MCP 生态全景：官方与社区工具、Server 和框架一览

MCP 生态正在快速壮大。从 Anthropic 的官方 Server 到社区贡献的各种集成，开发者可以找到几乎任何常见服务的 MCP 实现。这篇文章将为你梳理整个 MCP 生态的全貌。

官方工具

MCP Inspector

交互式调试工具，用于测试和调试 MCP Server。

npx @modelcontextprotocol/inspector node server.js

官方 Server

Anthropic 提供了一系列高质量的参考 Server：

Filesystem Server——文件系统操作，支持读写文件、搜索、目录管理。

npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/dir

GitHub Server——GitHub API 集成，支持仓库管理、PR 操作、Issue 管理。

npx -y @modelcontextprotocol/server-github

GitLab Server——GitLab API 集成，功能与 GitHub Server 类似。

Brave Search Server——网页搜索能力，基于 Brave Search API。

npx -y @modelcontextprotocol/server-brave-search

Google Maps Server——地理信息查询，支持地点搜索和路线规划。

Postgres/SQLite Server——数据库查询，支持 SQL 执行和 schema 查看。

官方 SDK

• TypeScript SDK：@modelcontextprotocol/sdk
• Python SDK：mcp

社区 Server

社区贡献了大量 MCP Server 覆盖各种常见服务：

开发工具类

Docker Server——容器管理，支持创建、启动、停止容器。

Kubernetes Server——K8s 集群管理，支持 Pod、Service、Deployment 操作。

Jenkins Server——CI/CD 流水线管理。

Sentry Server——错误监控和异常追踪。

办公协作类

Slack Server——消息发送、频道管理、搜索。

Notion Server——页面和数据库操作。

Google Drive Server——文件管理、搜索、权限控制。

Jira Server——项目管理和 Issue 追踪。

数据分析类

Pandas Server——数据分析和处理。

Chart Server——图表生成。

Airtable Server——Airtable 数据库操作。

搜索引擎类

Elasticsearch Server——全文搜索引擎。

Algolia Server——搜索即服务。

AI 增强类

Hugging Face Server——模型推理和数据集访问。

Replicate Server——运行开源 AI 模型。

开发框架

FastMCP（Python）

简化 MCP Server 开发的 Python 框架：

from fastmcp import FastMCP

mcp = FastMCP("My Server")

@mcp.tool()
def search(query: str) -> str:
    """搜索文档"""
    return f"Results for: {query}"

@mcp.resource("config://app")
def get_config() -> str:
    return '{"version": "1.0"}'

mcp.run()

MCP Framework（TypeScript）

社区的高级框架，提供了更多内置功能：

import { MCPServer, tool, resource } from 'mcp-framework';

@MCPServer()
class MyServer {
  @tool()
  async search(query: string): Promise<string> {
    return await doSearch(query);
  }

  @resource('config://app')
  async getConfig(): Promise<string> {
    return JSON.stringify({ version: '1.0' });
  }
}

LLM 客户端支持

Claude

最完整的 MCP 支持。Claude Desktop 原生集成 MCP，Claude API 可通过 SDK 使用。

ChatGPT / GPT

通过社区适配器支持。OpenAI 尚未原生支持 MCP，但可以通过 Function Calling 桥接。

Gemini

Google 尚未官方支持 MCP，但社区有实验性的适配方案。

开源模型

Llama、Mistral 等开源模型可以通过 LangChain、LlamaIndex 等框架间接使用 MCP。

集成方案

LangChain 集成

将 MCP Server 作为 LangChain 的 Tool 使用：

import { MCPToolkit } from 'langchain-mcp';

const toolkit = new MCPToolkit({
  command: 'node',
  args: ['server.js'],
});

const tools = await toolkit.getTools();
// 在 LangChain Agent 中使用这些工具

LlamaIndex 集成

将 MCP Server 作为 LlamaIndex 的数据源：

from llama_index.tools.mcp import McpToolSpec

tool_spec = McpToolSpec(
    command="python",
    args=["server.py"]
)
tools = tool_spec.to_tool_list()

Vercel AI SDK 集成

在 Next.js 应用中使用 MCP：

import { createMCPTools } from 'ai-mcp';

const tools = await createMCPTools({
  servers: [
    { command: 'npx', args: ['-y', '@modelcontextprotocol/server-filesystem', '/data'] },
  ],
});

如何选择

新手入门

从官方 Server 开始——Filesystem、GitHub、Brave Search 覆盖了最常见的使用场景。

生产环境

优先选择官方 Server 和高 Star 的社区 Server。检查维护频率和 issue 处理情况。

自定义需求

使用官方 SDK 开发自己的 Server。TypeScript 和 Python SDK 都提供了完善的 API。

常见问题（FAQ）

如何找到特定服务的 MCP Server？

在 GitHub 搜索 “mcp-server-[服务名]“，或在 MCP 官方文档的 Server 列表中查找。

社区 Server 的质量如何保证？

官方 Server 有最高的质量标准。社区 Server 质量参差不齐，建议检查 Star 数、最近更新时间和 issue 处理情况。

可以同时使用多个框架吗？

可以。MCP 是协议标准，不同框架实现的 Server 可以被同一个 Client 使用。

总结

MCP 生态已经相当成熟——官方工具覆盖基础场景，社区贡献填补细分领域，开发框架降低入门门槛。作为 AI Agent 开发者，你不需要从零开始，站在生态的肩膀上可以更快地构建强大的应用。