mcpField
A
Agent Daily

Agent Daily

远程服务
gregpunch.github.io云与基础设施02 天前更新

关于 Agent Daily

Agent Daily 是面向 AI Agent 所用 API 和 MCP 服务的每小时可靠性索引。Agent 构建者可检查可达性并在服务中断时切换;其只读 MCP 服务基于缓存状态数据提供查询。

主要功能

  1. 01每小时检查可达性
  2. 02公开状态页与 JSON 数据
  3. 03提供正常运行率、延迟和供应商状态
  4. 04只读 MCP 状态工具
  5. 05按类别列出工具

适用场景

  1. 01在 Agent 调用依赖项前检查状态
  2. 02服务中断时选择备用服务
  3. 03从 MCP 主机查询工具状态

MCP 相关

提供只读的 Streamable HTTP MCP 服务,包含 `list_tools` 和 `tool_status`。两个工具读取缓存 5 分钟的状态数据。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://agent-daily.agentdaily.workers.dev/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Agent Daily:这个工具现在能用吗?

面向 AI Agent 所调用的 API 和 MCP 服务的免费每小时可靠性指数:OpenAI、Anthropic、GitHub(API + MCP)、Stripe、Slack、Cloudflare、Brave/Serper 搜索、Linear 和 DeepWiki MCP 等(共 20 个工具)。

专为 Agent 构建者打造。在 Agent 调用工具前先检查状态;工具宕机时切换备用方案,避免因服务中断而反复重试。

claude mcp add --transport http agent-daily https://agent-daily.agentdaily.workers.dev/mcp

使用 status.json

import requests
s = requests.get("https://gregpunch.github.io/agent-daily/status.json", timeout=5).json()
tool = next(t for t in s["tools"] if t["name"] == "OpenAI API")
if not tool["up"] or tool["vendor_status"] in ("major", "critical"):
    ...  # route to a fallback provider

字段:schema_version、generated_at(UTC)、summary.{up,total},以及包含 name, category, up, http_status, latency_ms, vendor_status, uptime_24h_pct, checks_24h, error 的 tools[]。数据每小时刷新;如果数据超过约 2 小时,请视为过期。请缓存。

**限制:**这些仅为可达性检查(检查预期的 HTTP 状态码),不代表正确性或质量测试。探测仅来自一个位置。

一个免费的公开状态页,涵盖 AI Agent 所依赖的 20 种工具。这是第一阶段,为期两周的验证。

本地运行

python3 check.py   # probe all tools -> results.db (SQLite)
python3 build.py   # render site/index.html

文件:tools.json(配置)、tools.md(列表 + 方法)、check.py、build.py、site/(静态输出)、preview.png。

部署计划(免费套餐)

推荐:GitHub Actions + GitHub Pages($0)。

  1. 将此文件夹推送到公开的 GitHub 仓库。
  2. 添加 .github/workflows/check.yml,设置 schedule: cron: "0 * * * *"(每小时)。步骤:检出代码、pip install requests、python check.py && python build.py、将 results.db 提交回仓库(或将其保存为构建产物),然后使用 actions/deploy-pages 部署 site/。
  3. 启用 Pages(来源:GitHub Actions)。公开仓库可无限使用 Actions 分钟数。

**备选方案:Cloudflare Worker 定时任务 + D1 + Pages($0)。**将 check.py 移植为 Worker scheduled() 处理程序(免费套餐:每天 100k 个请求,包含定时任务触发器)。将记录存储在 D1 中(免费 5 GB),并从 Worker 或 Pages 渲染页面或提供 JSON。此方案更适合作为后续付费 MCP/API 的基础。

预计月度成本

项目成本
GitHub Actions + Pages(公开仓库)或 Cloudflare 免费套餐$0
域名(可选,例如 agentdaily.dev)~$1–1.25/月($12–15/年)
付费 API 功能测试(仅第二阶段)目前 $0;上限 $30–50
第一阶段总计$0–2/月

MCP 服务(mcp-worker/)

这是一个运行在 Cloudflare Worker 上的无状态、只读 MCP 服务。它通过 /mcp 使用 Streamable HTTP,并提供两个工具:list_tools(category?) 和 tool_status(name)。两者都会读取 status.json,并缓存 5 分钟。它还提供 /.well-known/mcp/server-card.json。

cd mcp-worker && npm install && npx wrangler dev   # local
npm test                                           # MCP SDK client check against localhost:8787
npx wrangler deploy                                # needs CLOUDFLARE_API_TOKEN + CLOUDFLARE_ACCOUNT_ID

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。