De beste MCPServers (2026)
3 min read
Door deze pagina’s links te volgen, kunnen we een commissie ontvangen, maar dit beïnvloedt onze beoordelingen niet.
We hebben elke MCPServers-tool op Olymp Hill gevolgd, getest en vergeleken om de 10 beste van 2026 te rangschikken. Hieronder de shortlist met onze mening per tool, gevolgd door de volledige, doorzoekbare directory.
# Werk met AI-modellen al jaren, maar heb nog steeds vaak problemen
Ik heb al jaren met AI-modellen gewerkt, en heb meer dan ik kan tellen een muur tegen gekomen. Ze zijn ongelooflijk goed in gegevens verwerken en inzichten genereren, maar ze hebben meestal een berg gegevens nodig om van te leren – en dat is niet zomaar gegevens, maar gegevens die zijn voorverwerkt en geformateerd zijn naar de smaak van het AI-model. Dat is een gigantische opgave, vooral als je met grote datasets of gevoelige informatie werkt die niet gemakkelijk gedeeld kunnen worden.
Dat is waarom servers van het type MCP in beeld komen – ze fungeren als een tussenpersoon tussen je AI-model en de gegevens die het model nodig heeft om te functioneren. En dat is precies waarom ik zo van MCP-servers hou – ze maken het gemakkelijker om AI te integreren met de gegevens die ik nodig heb, zonder me zorgen te maken over logistieke problemen.
Hoe kies je dan de juiste MCP-server voor je behoeften?
Het eerste wat je moet overwegen is de protocol zelf – het Model Context-Protocol (MCP) is een gestandaardiseerde format voor gegevens persistie, wat betekent dat als je een server kiest die MCP ondersteunt, het makkelijker wordt om te schakelen tussen verschillende AI-modellen of gegevensbronnen in de toekomst. Kijk uit naar servers die expliciet MCP-ondersteuning vermelden – bijvoorbeeld onchain-mcp, die de onchain- API op het bankloosse gebied naar MCP brengt, wat een uitstekende optie is als je met blockchain-gegevens werkt.
Een ander criterium om te overwegen is compatibiliteit – sommige MCP-servers hebben bijzondere eisen omtrent gegevensopslag of cloud-integraties, dus zorg ervoor dat je een server kiest die past bij jouw opgezette instellingen. mcp-clickhouse, bijvoorbeeld, combineert rechtstreeks met ClickHouse, een super-efficiënt query-engine.
Eindelijk, denk je over het soort gegevens dat je met wilt werken – heb je behoefte om gestructureerde gegevensformaten zoals Markdown of JSON te ondersteunen? Markitdown, een Python-tool, kan bestanden en kantoorbestanden omzetten naar Markdown, wat een geschikte optie is voor iedereen die werkt met gegevens die al in een Markdown-vriendelijke format bevinden.
Enkele MCP-servers hebben ook ingebouwde ondersteuning voor specifieke gegevensformaten of toepassingsgevallen – bijvoorbeeld assistant-mcp van Pinecone, een speciaal ontworpen MCP-server voor Pinecones Assistant-model. Andere zoals MemoryMesh hebben een meer algemene aanpak, en dat maakt het mogelijk om je eigen kennisspectrumstructuur op te zetten.
Eén gemeenschappelijk valkuil is om overrompeld te raken door de gedachte dat de prijs een bepalende factor is – de meeste MCP-servers zijn immers gratis beschikbaar. Maar dat betekent niet dat je je zorgen hoeft te maken over de extra kosten – sommige servers hebben ook kosten verbonden aan hen, zoals mcp-server-opendal, die combineert met grote cloud-opslagplatformen als Amazon S3 en Azure.
In hoeverre de prijsstructuur betreft, zul je zien dat gratis opties vaak op een van drie manieren functioneren: of ze zijn heel basis of heel gespecialiseerd. Het MCP-protocol is ontworpen om lichtgewicht te zijn, waardoor ontwikkelaars het kunnen bouwen en gebruiken van simpele servers die specifieke toepassingsgevallen kunnen hanteren. Een voorbeeld is Vizro, een low-code toolkit die je helpt met het bouwen van kwalitatieve gegevensvisualisatie-apps met behulp van MCP.
In het algemeen kom je erachter dat de kies van de juiste MCP-server neerkomt op het begrijpen van je specifieke behoeften en wat je met je AI-model wilt bereiken. MemoryMesh, bijvoorbeeld, is een kennisspectrum-server die MCP gebruikt om georganiseerde geheugensystemen voor AI-modellen mogelijk te maken – als je grote datasets hebt of meerdere AI-modellen tegelijkertijd moet ondersteunen, is dit misschien de kant op waar je moet gaan. qasphere-mcp is op zijn beurt een speciale MCP-server voor QA Sphere's TMS-platform – als je binnen dat specifieke ecosysteem werkt, kan dit misschien beter werken.
In ieder geval, mijn advies is om simpel te beginnen – neem een kijkje naar een van de lichtere opties zoals mcp-server-opendal of onchain-mcp, en steeds opschalen naar complexere oplossingen zoals MemoryMesh of qasphere-mcp. Let erop dat het doel is om de complexiteit uit je AI-werkstroomsimpel te maken en niet meer te voegen.
MCPServers in cijfers
Prijsmix
De beste MCPServers (2026)
- 1
Playwright MCPOpen-source MCP-server waarmee LLMs echte browsers kunnen besturen via Playwright en toegankelijkheidssnapshots.4.8 (6) - 2PPydantic AIPython-agentframework van het Pydantic-team voor het bouwen van type-safe GenAI-apps.4.8 (6)
- 3CCogneeAdaptieve geheugenlaag die AI-agenten helpt leren van context over tijd.4.8 (5)
- 4
Inbox ZeroAI-e-mailassistent die e-mails organiseert, antwoordconcepten opstelt en je helpt om sneller inbox zero te bereiken.4.8 (4) - 5
ScreenpipeOpen-source 24/7 lokale scherm- en audioregistratie voor het bouwen van context-bewuste AI-apps4.8 (4) - 6
AgentKitTypeScript-bibliotheek voor het bouwen en orkestreren van AI‑agenten met tools, geheugen en multi-agent workflows.4.5 (4) - 7
onchain-mcpHet bankless onchain API naar MCP brengen - 8
markitdownPython-tool voor het converteren van bestanden en kantoor-documenten naar Markdown - 9
mcp-clickhousemcp-clickhouse MCP-server - 10qqasphere-mcpMCP Server voor QA Sphere TMS
Playwright MCP
Open-source MCP-server waarmee LLMs echte browsers kunnen besturen via Playwright en toegankelijkheidssnapshots.
Playwright MCP is een open-source Model Context Protocol-server die de browserautomatiseringmogelijkheden van Playwright blootlegt aan grote taalmodellen. In plaats van te vertrouwen op schermafbeeldingen en visuele modellen, levert het gestructureerde toegankelijkheidssnapshots van webpagina's op, waardoor agents een snel en deterministisch overzicht krijgen van de DOM waarover ze kunnen redeneren en op kunnen handelen. Het stelt LLM-aangedreven agents in staat om websites te navigeren, elementen te klikken, formulieren in te vullen, gegevens te extraheren en end-to-end-workflows uit te voeren op Chromium, Firefox en WebKit. Omdat het MCP spreekt, kan het worden aangesloten op elke compatibele client, zoals Claude Desktop, Cursor of aangepaste agentframeworks, waardoor echte browsertaken toegankelijk worden voor autonome en ondersteunde workflows.
- MCP-serverinterface voor LLM-agenten
- Gestructureerde toegankelijkheidsboom snapshots
- Ondersteuning voor meerdere browsers via Playwright
- Klik-, typ-, navigeer- en formulierinvulacties
- Headless of headed browser modi
- Integratie met Claude, Cursor en aangepaste clients
Pydantic AI
Python-agentframework van het Pydantic-team voor het bouwen van type-safe GenAI-apps.
Pydantic AI is een open-source Python-framework voor het bouwen van applicaties die worden aangedreven door grote taalmodellen. Gemaakt door het team achter Pydantic, brengt het dezelfde focus op typeveiligheid, validatie en ontwikkelaarscomfort naar agentontwikkeling, waardoor LLM-uitvoer voorspelbaarder en gemakkelijker te integreren is in productiecodes. Het framework ondersteunt meerdere modelproviders, gestructureerde antwoorden gevalideerd door Pydantic-modellen, toolaanroep, afhankelijkheidsinjectie en streaming. Het is ontworpen om bekend aan te voelen voor Python-ontwikkelaars en werkt goed samen met bestaande stacks zoals FastAPI, waardoor het geschikt is voor alles van snelle prototypes tot productieklare GenAI-services.
- Getypte agents met Pydantic-gevalideerde uitvoer
- Ondersteuning voor OpenAI, Anthropic, Gemini, en meer
- Tool- en functiebellen met afhankelijkheidsinjection
- Gestreamde reacties en async-eerst ontwerp
- Integratie met FastAPI en observabiliteitstools
- Testhulpprogramma's voor deterministisch agentgedrag
Cognee is een open-source AI-geheugenplatform ontworpen voor AI-agenten. Het biedt een persistent, langetermijngeheugen over sessies heen door gegevens in elk formaat te verwerken en een zelfgehoste kennisgrafiek te bouwen. Cognee combineert vector‑embeddings, grafiekredenering en op cognitiewetenschap gebaseerde ontologiegeneratie, waardoor documenten op betekeniszoekbaar zijn en verbonden worden door evoluerende relaties. Dit platform is geschikt voor ontwikkelaars en organisaties die data uit diverse bronnen willen unificeren, domeinkennis in agenten willen activeren en betrouwbare, traceerbare agenten willen creëren. Cognee biedt functies zoals eenheid ingangen, grafiek- en vectorzoekopdrachten, lokale werking, ontologie‑grondslagen, multimodale mogelijkheden, leren van feedback, contextbeheer en kennisdeling tussen agenten. Het bevat bovendien agentische gebruikers‑/tenantisolatie, traceerbaarheid en auditkenmerken. Het platform ondersteunt meerdere clients, waaronder Python, Rust en TypeScript, en is beschikbaar als plug‑ins voor OpenClaw en Claude Code.
- Agentgeheugen gebaseerd op kennisgrafiek
- Ingestie van semantische en gestructureerde gegevens
- Python SDK voor agentintegratie
- Aangesloten LLM- en opslagproviders
- Zoeken over eerdere sessies en documenten
- Zelfgehoste of beheerde implementatieopties
Inbox Zero
AI-e-mailassistent die e-mails organiseert, antwoordconcepten opstelt en je helpt om sneller inbox zero te bereiken.
Inbox Zero is een door AI aangedreven e-mailassistent die is ontworpen om gebruikers te helpen hun inbox efficiënter te beheren. Het organiseert e-mails, stelt antwoorden op en beheert kalenders, met als doel gebruikers te helpen om sneller 'inbox zero' te bereiken. De tool is toegankelijk via een webinterface en kan ook worden gebruikt via Slack of Telegram voor onderweg beheer. Inbox Zero is een open-source alternatief voor vergelijkbare tools zoals Fyxer, dat meer aanpassingsmogelijkheden en verbeterde beveiligingsfuncties biedt. Belangrijke functies zijn onder meer een AI-persoonlijke assistent die de toon en stijl van de gebruiker leert om vooraf antwoorden op te stellen, AI-gestuurde regels voor het afhandelen van e-mails op basis van gewone Engelstalige instructies, en tools voor het volgen van e-mails die een reactie vereisen of wachten op antwoorden. Het biedt ook bulk-afmeld- en archiveringsmogelijkheden, blokkeert koude e-mails en levert e-mailanalyses. Daarnaast kan Inbox Zero vergaderbrieven genereren door context te trekken uit zowel e-mail- als kalendergebeurtenissen en automatisch e-mailbijlagen opslaan naar cloud-opslagservices zoals Google Drive of OneDrive. De tool is gebouwd met behulp van een reeks technologieën, waaronder Next.js, Tailwind CSS en Prisma, en is hosted op GitHub. Gebruikers kunnen kiezen tussen een hosted versie die beschikbaar is op getinboxzero.com of zelf-hosting met behulp van een CLI-installatie die Docker en Node.js vereist. Het project is actief, met een gemeenschap die bijdraagt aan de ontwikkeling ervan en functieverzoeken kunnen worden ingediend via GitHub issues of het Discord-kanaal van het project. Inbox Zero heeft als doel de tijd die gebruikers in hun inbox doorbrengen te verminderen, zodat ze zich kunnen concentreren op belangrijkere taken. Hoewel het een uitgebreide reeks functies voor e-mailbeheer biedt, kan de mate van maatwerk en de leercurve voor het opzetten en volledig benutten van de AI-mogelijkheden variëren. Over het algemeen presenteert Inbox Zero zichzelf als een flexibele en veilige oplossing voor personen die hun e-mail- en kalenderbeheertaken willen automatiseren en stroomlijnen.
- Door AI gegenereerde antwoordconcepten
- Automatische e-mailcategorizering en -prioritering
- Bulk afmelden van nieuwsbrieven
- Aangepaste automatiseringsregels
- Inboxtoepassingen en opschoonhulpmiddelen
- Slimme herinneringen voor onbeantwoorde e-mails
Screenpipe
Open-source 24/7 lokale scherm- en audioregistratie voor het bouwen van context-bewuste AI-apps
Screenpipe is een open-source platform dat voortdurend schermactiviteit en audio op je apparaat vastlegt, waarbij alles lokaal wordt opgeslagen zodat ontwikkelaars AI-toepassingen kunnen bouwen die gebaseerd zijn op echte gebruikerscontext. Door te indexeren wat je ziet, hoort en doet, biedt het een rijke persoonlijke datalaag die apps en agents kunnen opvragen zonder informatie naar de cloud te sturen. Het project richt zich op ontwikkelaars die productiviteitstools, geheugenassistenten, vergaderingsopzetters en gepersonaliseerde agents maken. Het biedt APIs en een plugin-systeem zodat aangepaste pipelines ruwe opnamen kunnen omzetten in doorzoekbare tekst, transcripten en gestructureerde gebeurtenissen die downstream LLM-workflows voeden. Omdat alle verwerking op de machine van de gebruiker plaatsvindt, benadrukt Screenpipe het belang van privacy en databeheer terwijl het uitbreidbaar blijft door integraties die door de community zijn gebouwd.
- 24/7 scherm- en audiovastlegging
- Lokale opslag en verwerking op het apparaat
- OCR en spraak-naar-tekst indexering
- Plugin- en pijplijnarchitectuur
- APIs voor het opvragen van vastgelegde context
- Platformonafhankelijke desktopondersteuning
AgentKit
TypeScript-bibliotheek voor het bouwen en orkestreren van AI‑agenten met tools, geheugen en multi-agent workflows.
AgentKit is een open‑source TypeScript‑framework dat is ontworpen voor ontwikkelaars die productie‑klare AI‑agenten willen bouwen zonder de kernlogica voor orkestratie opnieuw te moeten uitvinden. Het biedt basis‑concepten voor het definiëren van agenten, het koppelen van tools, het beheren van status en het coördineren van multi‑agent workflows op een type‑veilige manier. De bibliotheek richt zich op composabiliteit, waardoor je agenten kunt ketenen, taken tussen specialisten kunt routeren en kunt integreren met bestaande modelproviders en APIs. Het past zich vanzelfsprekend aan Node.js‑ en serverless‑omgevingen aan, waardoor het geschikt is voor backend‑services, interne automatisering en klantgerichte AI‑functies. Omdat het code‑first is en geen UI‑voorkeuren heeft, is AgentKit het meest geschikt voor engineering‑teams die vertrouwd zijn met TypeScript en een fijnmazige controle willen over hoe hun agenten redeneren, tools aanroepen en langdurige taken afhandelen.
- Abstractions voor agenten en tools
- Multi-agent routing en handoffs
- State en geheugenbeheer
- Model-agnostische providerondersteuning
- Type‑veilige APIs voor invoer en uitvoer
- Werkt in Node.js en serverless runtimes
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.
- 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.
- 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.
- 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.
- 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
Alle 593 MCPServers-tools bekijken
De volledige, doorzoekbare directory — gerangschikt op echte gebruikersreviews.
