MCP Servers Yhteenotto — 26. toukokuuta 2026

1

onchain-mcp

Tuodaan bankless onchain API MCP:hen

Ei arvioitaIlmainen

Koko arvostelu

Bankless Onchain MCP Server on kehys on‑chain‑datan kanssa vuorovaikutukseen Bankless API:n kautta. Se toteuttaa Model Context Protocol (MCP) -protokollan, jonka avulla AI‑mallit voivat käyttää lohkoketjun tilaa ja tapahtumatietoja rakenteellisella tavalla. Palvelin tarjoaa erilaisia data‑toimintoja, kuten sopimuksen tilan lukemista, tapahtumalokien hakua ja transaktiohistorian hakua. Se on suunnattu kehittäjille ja tutkijoille, jotka tarvitsevat strukturoitua vuorovaikutusta lohkoketjun datan kanssa. Tämä projekti ei enää saa päivityksiä, ja sen ylläpitotila saattaa vaikuttaa sen vakauteen ja ominaisuuksien saatavuuteen.

• Sopimustoiminnot (lue sopimuksen tila, hae proxy, hae ABI, hae lähde)
• Tapahtumatoiminnot (hae tapahtumat, rakenna tapahtuma‑aihe)
• Transaktiotoiminnot (hae transaktiohistoria, hae transaktiotiedot)

2

markitdown

Python työkalu, joka muuntaa tiedostoja ja toimistodokumentteja Markdown-ohjelmointikielen muotoon.

Ei arvioitaIlmainen

Koko arvostelu

MarkItDown on kevytPython-työkalu asiakirjojen muuntamista Markdown-kieleeksi LLM -lentäjien ja liittyvien tekstianalyysiputkiin. Sen on suhteellisesti verrattavissa textractiin, mutta sen fokus on säilyttää tärkeitä asiakirjan rakenne ja sisältö Markdown-kielelle, kuten otsikot, luetteloet, pöytätiedot, linkkejä ynnä muita. Itekset muutetaan usein kohtuullisessa tarkkuudessa ja ihmismielen ystävällisesti, mutta se on tarkoitettu tekstianalyysiohjelmille, ja sen ei ole tarkoitusta korkeatasoisen tarkkuuden asiakirjojen muuntamiselle ihmismielelle. MarkItDown tukee tällä hetkellä konversioita seuraavilta tiedosto- ja tiedotyyppiltä: PDF, PowerPoint, Word, Excel, Kuvat (EXIF-metadata ja OCR), Äänitiedostot (EXIF-metadata ja puheen tulkkaus), HTML, Teksti-tyypilliset muodot (CSV, JSON, XML), ZIP-tiedostot, Youtube-URLit, EPubs, ja muita. Suositellaa käyttää virtuaalijärjestelmää välttääkseen riippuvuuksien konfliktit. Python 3.10 tai korkeampaa versiota käyttäen voit asentaa MarkItDown käyttäen pip:ja pip install 'markitdown[kaikki]' tai lähtiessä lähteestä : git clone git@github.com:microsoft/markitdown.git, sitten pip install -e 'packages/markitdown[kaikki]'. MarkItDownn käytön käyttäminen sisältää komentorivivalinnan, jossa voidaan säätää tulostiedoston osoite, tai ohjelmallisesti ohjelmaan syötettävää sisältöä. Toimintoa voidaan täydentää valmistamalla tarpeen mukaan yksilöllisiä sovelluksia käyttäen niitä tarkoitusta varten tarkoitettuja funktioita convert_*.

• PDF- ja Office-dokumenttien muuntaaminen Markdown-muotoon
• Kuvien tuki (EXIF-määriä ja kuvien tunnistamista)
• Audio-tiedostojen tuki (EXIF-määriä ja puheen transkriptio)
• HTML- ja tekstiperustaiset muodot (CSV, JSON, XML)
• Zip-pakkausten tuki, Youtube-lähdekuviot, EPuben tuki
• Valinnaiset riippuvuudet eri tiedostomuotojen käyttöön

3

mcp-clickhouse

mcp-clickhouse MCP-palvelin

Ei arvioitaIlmainen

Koko arvostelu

MCP-palvelin mcp-clickhouse toimii ClickHousen kanssa. Siihen sisältyy ClickHouse-työkaluja, kuten run_query, jolla voi suorittaa SQL-kyselyitä ClickHouse-klusterillesi, list_databases, jolla voit listata kaikki tietokannat ClickHouse-klusterillesi, ja list_tables, jolla voit listata tietokantoja ja käyttää sivuttamista. Lisäksi se sisältää chDB-työkaluja, kuten run_chdb_select_query, jolloin voit suorittaa SQL-kyselyitä käyttäen chDB:n sisäänrakennettua ClickHouse-motoria. Se toimii myös terveyden tarkastusrajapinnassa, jolla voit tarkistaa palvelimen terveyden ja tarjoaa turvallisuusmekanismia tunnistautumiseen. Palvelinta voidaan määrittää sisäisille palveluille, paikalliselle kehittämistuotantoon tai OAuth / OIDC-tunnuksella tunnistautuminen antaville tukiasemille kautta FastMCP:llä.

• run_query SQL-kyselyjen suorittamiseen ClickHouse-klusterissa
• list_databases kaikkien tietokantojen luettelointi ClickHouse-klusterissa
• list_tables tietokannan taulukoiden luettelointi sivutuksella
• run_chdb_select_query SQL-kyselyjen suorittamiseen chDB:n upotetulla ClickHouse-moottorilla
• Terveystarkastus Endpoint-palvelun valvontaan
• Useita todennusmoodeja, mukaan lukien OAuth ja OIDC FastMCP:n kautta

MCP Server for QA Sphere TMS on asiakasohjelma, jota käytetään Large Language Models (LLM) -mallien integrointiin QA Sphereen (QSP) testiskriptien luomiskyvyn parantamiseksi. Kun palvelin on konfiguroitu (lisätiedot GitHubissa), LLM:t voivat olla vuorovaikutuksessa QA Sphere:n automatisoitujen testitapausten kanssa. Hyödyntämällä MCP:tä (Model Callback Protocol) se mahdollistaa kehittäjille ja testaajille AI-pohjaisten testitapausten nopean luomisen, tehtävien automatisoinnin sekä QAS Sphereen integroitujen testisarjojen ajamisen. MCP-pohjainen ratkaisu on käyttäjäkeskeinen, ja se mahdollistaa laajan valikoiman QA‑tehtävien automatisoinnin, mukaan lukien testitapausten havaitseminen ja suorittaminen. Lisäksi voit hyödyntää suuria kielimalleja, automatisoida tehtäviä ja ajaa testisarjoja, jotka on integroitu QA Sphere Test Management Systemiin.

• MCP-palvelin QA Sphere testien hallintasysteemille
• Suuriin Kielioppien Malli-luokkiin (LLM) tarkistukset toimivat
• API-käyttö- ja määrittely
• Yhteensopivuus joko mikä tahansa MCP-asiakas
• API-käyttöä ja asetusten muokkausta

5

MemoryMesh

Tietokoneen muisti-alue, eli käyttöönotettu muisti, joka käyttää Model Context Protokollaa (MCP) antamaan jäsennettyjä muistin pysyvyyssääntöjä AI-malleille.

Ei arvioitaIlmainen

Koko arvostelu

MemoryMesh on AI-malleja varten suunniteltu tietokasikirjanpalvelin, joka keskittyy tekstipeliin ja interaktiiviseen kertomukseen. Se auttaa A:ta säilyttämään yhtenäisiä ja strukturatuun muistia keskustelujen välillä, mahdollistaen rikkaampia ja dynaamillisempia vuorovaikuntaa. Projektikin perustuu Knowledge Graph Memory Server:hen MCP-servaaleista varaston ja säilyttää sen perusrakenne. MemoryMesh tarjoaa käyttäjille taitoa rakentaa ja hallita strukturoutta tietoa A-malleille. MemoryMesh on paikallinen tietokerratietokanta-palvelin, jota soveltuu erityisen hyvin tekstipohjaisiin roolipeliin, mutta voidaan myös käyttää sosiaalisen verkoston simuloinnissa, organisaation suunnittelussa tai mihin tahansa muuhun, jossa on käytössä rakenteellista dataa. Pääominaisuudet Dynaamiset Schemadepyyntöön perustuvat Työkalut: Määrittele tiedotstruktuuri schemoilla, ja MemoryMesh generoi automaattisesti työkaluja tietojen lisäämiseksi, päivittämiseksi ja poistamiseksi. Helppo Schemakalustelu: Luo sääntöjä, joiden mukaan AI-ohjelmisto suunnittelee ja yhdistää solmuja, käyttäen vaadittavia kenttiä, määriteltyjä tulostyyppejä ja suhteen määritteitä. Luonnollinen Tiedonhallinta: Käytä tietoja ohjelmiston johdon mukaan ymmärtämään kohteiden merkitystä ja suhteita tietoon. Suhdehallinta: Määrittele sopimuksia yksityiskohtien välillä, sillä niiden avulla voidaan ohjelman tarkentaa luomaan kytkykset ja liitännät. Informoivaa palautetta: Palauttaa virheen tiedon antamiseen, mahdollistaen AI: n opiskelun virheistä ja parantamisen sen vuorovaikutusta tietokannan kanssa. Tapahtumien tuki: Tapahtumia käsittelevä järjestelmä tukkiin toimintoja, tarjoamalla näyttöä siitä, miten tietokanta on käytössä muutettuna. Solmut edustavat kohteita tai käsitteitä tietokannan graafissa, jokaisella on nimi, solmutyyppi, metatiedot ja paino. Kantorakennelmat edustavat suhdetta solmujen välillä, jokaisella on lähtösolmu, maalissolmu ja kantalajike. Schemat ovat MemoryMeshin sydäntä ja määrittelevät datarakenteen automaattisesti Luoituiksi työkaluiksi.

• Dynaaminen skaavamuuttujien työkalut
• Intuitiivinen skaavausmuotoilu
• Metadata AI-ohjeistuksen tueksi
• Suhdehoito
• Informaatiomuisti
• Tapahtumasuojelu