MCP Servers — 官方参考实现与生态工具集

GitHub: modelcontextprotocol/servers
Stars: 87,300+ | License: Apache 2.0 (新代码) / MIT (已有代码)
官网: modelcontextprotocol.io

项目速览

MCP Servers 是 Model Context Protocol 官方维护的参考服务器集合，旨在展示 MCP 协议的各种能力并作为开发者构建自定义 Server 的教学范例。官方明确声明这些实现「旨在作为参考实现展示 MCP 功能和 SDK 用法」，是「面向开发者的教育示例，而非生产就绪方案」。

截至 2026 年 6 月，项目在 GitHub 上获得超过 87,300 颗 Star，是所有 MCP 生态项目中关注度最高的仓库。项目维护了 7 个活跃的参考服务器（另有 14 个已归档至 servers-archived 仓库），覆盖网络抓取、文件操作、版本控制、知识图谱记忆、结构化推理、时间处理等典型 AI 工具场景。

项目的价值不仅在于可直接使用的工具，更在于它展示了 MCP 协议三大核心原语（Tools、Resources、Prompts）的最佳实践，以及 stdio、SSE、Streamable HTTP 三种传输协议的配置方式。每个 Server 都是一个独立可运行的完整示例，开发者可以由此学习如何设计工具的参数 Schema、如何处理错误、如何管理状态以及如何编写 Claude Desktop / VS Code 的配置。

功能概述

1. Everything — 全功能协议测试服务器

Everything 是一个综合性的测试与演示服务器，旨在「锻炼 MCP 协议的所有功能」，为 MCP 客户端构建者提供一个覆盖全部协议特性面的测试目标。它不是面向最终用户的生产工具，而是面向客户端开发者的验证工具。

涵盖的协议特性：

Tools（工具调用）
Resources（资源访问）
Prompts（提示模板）
Sampling（服务端调用 LLM）
分页、进度报告、Elicitation 等协议扩展

支持的传输方式：

传输方式	启动命令
stdio（默认）	`npx -y @modelcontextprotocol/server-everything`
Streamable HTTP	`npx -y @modelcontextprotocol/server-everything streamableHttp`
SSE（2025-03-26 起弃用）	`npx -y @modelcontextprotocol/server-everything sse`

npm 包名： @modelcontextprotocol/server-everything

2. Fetch — 网页内容抓取与转换

Fetch 服务器提供网页内容抓取功能，将 HTML 自动转换为 Markdown 格式供 LLM 消费。最突出的设计是支持分块渐进式读取（chunked reading），模型可以从 start_index 开始分段读取长文档。

工具：fetch

参数	类型	必需	默认值	说明
`url`	string	是	—	要抓取的 URL
`max_length`	int	否	5000	返回字符数上限
`start_index`	int	否	0	内容提取的起始字符索引
`raw`	bool	否	false	true 时返回原始内容（不做 Markdown 转换）

提示模板：fetch — 接收 url 参数，返回该 URL 的 Markdown 内容。

安装方式：

# 方式一：uvx（推荐，无需安装）
uvx mcp-server-fetch

# 方式二：pip
pip install mcp-server-fetch
python -m mcp_server_fetch

# 方式三：Docker
docker run -i --rm mcp/fetch

自定义参数：

--ignore-robots-txt — 忽略 robots.txt 规则
--user-agent=YourUserAgent — 自定义 User-Agent
--proxy-url=http://proxy:8080 — 通过代理发起请求

安全声明： 该服务器可访问本地/内网 IP 地址，可能构成安全风险。默认 User-Agent 遵循模型发起的工具请求会遵守 robots.txt 的规范。

3. Filesystem — 安全文件操作

Filesystem 服务器提供安全的文件系统操作，支持可配置的访问控制。通过指定允许访问的目录路径，将文件读写能力暴露给 AI 助手，同时限制沙箱范围。

启动方式：

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

可指定多个允许路径，服务器仅能操作这些目录下的文件。

4. Git — 版本控制操作

Git 服务器将 Git 操作封装为 MCP 工具，让 AI 助手可以读取、搜索和操作 Git 仓库。这是一个 Python 实现（使用 uvx 运行）。

核心能力：

查看提交历史（git log）
查看文件差异（git diff）
查看暂存区状态（git status）
分支管理
文件内容查看

启动方式：

uvx mcp-server-git --repository /path/to/git/repo

5. Memory — 知识图谱持久记忆系统

Memory 服务器是整个集合中最具创新性的设计。它使用本地知识图谱实现跨会话持久记忆，让 AI 助手能在不同的聊天会话之间记住用户信息。

知识图谱的三个核心概念：

实体（Entity）：图谱中的节点，每个实体有唯一名称、类型（如 "person"、"organization"、"event"）和一组观察（Observations）
关系（Relation）：实体之间的有向连接，如 "works_at" 连接一个人和一家公司
观察（Observation）：附加在实体上的原子事实字符串，可独立增删（「一条观察一个事实」）

9 个工具完整清单：

工具名	功能	关键行为
`create_entities`	批量创建实体	输入数组（name + entityType + observations）。忽略同名已有实体
`create_relations`	建立有向关系	输入数组（from + to + relationType）。跳过重复关系
`add_observations`	向已有实体追加事实	输入数组（entityName + contents）。实体不存在则失败
`delete_entities`	删除实体及级联关系	输入实体名称数组。级联删除关联关系，实体不存在时静默
`delete_observations`	删除指定观察	输入数组（entityName + observations）。观察不存在时静默
`delete_relations`	删除指定关系	输入数组（from + to + relationType）。关系不存在时静默
`read_graph`	返回完整知识图谱	无需输入，返回所有实体和关系
`search_nodes`	跨实体名/类型/观察文本搜索	接收 query 字符串，返回匹配实体及其关系
`open_nodes`	按名称检索特定实体	接收 names 字符串数组，返回实体及其关系。静默跳过不存在的节点

存储： 默认使用 memory.jsonl（JSONL 格式），可通过环境变量 MEMORY_FILE_PATH 自定义路径。

启动方式：

# NPX
npx -y @modelcontextprotocol/server-memory

# Docker（带持久化卷）
docker run -i -v claude-memory:/app/dist --rm mcp/memory

系统提示词引导： 官方提供了示例系统提示词，定义了四个阶段：用户识别（默认 default_user）→ 会话开始时检索记忆 → 对话中监听新信息 → 会话结束时更新实体、关系和观察。

6. Sequential Thinking — 动态结构化推理

Sequential Thinking 服务器解决的是复杂问题的分步推理需求。当问题涉及不清晰的范围、相互依赖的变量或不断变化的约束时，模型的单次回答往往不够深入或不够准确。该工具强制执行多步推理，允许模型修正早期结论、探索替代分支，并动态调整思考步数。

唯一工具：sequential_thinking

参数	类型	必需	说明
`thought`	string	是	当前思考步骤的内容
`nextThoughtNeeded`	boolean	是	是否还需要后续步骤
`thoughtNumber`	int	是	当前思考的序数位置
`totalThoughts`	int	是	预估的总步数
`isRevision`	boolean	否	标记此步是对早期思考的修正
`revisesThought`	int	否	被修正的思考步骤编号
`branchFromThought`	int	否	分支起点的思考步骤编号
`branchId`	string	否	分支标识符
`needsMoreThoughts`	boolean	否	表明总步数估计需要上调

工作方式： 宿主（Claude Desktop / VS Code）多次调用该工具，每次调用代表一个独立的推理步骤。随着序列展开，可能出现：

修正（Revision）：发现之前某步不够完善，通过 isRevision + revisesThought 返回修改
分支（Branching）：当某个假设可能错误时，通过 branchFromThought + branchId 分叉出替代路径，并行探索多个假设
动态调整（Dynamic Adjustment）：问题范围扩大时，通过 needsMoreThoughts 表明初始估计过于保守

适用的问题类型：

需要分解为子步骤的复杂问题
可能需要修正的规划与设计
需要修正路线的分析
初始范围不清晰的问题
需要跨步骤保持上下文的推理
推理过程需要过滤无关信息

启动方式：

npx -y @modelcontextprotocol/server-sequential-thinking
# Docker: docker run --rm -i mcp/sequentialthinking

环境变量 DISABLE_THOUGHT_LOGGING=true 可关闭思考内容的日志输出。

7. Time — 时间与时区转换

Time 服务器提供时间和时区转换能力，是一个 Python 实现的轻量级工具。

启动方式：

uvx mcp-server-time --local-timezone=America/New_York

支持本地时区设置，可进行时区转换、获取当前时间等操作。

已归档的服务器

以下 14 个服务器因维护策略调整已移至独立的 servers-archived 仓库：

服务器	说明
AWS KB Retrieval	AWS Bedrock 知识库检索
Brave Search	Brave 搜索 API 集成
EverArt	AI 图像生成
GitHub	GitHub API 集成（`@modelcontextprotocol/server-github`）
GitLab	GitLab API 集成
Google Drive	Google Drive 文件操作
Google Maps	Google Maps 地理服务
PostgreSQL	PostgreSQL 数据库查询（`@modelcontextprotocol/server-postgres`）
Puppeteer	浏览器自动化
Redis	Redis 缓存操作
Sentry	Sentry 错误追踪
Slack	Slack 消息集成
SQLite	SQLite 数据库查询

适用场景

增强 AI 编码助手

Filesystem 和 Git 服务器可以让 Claude Code、VS Code Copilot 等 AI 编码助手直接操作项目文件和版本历史，无需手动复制粘贴。

AI 个人记忆系统

Memory 服务器的知识图谱方案适合构建个人 AI 助理，跨会话记住用户的偏好、背景信息、项目进展等，实现真正的个性化体验。

复杂推理增强

Sequential Thinking 服务器适用于技术方案设计、系统架构决策、故障排查等需要多轮反思和路线修正的场景。

信息聚合与分析

Fetch 服务器配合 AI 助手可实现自动化的网页信息抓取、竞争分析、文档调研等工作流。

跨时区协作

Time 服务器为全球化团队提供统一的时区转换能力，可集成到会议安排、截止日期提醒等场景中。

MCP 学习与参考

对于正在构建自定义 MCP Server 的开发者，Everything 服务器是最全面的协议功能参考，其他 6 个服务器则展示了特定领域的工具设计模式。

快速上手

通用配置模式

所有 MCP 服务器的 Claude Desktop 配置遵循统一的 JSON 结构：

{
  "mcpServers": {
    "server-name": {
      "command": "npx",          // 或 uvx, docker, python
      "args": ["-y", "package-name", "...options"]
    }
  }
}

典型多服务器配置

一个同时启用 Memory、Fetch 和 Git 的生产级配置：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"],
      "env": {
        "MEMORY_FILE_PATH": "/home/user/claude-memory/memory.jsonl"
      }
    },
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    },
    "git": {
      "command": "uvx",
      "args": ["mcp-server-git", "--repository", "/home/user/projects/my-app"]
    },
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

VS Code 配置

VS Code 使用 "servers" 作为顶层 key（而非 "mcpServers"），配置放入用户级 mcp.json 或工作区级 .vscode/mcp.json：

{
  "servers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

Debug 工具

MCP Inspector 可用于调试任何 MCP 服务器：

# 调试 Fetch 服务器
npx @modelcontextprotocol/inspector uvx mcp-server-fetch

# 调试本地开发中的服务器
cd src/fetch
npx @modelcontextprotocol/inspector uv run mcp-server-fetch

源码架构

目录结构

src/
├── everything/           # 全功能协议测试服务器
├── fetch/                # 网页抓取（Python, mcp-server-fetch）
├── filesystem/           # 文件系统操作（TypeScript）
├── git/                  # Git 版本控制（Python, mcp-server-git）
├── memory/               # 知识图谱记忆（TypeScript）
├── sequentialthinking/   # 结构化推理（TypeScript）
└── time/                 # 时间时区（Python, mcp-server-time）

设计原则

语言多样性：7 个活跃服务器中，3 个使用 TypeScript（Everything、Filesystem、Memory、Sequential Thinking），3 个使用 Python（Fetch、Git、Time），展示了两种 SDK 的完整用法。

传输协议覆盖：所有服务器默认支持 stdio 传输（主要用于 Claude Desktop），多数也提供 Streamable HTTP 选项。

独立可部署：每个服务器都有独立的 package.json 或 pyproject.toml，可通过 npm/uvx 独立安装运行，互不依赖。

npm 包命名规范：TypeScript 实现的服务器统一使用 @modelcontextprotocol/server-<name> 命名空间。

实操 Demo

Demo 1: 使用 Memory 构建个性化 AI 助手

步骤一：配置并启动 Memory 服务器

在 Claude Desktop 配置中添加：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

步骤二：AI 自动管理记忆

当你在对话中提到个人信息时，AI 助手会自动调用 Memory 工具：

用户: 我是张三，在 Acme 公司做后端工程师，主要用 Go 和 Python。

AI: [调用 create_entities 创建]
- Entity: "张三" (type: person)
  - Observation: "工作在 Acme 公司"
  - Observation: "职位是后端工程师"
  - Observation: "主要使用 Go 和 Python"

[调用 create_relations]
- (张三) --works_at--> (Acme公司)

步骤三：跨会话记忆检索

下一次对话开始时，AI 通过 search_nodes 检索到之前存储的信息，实现连续性交互：

[新会话]
AI: [自动调用 search_nodes 查询 "张三"]
    欢迎回来，张三！上次我们聊到你在 Acme 做后端开发...

Demo 2: 使用 Sequential Thinking 进行架构决策

场景： 为一个文件同步引擎选择技术方案

用户: 帮我设计一个跨平台文件同步引擎的方案

AI: [sequential_thinking 调用 1]
    thought: "分析需求：跨平台文件同步需要解决的核心问题有：(1) 文件系统事件监听..."
    thoughtNumber: 1
    totalThoughts: 5
    nextThoughtNeeded: true

AI: [sequential_thinking 调用 2]
    thought: "候选方案：A) rsync 风格（全量+增量扫描）B) Watchman 风格..."
    thoughtNumber: 2
    totalThoughts: 5
    nextThoughtNeeded: true

AI: [sequential_thinking 调用 3]
    thought: "回到步骤 2，遗漏了 P2P 同步（Syncthing 风格）方案。补充分析..."
    thoughtNumber: 3
    totalThoughts: 6
    isRevision: true
    revisesThought: 2
    needsMoreThoughts: true
    nextThoughtNeeded: true

...（继续迭代直到得出结论）

Demo 3: 使用 Fetch 进行竞争分析

将 Fetch 服务器配置到 AI 助手中，通过自然语言指令即可完成竞品调研：

用户: 抓取 OpenAI、Anthropic 和 Google 三家最新大模型
      的产品页，帮我做一个对比表格。

AI: [调用 fetch(url="https://platform.openai.com/docs/models")]
    [调用 fetch(url="https://docs.anthropic.com/en/docs/about-claude/models")]
    [调用 fetch(url="https://ai.google.dev/models/gemini")]

    ...处理三段 Markdown 内容，输出对比表格...

维度	MCP Servers（官方）	LangChain Tools	Composio	自定义开发
协议标准	MCP 标准协议	LangChain 自定义	MCP + REST	自定协议
可用工具数	7 个参考实现	200+ 集成	100+ 集成	按需开发
设计定位	教育示例（非生产级）	生产级集成	生产级 SaaS	完全可控
维护者	Anthropic 官方	LangChain 社区	Composio 团队	自有团队
知识图谱记忆	Memory（本地 JSONL）	ConversationMemory 等	无内置	自行实现
结构化推理	Sequential Thinking	Chain-of-Thought	无内置	自行实现
部署复杂度	一条命令运行	需安装依赖包	需注册账号	需完整开发
学习价值	最佳 MCP 协议实践参考	适合快速原型	适合生产集成	灵活度最高

参考资源

GitHub 仓库: modelcontextprotocol/servers
已归档服务器: modelcontextprotocol/servers-archived
MCP 协议规范: modelcontextprotocol.io
MCP Inspector（调试工具）: @modelcontextprotocol/inspector
Python SDK: modelcontextprotocol/python-sdk
TypeScript SDK: modelcontextprotocol/typescript-sdk
Claude Desktop 配置指南: modelcontextprotocol.io/quickstart/user
VS Code MCP 配置: code.visualstudio.com/docs/copilot/customization/mcp-servers

目录

项目速览

功能概述

1. Everything — 全功能协议测试服务器

2. Fetch — 网页内容抓取与转换

3. Filesystem — 安全文件操作

4. Git — 版本控制操作

5. Memory — 知识图谱持久记忆系统

6. Sequential Thinking — 动态结构化推理

7. Time — 时间与时区转换

已归档的服务器

适用场景

增强 AI 编码助手

AI 个人记忆系统

复杂推理增强

信息聚合与分析

跨时区协作

MCP 学习与参考

快速上手

通用配置模式

典型多服务器配置

VS Code 配置

Debug 工具

源码架构

目录结构

设计原则

实操 Demo

Demo 1: 使用 Memory 构建个性化 AI 助手

Demo 2: 使用 Sequential Thinking 进行架构决策

Demo 3: 使用 Fetch 进行竞争分析

同类对比

参考资源