Best MCP სერვერები (2026)

1

Playwright MCP

ღია-კოდის MCP სერვერი, რომელიც LLM-ებს საშუალებას აძლევს მართონ რეალური ბრაუზერები Playwright-ით და ხელმისაწვდომობის snapshot-ებით.

4.8 (6)

· free

სრული მიმოხილვა

Playwright MCP არის ღია წყაროს Model Context Protocol სერვერი, რომელიც Playwright‑ის ბრაუზერის ავტომატიზაციის შესაძლებლობებს დიდ ენის მოდელებისთვის (LLM) ხსნის. ეკრანის ანაბეჭდებისა და ხედის მოდელებზე დამოკიდებულების მაგივრად, ის წარმოგიდგენთ სტრუქტურირებულ ხელმისაწვდომობის ასახულებს ვებგვერდებზე, რაც აგენტებს სწრაფ, დეტერმინისტური ხედვას DOM‑ზე აძლევს, რათა ისინი მათზე გაანალიზება და მოქმედება. ეს საშუალებას აძლევს LLM‑ით დამუშვებულ აგენტებს საიტებზე ნავიგაცია, ელემენტებზე დაჭერა, ფორმების შევსება, მონაცემების ამოჭრა და სრული სამუშაო ნაკადების გაშვება Chromium, Firefox და WebKit‑ზე. MCP‑ს მხარდაჭერით ის ნებისმიერ თავსებად კლაიენტს, როგორიცაა Claude Desktop, Cursor ან მორგებული აგენტ‑ფრემები, შეერთება, რაც რეალურ სამყაროს ბრაუზერის ამოცანებს ავტონომიურ და დამხმარე ნაკადებში ხელმისაწვდომს ხდის.

• MCP სერვერის ინტერფეისი LLM აგენტებისთვის
• სტრუქტურირებული ხელმისაწვდომობის ხის snapshot-ები
• Playwright‑ის მეშვეობით მრავალბრაუზერის მხარდაჭერა
• კლიქ, ტייפი, ნავიგაცია და ფორმის შევსების მოქმედებები
• Headless ან headed ბრაუზერის რეჟიმები
• Claude, Cursor და მომხმარებლის კლიენტების ინტეგრაცია

Pydantic AI არის ღია წყაროს Python ფრეიმვორკი აპლიკაციების შესაქმნელად, რომლებიც მოქმედებენ დიდი ენობრივი მოდელებით. Pydantic-ის გუნდის მიერ შექმნილი, იგი ატანს იგივე ყურადღებას ტიპების უსაფრთხოებაზე, ვალიდაციაზე და დეველოპერების ერგონომიკაზე აგენტების განვითარებაში, რითაც LLM-ის შედეგები წინასწარმეტყველებადი და წარმოებითი კოდით უფრო ადვილად ინტეგრირებადი ხდება. ფრეიმვორქი მხარს უჭერს მრავალ მოდელის მიმწოდებელს, სტრუქტურულ პასუხებს, რომელიც ვალიდირებულია Pydantic მოდელების მეშვეობით, ინსტრუმენტების გამოძახება, დამოკიდებულების ინიექცია და ნაკადი. იგი შექმნილია Python-ის დეველოპერებისთვის გასაგები იყოს და კარგად მუშაობს არსებული სტეკების გვერდით, როგორიცაა FastAPI, რითაც იგი შესაფერისია ყველაფერისთვის, სწრაფი პროტოტიპებიდან დაწყებული წარმოებადი GenAI მომსახურების ჩათვლით.

• ტიპ-უშინარი აგენტები Pydantic-ის შემოწმებით გამოსავალი მონაცემებით
• OpenAI-ის, Anthropic-ის, Gemini-ის და სხვა მხარდაჭერა
• ინსტრუმენტებისა და ფუნქციების გამოძახება დამოკიდებულების ინიექციით
• ნაკადი პასუხები და async-პირველი დიზაინი
• ინტეგრაცია FastAPI-სა და საკვები ინსტრუმენტებთან
• აგენტების გარეთვე სატესტო ინსტრუმენტები დეტერმინისტური მოქმედებისათვის

Cognee არის ღია წყაროს მქონე AI მეხსიერების პლატფორმა, რომელიც შექმნილია AI აგენტებისთვის. იგი უზრუნველყოფს მუდმივად გრძელვადიან მეხსიერებას სესიებს შორის, მონაცემთა შეწევით ნებისმიერ ფორმატში და თვითჰოსტირებული ცოდნის გრაფის აგებით. Cognee აერთიანებს vector embeddings, graph reasoning და cognitive‑science‑grounded ontology generation, რაც საშუალებას აძლევს დოკუმენტებს იყოს ძებნადი აზრის მიხედვით და ურთიერთობებით დაკავშირებულები იყოს დინამიურად განვითარდება. ეს პლატფორმა შესაფერისია დეველოპერებისა და ორგანიზაციებისათვის, რომლებიც მრავალი წყაროდან მონაცემების ერთიანად შეკრიბვის, დომენის ცოდნის აგენტებში ჩართვის და ნდობადი, საიმედო აგენტების შექმნის სურვილის მქონე. Cognee უზრუნველყოფს ფუნქციებს, როგორიცაა unified ingestion, graph and vector search, local operation, ontology grounding, multimodal capabilities, learning from feedback, context management და cross‑agent knowledge sharing. ის ასევე უზრუნველყოფს agentic user/tenant isolation, traceability და audit traits. პლატფორმა მხარს უჭერს მრავალ კლიენტს, მათ შორის Python, Rust და TypeScript, და ხელმისაწვდომია OpenClaw და Claude Code‑ის პლაგინებად.

• ცოდნის გრაფის დაფუძნებული აგენტის მეხსიერება
• სემანტიკური და სტრუქტურირებული მონაცემების მიღება
• Python SDK აგენტების ინტეგრაციისთვის
• დამატება შესაძლებელია LLM‑სა და საცავის მომწოდებლებისთვის
• ძებნა წარსული სესიებისა და დოკუმენტების გავლით
• პირადი ჰოსტინგი ან მართვადი განლაგების ვარიანტები

4

Inbox Zero

AI ელ‑ფოსტის ასისტენტი, რომელიც ორგანიზებს, ქმნის პასუხის მონახაზებს და გეხმარება სწრაფად მივაღწიოთ Inbox Zero-ს.

4.8 (4)

· free

სრული მიმოხილვა

Inbox Zero AI‑მოყოლილი ელ‑ფოსტის ასისტენტია, რომელიც შექმნილია მომხმარებლებს თავიანთი შემოტანილი წერილებების უფრო ეფექტური მართვისთვის. იგი ორგანიზებს ელ‑ფოსტას, ქმნის პასუხის პროექტებს და მართავს კალენდრებს, მიზნად კი აქვს მომხმარებლებს უფრო სწრაფად "inbox zero" მიღება. ინსტრუმენტი ხელმისაწვდომია ვებ‑ინტერფეისით, ასევე შეიძლება იმუშაოს Slack‑ის ან Telegram‑ის საშუალებით, რაც აძლიერებს მართვას მოძრაობისას. Inbox Zero ღია‑კოდის ალტერნატივაა მსგავს ინსტრუმენტებს, როგორიცაა Fyxer, მეტი მორგების შესაძლებლობებით და გაუმჯობესებული უსაფრთხოების ფუნქციებით. ძირითადი ფუნქციებია AI პერსონალური ასისტენტი, რომელიც ასწავლის მომხმარებლის ტონი და სტილი, რათა წინასწარ შექმნის პასუხებს, AI‑მოძღვნილი წესები, რომლებიც ელფოსტას მართავს მარტივი ინგლისური ინსტრუქციებით, და ინსტრუმენტები, რომელიც აკვირდებათ იმ ელფოსტებს, რომლებიც პასუხის საჭიროება ან პასუხის მოლოდინშია. ასევე, მას აქვს მასობრივი გაუქმების და არქივის შესაძლებლობები, ცივი ელფოსტების ბლოკირება და ელფოსტის ანალიტიკა. გარდა ამისა, Inbox Zero‑ს შეუძლია შექმნათ შეხვედრების შეჯამებები, გადმოტანილი კონტექსტის მიხედვით ელფოსტითა და კალენდარის ღონისძიებებიდან, და ავტომატურად შეინახოთ ელფოსტის დანართები ღრუბლოვან შენახვის სერვისებში, როგორიცაა Google Drive ან OneDrive. ინსტრუმენტი შექმნილია მრავალტექნოლოგიურ ბაზაზე, რომელიც შეიცავს Next.js, Tailwind CSS და Prisma, და მას ჰოსტირებულია GitHub-ზე. მომხმარებლებს აქვთ არჩევანის უფლება ჰოსტირებულ ვერსიას, რომელიც ხელმისაწვდომია getinboxzero.com-ზე, ან თვითჰოსტინგის, რომელიც იყენებს CLI-ინსტალაციას, რომელსაც სჭირდება Docker და Node.js. პროექტი აქტიურია, მისი განვითარებაში მონაწილეობას იღებს საზოგადოება, და ფუნქციების მოთხოვნები შეიძლება გაკეთდეს GitHub-ის საკითხებით ან პროექტის Discord არხზე. Inbox Zero მიზნად აქვს მომხმარებლებს მათი საფოსტო ყუთში ღატარებული დროის შემცირება, რათა ისინი უფრო მნიშვნელოვანი დავალებებისაკენ ორიენტირდნენ. მიუხედავად იმისა, რომ იგი ელ-ფოსტის მართვისთვის სრულყოფილი ფუნქციების ნაკრები გთავაზობს, მორგების დონე და სწავლის ტრახია AI შესაძლებლობების სრულად გამოყენებისას შეიძლება განსხვავდებოდეს. საერთოდ, Inbox Zero წარმოშულია როგორც მოქნილი და უსაფრთხო გადაწყვეტა იმ პირებისთვის, რომლებიც ეძებენ ელფოსტისა და კალენდარის მართვის დავალებების ავტომატიზაციას და გასარტყმობას.

• AI‑ით შექმნილი პასუხის მონახაზები
• ავტომატური ელ‑ფოსტის კატეგორიზაცია და პრიორიტირება
• მასობრივი გამოწერის გაუქმება სიახლეებისგან
• მორგებული ავტომატიზაციის წესები
• შემოტანის (inbox) ანალიტიკა და გასუფთავების ინსტრუმენტები
• ჭკვიანი შეხსენებები დაუკითხავი ელ‑ფოსტებისთვის

5

Screenpipe

ბაზარზე ღია 24/7 ადგილობრივი ეკრანისა და ხმის აღწერით კონტექსტ-ღია აი აპლიკაციების შექმნისთვის

4.8 (4)

· free

სრული მიმოხილვა

სკრინპაიპი არის ღია წყაროს პლატფორმა, რომელსაც მიწოდებულ აპარატზე სკრინის აქტივობა და გაუმჯობესებული აუდიო მასალები წარმოადგენს, სისტემა ინფორმაციას არხულად აწარმოებს, პროგრამმა შექმნილი აპლიკაციების განვითარების უბანად, საფუძველს იღებს, იყაილო სრულ ისტორიის ნაცვლად. მან კავშირისთვის, მოსმენა და გავლანი ინდექსებს ისე, რომ დანაშულები თუ ანგარიში, ვებ-აპარატით არსებულ ენტიტეტებს სანქცირეინი სარგებლობა იპოისინ, სანკ მაშ, რომ კლოუდში, ინფორმაცია მივიღებით პროექტი ეკიდება პროდაქტიულობის საშუალებრობების ვებ-დეველოპერებზე, გვიადობის ასისტენტებზე, გეგმების სუმარებზე და პერსონალიზებულ ენტიტეტებზჇ. ის API-ებს და plugin-ებს ამდინარებს, ისეთი ადამიანური ინტერფეისების სისტემით, რამაც რთული ჩანაწერების შექცევა და თავისუფალი ტექსტდ, შენახული ივენთები ნამდვილი LLM სპლეკუსტ-სა ფროვჯერებისთან ერთადც ათავისყირს. საუკუთვე ყველა პროცესინგი მომხმარებლის მანქანაზე იორს, ამიტომ Screenpipe პირადობა და მონაცმების საკუთრება საუკუთვე მყარებს, საზოგადოების აგენტების მიერ ინტერგრაციების საშუალებით თავისუფალად გადავართვის გარანტიას იძლევს.

• 24/7 ეკრანისა და ხმის აღწერა
• ადგილობრივი ინფორმაციის დაცვა და მოწყვლადი პროცესინგი
• OCR და ხმის ტექსტური ინდექსირება
• Plუღებისა და პიპლაინის არქიტექტურა
• API კაპჩური კონტექსტისთვის კილო ინფორმაციისთვის
• ექსტენსიური დესკოპი ნაპრაველი

6

AgentKit

TypeScript ლიბრარია რამდენიმე აგენტი და ნაწილობრივ უთვლად მატჩერზებზე შექმნისა და ორთენერების სისტემისთვის,

4.5 (4)

· free

სრული მიმოხილვა

"AgentKit" -არის ღია წყაროს ტაიპსკრიპტის ფრეიმურკი, რომელიც განკუთვნილია ცოდვებისთვის, ვინც სურთ AI აგენტების შექმნა საბაზოვანი არეალიზაციის ლოგიკის გამუდმივება ვერ დართვია. იგი სარეკვენმო ობიექტების დაგეგმვევს, იაზამფეილების დამატებას, მდგომობს სახელო და მრავალა-ფსკორდ-უორკ ფლოვვეფს კოორდნაცლს სხვა ზუსტსწორს მხრივ." ლიბრარიაც კომპოზიციულობაზე ფოკუსირებულია, რაც მას ხელს უწევს ანტიტა ერთობისთვის, ასრულებს ტასკებს პეციალისტებს ხელმძღვანელობს, აგრეთვე ინტეგრირებს არსებულ მოდელთა მიმწოდებლებსა და API-sთან. ის სწრაფად და ხურდების საშუალებებთან ერთად ბოლოდებით შევსებულ ენვირონმენტში იწერება, მათ ვის შესახებ ჩხუბის მაღვინებელ ვარი რომ პლათფორმზე. ურთვილსაფრენო სამეცნიერო გამოყენების მიმღებნი შესაბამიდებს, ფრონთენდ და ლამ სავალ სევერ სერვისების შინაგან ავტომაციით ან აკადემიუ კლიენტურ -AI ფეის-ე". რომელიც კოდით პირველადაა და ვიზუალურ ინტერფეისთან მთავრთუმობით, AgentKit უდიდესწინდაობით აირჩიება ინჟინერიულ გუნდებს ვისაც ძვირფასობა უჭირავთ TypeScript-ში მუშაობის ავტორიტეტის გამოვლინებაზე, სასურველია ფინგრეინდი კონტროლი ანგარიშში მართვის კომპონენზე , ტელოკომის კოდით მასთავითა და გვირულ ტასკებზე .

• აგენტისა და ინსტრუმენტის აბსტრაქციები
• მულტი-აგენტის რუტინგი და გადაცემა
• მდგომარეობისა და მეხსიერების მართვა
• მოდელ-აგნოსტიკური მხარდაჭერა
• ტიპ-უსაფეთქებელი APIs შესასვლელი და გამოსასვლელი მონაცემებისთვის
• მუშაობს Node.js-სა და სერვერლეს გარემოებში

7

onchain-mcp

Bankless onchain API-ის MCP-ში გადმოცემა

შეფასებები არ არის· free

სრული მიმოხილვა

Bankless Onchain MCP Server არის ჩარჩო, რომელიც საშუალებას გაძლევთ on-chain მონაცემებთან Bankless API‑ის მეშვეობით ურთიერთობა. იგი იყენებს Model Context Protocol (MCP)‑ს, რათა AI‑მოდელებს შესაძლებელი იყოს ბლოკჩეინის მდგომარეობისა და მოვლენათა მონაცემების სტრუქტურირებული წვდომა. სერვერი უზრუნველყოფს სხვადასხვა მონაცემთა ოპერაციას, მათ შორის კონტრაქტის მდგომარეობის წაკითხვას, მოვლენათა ჟურნალის მიღებას და ტრანსაქციების ისტორიის გადმოწერს. ის შეიქმნება დეველოპერებისა და მკვლევრებისათვის, რომლებიც საჭიროებენ ბლოკჩეინის მონაცემებთან სტრუქტურირებული ურთიერთობას. ეს პროექტი აღარ იღებს განახლებებს, და მისი მოვლის სტატუსი შესაძლოა შეïnvფიქტიროს მისი სტაბილურობა და ფუნქციონალის ხელმისაწვდომობა.

• კონტრაქტის ოპერაციები (კონტრაქტის მდგომარეობის წაკითხვა, პროქსის მიღება, ABI-ს მიღება, წყაროების მიღება)
• ღონისძიების ოპერაციები (ღონისძიებების მიღება, ღონისძიების თემა შექმნა)
• ტრანზაქციის ოპერაციები (ტრანზაქციის ისტორიას მიღება, ტრანზაქციის ინფორმაციის მიღება)

8

markitdown

Python‑ის ინსტრუმენტი ფაილებისა და ოფისის დოკუმენტების Markdown‑ში გადაკეთებისთვის

შეფასებები არ არის· free

სრული მიმოხილვა

MarkItDown არის მსუბუქ Python‑ის ინსტრუმენტი სხვადასხვა ფაილების Markdown‑ში გადაყვანისთვის, LLM‑ებთან და შესაბამისი ტექსტური ანალიზის ნაკადებთან გამოსაყენებლად. იგი ყველაზე მეტად შეადარება textract‑ს, მაგრამ ფокусირებულია მნიშვნელოვანი დოკუმენტის სტრუქტურის და შემცველობის Markdown‑ში შენარჩუნებაზე, სათაურებისა, სიების, ცხრილების, ბმულებისა და ა.შ. შედეგი ხშირად წარმოდგენად და ადამიანისთვის მეგობრულად ჩანს, მაგრამ ის განკუთვნილია ტექსტური ანალიზის ხელსაწყოებისთვის და შესაძლოა არ იყოს საუკეთესო არჩევანი მაღალი სიმაღლის დოკუმენტის გადაყვანისთვის ადამიანისთვის. MarkItDown ამჟამად მხარს უჭერს PDF, PowerPoint, Word, Excel, სურათების (EXIF მეტამონაცემები და OCR), აუდიოს (EXIF მეტამონაცემები და საუბრის ტრანსkripsი), HTML, ტექსტზე დაფუძნებულ ფორმატებს (CSV, JSON, XML), ZIP ფაილებს, Youtube URL-ებს, EPubs და ა.შ. რეკომენდებულია ვირტუალური გარემოს გამოყენება დამოკიდებულებების კონფლიქტების თავიდან ასაცილებლად. Python 3.10 ან უფრო მაღალ ვერსიით, შეგიძლიათ MarkItDown- ის pip‑ით დაინსტალიროთ: pip install 'markitdown[all]' ან წყაროდან: git clone git@github.com:microsoft/markitdown.git, შემდეგ pip install -e 'packages/markitdown[all]'. MarkItDown‑ის გამოყენება command-line invocation‑ით ხდება, output file‑ის მითითებით, content‑ის piping‑ით, ან specific use cases‑თვის narrowest convert_* function‑ის გამოყენებით.

• PDF, PowerPoint, Word, Excel-ის კონვერტაცია
• ხატულების მხარდაჭერა (EXIF მეტამონაცემები და OCR)
• ხმოვანი ფაილების მხარდაჭერა (EXIF მეტამონაცემები და მოსმენის ტრანსკრიპცია)
• HTML და ტექსტზე დაფუძნებული ფორმატები (CSV, JSON, XML) – მხარდაჭერა
• ZIP ფაილების, Youtube URL-ების და EPub-ების მხარდაჭერა
• ფაილის ფორმატების აქტივაციისთვის დამატებითი დამოკიდებულებების არჩევითი ხელმისაწვდომობა

9

mcp-clickhouse

mcp-clickhouse MCP სერვერი

შეფასებები არ არის· free

სრული მიმოხილვა

mcp-clickhouse MCP სერვერი არის MCP სერვერი ClickHouse-თვის. მისი ფუნქციებში შედის ClickHouse Tools, მათ შორის run_query SQL კითხვების შესრულებისთვის თქვენი ClickHouse კლัสტერზე, list_databases თქვენი ClickHouse კლัสტერის ყველა ბაზის სიისთვის, და list_tables ბაზაში ცხრილების გვერდიზებით ჩამონათვალისთვის. ასევე შეიცავს chDB Tools, როგორიცაა run_chdb_select_query, SQL კითხვების შესრულებისთვის chDB-დან ჩაშენებული ClickHouse ძრავის გამოყენებით. დამატებით, უზრუნველყოფს Health Check Endpoint-ს, რომელიც სერვერის მდგომარეობის შემოწმებისთვის და უსაფრთხოების მექანიზმს ავთენტიკაციისთვის. სერვერის კონფიგურირება შესაძლებელია შიდა მომსახურებისთვის, ლოკალურ განვითარებისათვის, ან OAuth / OIDC ავთენტიკაციის პროვაიდერებით FastMCP-ით.

• run_query — ClickHouse‑კლასტერზე SQL‑კითხვების შესრულება
• list_databases — ClickHouse‑კლასტერზე არსებული ყველა მონაცემთა ბაზის ჩამონათვალი
• list_tables — ცხრილების ჩამონათვალი გვერდებად
• run_chdb_select_query — chDB‑ის ჩასაშენებულ ClickHouse‑ენჯინით SQL‑კითხვების შესრულება
• Health Check Endpoint — სერვერის მონიტორინგისათვის
• მრავალი აუდენტიფიკაციის რეჟიმი, მათ შორის OAuth და OIDC FastMCP‑ის მეშვეობით

MCP სერვერი QA Sphere TMS-ისთვის არის კლიენტი, რომელიც გამოიყენება დიდი ენობრივი მოდელების (LLMs) ინტეგრაციისთვის QA Sphere (QSP)-თან, რათა გაზარდოს ტესტირების სკრიპტების შექმნის შესაძლებლობები. სერვერის კონფიგურაციის შემდეგ (დეტალები GitHub-ზეა), LLM-ები შეუძლიათ QA Sphere-ის ავტომატური ტესტ-შემოწმების შემთხვევებთან ურთიერთობა. MCP-ის (მოდელის უკანა კავშირის პროტოკოლი) გამოყენებით, ის საშუალებას აძლევს დეველოპერებს და ტესტერებს, სწრაფად შექმნან AI-ზე დაფუძნებული ტესტ-შემოწმების შემთხვევები, ავტომატიზაცია გააკეთონ ტასკები და ტესტ-შემოწმების კოლექციები გაეშვან QAS Sphere-თან ინტეგრირებული. MCP-ზე დაფუძნებული გადაჭრის მხარდაჭერა მომხმარებელთა მხრიდან ხდება, რაც საშუალებას იძლევა ფართო დიაპაზონის QA ამოცანების ავტომატიზაციას, მათ შორის ტესტ-შემთხვევების აღმოჩენა და შესრულება. გარდა ამისა, შეგიძლიათ მიმართოთ დიდ ენობრივ მოდელებს, ავტომატიზაცია გააკეთოთ ტასკებისთვის და გაეშვათ ტესტ-კომპლექტები, რომლებიც ინტეგრირებულია QA Sphere-ის ტესტ-მართვის სისტემასთან.

• MCP სერვერი QA Sphere ტესტ მენეჯმენტი სისტემისთვის
• დიდი ენათა მოდელების (LLMs) ურთიერთშესწორებად დახმარება
• API დანიშვნისა და კონფიგურაციის მხარდაჭერა
• მნიშვნელობაში მისადგომობა რომლებსაც დაჭერს