MCP Servers התמודדות — 26 במאי 2026

1

onchain-mcp

מביאים את בנק-לס API ל-AI למבנה MCP

אין עדיין ביקורותחינם

ביקורת מלאה

מאפשר ה-Bankless Onchain MCP Server הוא תפריט להתקשרות עם נתוני הרשת העקיפה דרך API Bankless. זה מממש MCP Model Context הלהוט - לאפשר AI מודלים אין access נגישות כביש

• Contract
• Event
• Transaction

2

markitdown

תכולי Python להמרת קובצים ודוקומנטים קופסה ל-Markdown.

אין עדיין ביקורותחינם

ביקורת מלאה

MarkItDown הוא כלי Python קל משקל להמרת קבצים שונים ל‑Markdown לשימוש עם LLMs וצינורות ניתוח טקסט קשורים. הוא דומה ביותר ל‑textract, אך מתמקד בשימור מבנה ותוכן המסמך החשובים כ‑Markdown, כולל כותרות, רשימות, טבלאות, קישורים ועוד. הפלט לרוב קריא ונוח לבני אדם, אך הוא נועד להיזון לכלי ניתוח טקסט, ולכן עשוי שלא להיות האפשרות הטובה ביותר להמרות מסמכים באיכות גבוהה לצריכה אנושית. MarkItDown תומך כעת בהמרה מ-PDF, PowerPoint, Word, Excel, תמונות (נתוני EXIF ו‑OCR), אודיו (נתוני EXIF ותמלול דיבור), HTML, פורמטים מבוססי טקסט (CSV, JSON, XML), קבצי ZIP, כתובות URL של YouTube, EPubs ועוד. מומלץ להשתמש בסביבת וירטואלית כדי למנוע קונפליקטים בתלויות. עם Python 3.10 או גבוה יותר, אפשר להתקין את MarkItDown באמצעות pip: pip install 'markitdown[all]' או מהמקור באמצעות: git clone git@github.com:microsoft/markitdown.git, ואז pip install -e 'packages/markitdown[all]'. הפעלת MarkItDown מתבצעת משורת הפקודה, בין אם על‑ידי ציון קובץ הפלט, העברת תוכן דרך pipe, או שימוש בפונקציית convert_* הצרה ביותר למקרים ספציפיים.

• המרת קבצי PDF, PowerPoint, Word, Excel
• תמיכה בתמונות (מטא‑נתוני EXIF ו‑OCR)
• תמיכה בקבצי שמע (מטא‑נתוני EXIF ותמלול דיבור)
• תמיכה ב‑HTML ובפורמטים מבוססי טקסט (CSV, JSON, XML)
• תמיכה בקבצי ZIP, קישורים מ‑YouTube, קבצי EPub
• תלויויות אופציונליות להפעלת פורמטים שונים של קבצים

3

mcp-clickhouse

mcp-clickhouse MCP server

אין עדיין ביקורותחינם

ביקורת מלאה

המפרש mcp-clickhouse הוא תחנת MCP ל-ClickHouse. הוא כולל כלי ClickHouse, כמו ריצה של טרדביות SQL (run_query) לריצת משפטי SQL על קבוצת ClickHouse שלך, רשימת קבצי מיינורה (list_databases) כדי לרשום קבצים כלל (all) על קבוצת ClickHouse שלך, ורשימת שולחנות (list_tables) לרשום שולחנות בקבצי (tables) של קבצי-מיינורה (database) עם היידפי (pagination). כמו כן, הוא כולל כלי ChDB, כמו run_chdb_select_query, כדי לרץ תרדביות SQL המאמצות (use) מנוע ClickHouse נבנה-בתוך (embedded) של chDB. הוא גם מספק נקודת-סיועה (endpoint) Health Check כדי לבדוק תקינות של השרת. כמו כן, הוא נותן מ cơ מ (mechanism) Of-security (security) כדי לאימות (auth) והיתר (authorize). השרת יכולה לעצב (set up) לשירותי-פנים (internal services), פיתוח-מקומי (local development), או עם מסמכי-התאמה OAuth/OIDC (authentication providers) באמצע פאסט-MCP (FastMCP).

• run_query לריצת פקודי SQL (SQL) על קבוצת ClickHouse
• רשימת קבצי-מיינורה (list_databases) כדי לרשום קבצי (databases) כלל (all) על קבוצת ClickHouse
• רשימת שולחנות (list_tables) לרשום שולחנות (tables) בקבצי (database) עם היידפי (pagination)
• run_chdb_select_query לריצות-פקודת SQL (SQL) המאמצות (use) מנוע ClickHouse נבנה-בתוך (embedded) של chDB
• נקודת-סיועה (endpoint) Health Check לרישום של השרת
• מ ו- (modes) Of-authentication (authentication) שכלל-אחד (multiple) , כמ ו- (including) OAuth ו- (and) OIDC באמ- (through) FastMCP

שרת MCP עבור QA Sphere TMS הוא לקוח המשמש לשילוב מודלים שפה גדולים (LLMs) עם QA Sphere (QSP) כדי לשפר את יכולות יצירת סקריפטים לבדיקה. לאחר הגדרת השרת (פרטים זמינים ב-GitHub), יכולים LLMs לקיים אינטראקציה עם מקרי הבדיקה האוטומטיים של QA Sphere. על ידי ניצול ה-MCP (פרוטוקול התקשרות מודל), הוא מאפשר למפתחים ולבודקים ליצור במהירות מקרי בדיקה מבוססי בינה מלאכותית, לאוטומט תהליכים, ולבצע חבילות בדיקה משולבות עם QAS Sphere. הפתרון מבוסס MCP הוא בעל תמיכת משתמש, ומאפשר לאוטומט מגוון רחב של משימות אבטחת איכות, כולל גילוי וביצוע של מקרי בדיקה. בנוסף, ניתן להתייחס למודלים שפתיים גדולים, לאוטומט משימות, ולבצע סוויטות בדיקה משולבות עם מערכת ניהול הבדיקות של QA Sphere.

• שרת MCP למערכת ניהול בדיקות QA Sphere
• תמיכה באינטראקציה עם מודלים גדולים של שפה (LLMs)
• גישה וקונפיגורציה של API
• תואם עם כל לקוח MCP

5

MemoryMesh

שרת רשת ידע שמשתמשת במדד סיבות-טכנולוגיה (MCP) כדי להציע אחסון בשרת של זיכרון מערוכת למודלי AI.

אין עדיין ביקורותחינם

ביקורת מלאה

MemoryMesh הוא שרת גרף ידע המיועד למודלי בינה מלאכותית, עם דגש על RPG מבוססי טקסט וסיפור אינטראקטיבי. הוא עוזר לבינה מלאכותית לשמור על זיכרון עקבי ומובנה לאורך השיחות, מה שמאפשר אינטראקציות עשירות ויותר דינמיות. הפרויקט מבוסס על Knowledge Graph Memory Server ממאגר ה‑MCP servers ומשמר את הפונקציונליות המרכזית שלו. MemoryMesh מאפשר למשתמשים לבנות ולנהל מידע מובנה עבור מודלי בינה מלאכותית. MemoryMesh הוא שרת גרף ידע מקומי שמתאים במיוחד למשחקי תפקידים מבוססי טקסט, אך ניתן להשתמש בו גם לסימולציות של רשתות חברתיות, תכנון ארגוני, או כל תרחיש הכולל נתונים מובנים. תכונות מפתח כלים דינמיים מבוססי סכמות: הגדרו את מבנה הנתונים שלכם באמצעות סכמות, ו‑MemoryMesh מייצרת אוטומטית כלים להוספה, עדכון ומחיקה של נתונים. עיצוב סכמות אינטואיטיבי: צרו סכמות שמכוונות את ה‑AI ביצירת וקישור צמתים, תוך שימוש בשדות חובה, enumerated types והגדרות של קשרים. מטא‑נתונים להכוונת AI: השתמשו במטא‑נתונים כדי לספק הקשר ומבנה, ובכך לסייע ל‑AI להבין את המשמעות והקשרים בתוך הנתונים שלכם. טיפול בקשרים: הגדירו קשרים בתוך הסכמות שלכם כדי לעודד את ה‑AI ליצור חיבורים בין נקודות נתונים קשורות. משוב אינפורמטיבי: מספק משוב על שגיאות ל‑AI, מאפשר לו ללמוד מהטעויות ולשפר את האינטראקציות שלו עם גרף הידע. תמיכת אירועים: מערכת אירועים עוקבת אחר פעולות, ומספקת תובנות לגבי האופן שבו גרף הידע משתנה. קודקודים מייצגים ישויות או מושגים בתוך גרף הידע, שלכל אחד מהם שם, nodeType, metadata ו‑weight. קצוות מייצגים קשרים בין קודקודים, שלכל אחד מהם קודקוד מקור, קודקוד יעד ו‑edgeType. Schemas הן הלב של MemoryMesh ומגדירות את מבנה הנתונים עם כלים שנוצרו באופן אוטומטי.

• חפצים-כתפות
• העיצוב העקרבי-כתה
• רשת-מח. להדרכת מודלי AI
• ניהול פתק- כ"ל
• פידבק מצוין- כ"ל
• תמיכה בר-צ