP server pro ClickHouse. Využívá nástroje ClickHouse, jako jsou například run_query pro výkonnostní dotazy na ClickHouse cluster, list_databases pro výpis všech databází na ClickHouse clusteru a list_tables pro seznam tabulek ve specifikované databázi s výčtem stran. Kromě toho obsahuje nástroje chDB, jako je run_chdb_select_query pro vykonání dotazů SQL pomocí integrovaného ClickHouseho motoru v chDB.

• výkon dotazů SQL na clusteru ClickHouse
• seznam všech databází na clusteru ClickHouse
• seznam tabulek ve specifikované databázi s výčtem stran
• display dotazů SQL pomocí integrovaného ClickHouseho motoru v chDB
• Konferenční bod pro monitoring stavu serveru
• Multiples režimy ověřování, včetně OAuth a OIDC prostřednictvím FastMCP

Server MCP pro QA Sferu TMS je klient, který se používá k integraci velkých jazykových modelů (LLMs) s QA Sphere (QSP) pro posílení kapacity tvorby testovacích skriptů. Po konfiguraci serveru (podrobnosti jsou k dispozici na GitHubu) mohou tyto LLMs komunikovat s automatickými testovacími případy QA Sphere. Používáním protokolu MCP (Model Callback Protocol) umožňuje vývojářům a testérům rychle vytvářet AI založené testovací případy, automatizovat úkoly a spustit testovací sestavy integrované se systémem QAS Sphere. Rakovinová řešení založená na MCP je uživatelský podporované řešení, umožňující širokou řadu úloh kvality automatizovat, včetně objevování a spouštění testovacích případů. Navíc vám je možné odkázat velké jazykové modely, automatizovat úkoly a spustit testovací sestavy integrované se systémem kvality QAS Sphere TMS.

• Server pro řízení testů systému QA Sphere
• Podporainteraction velkých modelů jazyka (LLMs)
• K dispozici přístup API a konfigurace
• Kompatibilní s jakýmkoliv klientským MCP rozhraním

5

MemoryMesh

Servery znalostní sítě, které používají protokol Kontext modelu (MCP) k poskytování strukturovaného uchování paměti pro modely AI.

Žádné recenzeZdarma

Plná recenze

MemoryMesh je znalostní grafový server navržený pro modely umělé inteligence se zaměřením na textové RPG hry a interaktivní vyprávění. Pomáhá umělé inteligenci udržovat konzistentní, strukturovanou paměť napříč konverzací, což umožňuje bohatší a dynamičtější interakce. Projekt je založen na Knowledge Graph Memory Serveru z úložiště MCP servers a zachovává jeho základní funkcionalitu. MemoryMesh umožňuje uživatelům vytvářet a spravovat strukturované informace pro modely umělé inteligence. MemoryMesh je lokální server znalostního grafu, který je obzvláště vhodný pro textové RPG hry, ale lze jej také použít pro simulace sociálních sítí, organizační plánování nebo jakékoli scénáře zahrnující strukturovaná data. Klíčové funkce Dynamické nástroje založené na schématech: Definujte strukturu svých dat pomocí schémat a MemoryMesh automaticky generuje nástroje pro přidávání, aktualizaci a mazání dat. Intuitivní návrh schémat: Vytvářejte schémata, která vedou AI při generování a propojování uzlů pomocí povinných polí, výčtových typů a definic vztahů. Metadeta pro vedení AI: Používejte metadata k poskytování kontextu a struktury, což pomáhá AI porozumět významu a vztahům uvnitř vašich dat. Zpracování vztahů: Definujte vztahy v rámci svých schémat, abyste povzbudili AI k vytváření spojení mezi souvisejícími datovými body. Informační zpětná vazba: Poskytuje chyby zpětné vazby AI, což jí umožňuje učit se z chyb a zlepšovat své interakce s znalostním grafem. Podpora událostí: Systém událostí sleduje operace a poskytuje informace o tom, jak je znalostní graf upravován. Uzlové body představují entity nebo koncepty v rámci znalostního grafu, každý má jméno, nodeType, metadata a váhu. Hrany představují vztahy mezi uzlovými body, každý má zdrojový uzel, cílový uzel a edgeType. Schémata jsou srdcem MemoryMesh a definují datovou strukturu s automaticky generovanými nástroji.

• Dynamické nástroje založené na schématu
• Intuitivní návrh schématu
• Metadaty pro vedení AI
• Zpracování vztahů
• Informační zpětná vazba
• Podpora událostí