mcpField
M
mcp-server-collector MCP server

mcp-server-collector MCP server

本地服务
github.com/chatmcp开发工具2098 周前更新
代码仓库

关于 mcp-server-collector MCP server

mcp-server-collector MCP server 是用于从互联网收集 MCP 服务信息的 MCP 服务。它可以从网页或文本内容中提取 MCP 服务，并提交到 MCP 服务目录，适合目录维护者和开发者。

主要功能

  1. 01从 URL 提取 MCP 服务
  2. 02从文本内容提取 MCP 服务
  3. 03向 MCP 服务目录提交条目
  4. 04通过 .env 文件配置 OpenAI 兼容接口

适用场景

  1. 01从网页中收集 MCP 服务列表
  2. 02将新发现的 MCP 服务提交到目录网站

MCP 相关

该项目是 MCP 服务，通过 extract-mcp-servers-from-url、extract-mcp-servers-from-content 和 submit-mcp-server 工具向 MCP 客户端提供功能。

#mcp-server-collector#submit-mcp-server

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

mcp-server-collector MCP 服务

一个用于从互联网收集 MCP 服务的 MCP 服务。

组件

资源

暂无资源。

提示词

暂无提示词。

工具

该服务实现了 3 个工具：

  • extract-mcp-servers-from-url：从给定 URL 提取 MCP 服务。
    • 将 "url" 作为必需的字符串参数
  • extract-mcp-servers-from-content：从给定内容提取 MCP 服务。
    • 将 "content" 作为必需的字符串参数
  • submit-mcp-server：向 MCP 服务目录（如 mcp.so）提交 MCP 服务。
    • 将 "url" 作为必需的字符串参数，并将 "avatar_url" 作为可选的字符串参数

配置

需要设置 .env 文件。

OPENAI_API_KEY="sk-xxx"
OPENAI_BASE_URL="https://api.openai.com/v1"
OPENAI_MODEL="gpt-4o-mini"

MCP_SERVER_SUBMIT_URL="https://mcp.so/api/submit-project"

快速开始

安装
Claude Desktop

MacOS：~/Library/Application\ Support/Claude/claude_desktop_config.json Windows：%APPDATA%/Claude/claude_desktop_config.json

开发/未发布服务的配置 ``` "mcpServers": { "fetch": { "command": "uvx", "args": ["mcp-server-fetch"] }, "mcp-server-collector": { "command": "uv", "args": [ "--directory", "path-to/mcp-server-collector", "run", "mcp-server-collector" ], "env": { "OPENAI_API_KEY": "sk-xxx", "OPENAI_BASE_URL": "https://api.openai.com/v1", "OPENAI_MODEL": "gpt-4o-mini", "MCP_SERVER_SUBMIT_URL": "https://mcp.so/api/submit-project" } } } ```
已发布服务的配置 ``` "mcpServers": { "fetch": { "command": "uvx", "args": ["mcp-server-fetch"] }, "mcp-server-collector": { "command": "uvx", "args": [ "mcp-server-collector" ], "env": { "OPENAI_API_KEY": "sk-xxx", "OPENAI_BASE_URL": "https://api.openai.com/v1", "OPENAI_MODEL": "gpt-4o-mini", "MCP_SERVER_SUBMIT_URL": "https://mcp.so/api/submit-project" } } } ```

开发

构建和发布

准备分发软件包：

  1. 同步依赖项并更新锁定文件：
uv sync
  1. 构建软件包分发文件：
uv build

这将在 dist/ 目录中创建源码分发包和 wheel 分发包。

  1. 发布到 PyPI：
uv publish

注意：你需要通过环境变量或命令标志设置 PyPI 凭据：

  • 令牌：--token 或 UV_PUBLISH_TOKEN
  • 或用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD
调试

由于 MCP 服务通过 stdio 运行，调试可能颇具挑战。为了获得最佳调试体验，我们强烈建议使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory path-to/mcp-server-collector run mcp-server-collector

启动后，Inspector 将显示一个 URL，你可以在浏览器中访问该 URL 以开始调试。

社区

关于作者

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。