Eerdere strijd · 2026-05-26 UTC
MCP Servers Duel — 26 mei 2026
Uit de categorie MCP Servers. 99 markeringen geplaatst over 5 strijders. onchain-mcp pakte de kroon.
Eindstand
De line-up
De strijders
Profielen van elke tool die in deze strijd meedeed, gerangschikt op eindscore.
De Bankless Onchain MCP Server is een raamwerk voor interactie met on-chain data via de Bankless API. Het implementeert het Model Context Protocol (MCP) om AI-modellen in staat te stellen op een gestructureerde manier toegang te krijgen tot blockchain-status- en eventgegevens. De server biedt verschillende data-operaties, waaronder het lezen van contractstatus, het ophalen van eventlogs en het ophalen van transactiegeschiedenis. Het is gericht op ontwikkelaars en onderzoekers die op een gestructureerde manier met blockchain-gegevens moeten interageren. Dit project ontvangt geen updates meer en de onderhoudsstatus kan de stabiliteit en beschikbaarheid van functies beïnvloeden.
Kritériumverdeling
- Contractbewerkingen (contractstatus lezen, proxy ophalen, ABI ophalen, bron ophalen)
- Gebeurtenisbewerkingen (gebeurtenissen ophalen, gebeurtenisthema maken)
- Transactiebewerkingen (transactiegeschiedenis ophalen, transactiegegevens ophalen)
markitdown
Python-tool voor het converteren van bestanden en kantoor-documenten naar Markdown
MarkItDown is een lichtgewicht Python-hulpprogramma voor het converteren van verschillende bestanden naar Markdown voor gebruik met LLMs en gerelateerde tekstanalyspipelines. Het is het meest vergelijkbaar met textract, maar met een focus op het behouden van belangrijke documentstructuur en -inhoud als Markdown, inclusief koppen, lijsten, tabellen, links, enz. De uitvoer is vaak redelijk presentabel en mensvriendelijk, maar het is bedoeld om te worden gebruikt door tekstanalysetools, en kan niet de beste optie zijn voor conversies van documenten met hoge getrouwheid voor menselijke consumptie. MarkItDown ondersteunt momenteel de conversie van PDF, PowerPoint, Word, Excel, afbeeldingen (EXIF-metadata en OCR), audio (EXIF-metadata en spraaktranscriptie), HTML, tekstgebaseerde formaten (CSV, JSON, XML), ZIP-bestanden, YouTube-URLs, EPubs, en meer. Het wordt aanbevolen om een virtuele omgeving te gebruiken om conflicten tussen afhankelijkheden te voorkomen. Met Python 3.10 of hoger kunt u MarkItDown installeren met pip: pip install 'markitdown[all]' of vanuit de bron met: git clone git@github.com:microsoft/markitdown.git, vervolgens pip install -e 'packages/markitdown[all]' Het gebruik van MarkItDown houdt in dat je het vanaf de opdrachtregel aanroept, hetzij door het uitvoerbestand op te geven, inhoud door te sturen, of door de meest specifieke convert_* functie te gebruiken voor bepaalde gebruiksgevallen.
Kritériumverdeling
- Conversie van PDF, PowerPoint, Word, Excel
- Ondersteuning voor Afbeeldingen (EXIF-metadata en OCR)
- Ondersteuning voor Audio (EXIF-metadata en spraaktranscriptie)
- Ondersteuning voor HTML, tekstgebaseerde formaten (CSV, JSON, XML)
- Ondersteuning voor ZIP-bestanden, Youtube-URL's, EPubs
- Optionele afhankelijkheden voor het activeren van diverse bestandsformaten
De mcp-clickhouse MCP-server is een MCP-server voor ClickHouse. Het bevat ClickHouse-hulpprogramma's, waaronder run_query om SQL-query's uit te voeren op uw ClickHouse-cluster, list_databases om alle databases op uw ClickHouse-cluster te lijst en list_tables om tabellen in een database te lijst met paginering. Daarnaast bevat het chDB-hulpprogramma's, zoals run_chdb_select_query, om SQL-query's uit te voeren met behulp van de ingebedde ClickHouse-engine van chDB. Het biedt ook een Health Check Endpoint om de gezondheid van de server te controleren en een beveiligingsmechanisme voor authenticatie. De server kan worden ingesteld voor interne diensten, lokale ontwikkeling of met OAuth / OIDC-authenticatieproviders via FastMCP.
Kritériumverdeling
- run_query om SQL-query's uit te voeren op ClickHouse-cluster
- list_databases om alle databases op ClickHouse-cluster te lijst
- list_tables om tabellen in een database te lijst met paginering
- run_chdb_select_query om SQL-query's uit te voeren met behulp van de ingebedde ClickHouse-engine van chDB
- Health Check Endpoint voor serverbewaking
- Meerdere authenticatiemodi, waaronder OAuth en OIDC via FastMCP
MCP Server voor QA Sphere TMS is een client die wordt gebruikt voor het integreren van Large Language Models (LLMs) met QA Sphere (QSP) om de mogelijkheden voor het maken van testscripts te verbeteren. Na het configureren van de server (details beschikbaar op GitHub), kunnen LLMs interageren met de geautomatiseerde testcases van QA Sphere. Door gebruik te maken van het MCP (Model Callback Protocol), kunnen ontwikkelaars en testers snel AI-gebaseerde testcases maken, taken automatiseren en testsuites uitvoeren die zijn geïntegreerd met QAS Sphere. De op MCP gebaseerde oplossing is gebruikersgericht, waardoor een breed scala aan QA-taken kan worden geautomatiseerd, inclusief het ontdekken en uitvoeren van testcases. Bovendien kunt u grote taalmodellen refereren, taken automatiseren en testsuites uitvoeren die zijn geïntegreerd met het QA Sphere Test Management System.
Kritériumverdeling
- MCP-server voor het testbeheersysteem QA Sphere
- Ondersteuning voor interactie met grote taalmodellen (LLMs)
- Toegang en configuratie van de API
- Compatibel met elke MCP-client
MemoryMesh
Een kennisgraph-server die het Model Context-protocol (MCP) gebruikt om gestructureerde geheugengegevens voor AI-modellen te bieden. v0.2.8
MemoryMesh is een kennisgrafiekserver die is ontworpen voor AI-modellen, met een focus op tekstgebaseerde RPG's en interactief vertellen. Het helpt AI om consistente, gestructureerde herinneringen over gesprekken heen te behouden, waardoor rijkere en meer dynamische interacties mogelijk worden. Het project is gebaseerd op de Knowledge Graph Memory Server uit de MCP-serversrepository en behoudt diens kernfunctionaliteit. MemoryMesh stelt gebruikers in staat om gestructureerde informatie voor AI-modellen te bouwen en te beheren. MemoryMesh is een lokale kennisgrafserver die bijzonder geschikt is voor tekstgebaseerde RPG's, maar ook kan worden gebruikt voor simulaties van sociale netwerken, organisatieplanning of elk scenario waarbij gestructureerde data betrokken zijn. Belangrijke functies Dynamische op schema's gebaseerde tools: definieer je datastructuur met schema's, en MemoryMesh genereert automatisch tools voor het toevoegen, bijwerken en verwijderen van data. Intuïtief schema-ontwerp: maak schema's die de AI begeleiden bij het genereren en verbinden van knooppunten, met behulp van vereiste velden, gedefinieerde typen en relatie definities. Metadata voor AI-begeleiding: gebruik metadata om context en structuur te bieden, waardoor de AI de betekenis en relaties binnen je data begrijpt. Relatiebeheer: definieer relaties binnen je schema's om de AI aan te moedigen verbindingen te maken tussen gerelateerde datapunten. Informerende Feedback: Biedt foutfeedback aan de AI, waardoor deze kan leren van fouten en haar interacties met de kenniskaart kan verbeteren. Evenementsondersteuning: Een eventsysteem houdt operaties bij, waardoor inzicht wordt geboden in hoe de kenniskaart wordt aangepast. Knooppunten vertegenwoordigen entiteiten of concepten binnen de kenniskaart, elk met een naam, nodeType, metagegevens en gewicht. Kanten vertegenwoordigen relaties tussen knooppunten, elk met een bronknooppunt, doelknooppunt en edgeType. Schemas zijn de kern van MemoryMesh en definiëren de datastructuur met automatisch gegenereerde tools.
Kritériumverdeling
- Dynamische, op schema's gebaseerde tools
- Intuïtief schemOntwerp
- Metagegevens voor AI-begeleiding
- Relatiebeheer
- Informatieve feedback
- Ondersteuning voor gebeurtenissen