MCP.so // MCP 服务器导航与聚合市场 访问官网 ↗
  • 社区驱动目录
  • 第三方 MCP 聚合
  • 服务器发现与导航
  • 开源协议生态
  • 精选 + 趋势 + 新发布

给 AI 接上一个新工具，你缺的往往不是代码，而是一个能「翻到」它的地方

MCP（Model Context Protocol，模型上下文协议）把「AI 模型」和「外部工具、数据、工作流」之间连上了一根通用插头。可当真要动手时，开发者最常卡住的一步并不是写协议，而是：到底市面上已经有哪些现成的 MCP 服务器？哪个能接我的 GitHub、我的数据库、我的云存储？MCP.so 想解决的，正是这个「发现与导航」的中间环节——它本身不运行你的服务器，而是把散落在 GitHub、包管理器与社区里的第三方 MCP 服务器，汇成一张可检索、可分类、可对照的地图。

一句话认识它：MCP.so 是一个社区驱动的 MCP 服务器导航与聚合市场[1]，官方将其定位为「MCP store + MCP server list + curated directory」三位一体的平台，用来发现、分享与了解可用于 AI 应用的各类 MCP 服务器[1]。第三方观测显示，截至 2026 年其索引规模已达一万到近两万台服务器量级（不同口径分别为约 10,000+ 与 19,700+）[2][3]，但 MCP.so 自身并不公开一个全局收录总数，它更像一个持续被社区爬虫与提交滋养的活目录。

画廊网格：在 MCP.so 上能「翻到」哪些服务器

MCP.so 的首页把可发现的对象切成好几层：精选服务器（Featured servers）、精选客户端（Featured clients）、精选命令行工具（Featured CLI tools）、可复用工作流（Featured loops）与智能体技能（Featured Agent Skills）。下面这张画廊网格，陈列的是在 MCP.so 上真实可见、可被检索到的代表性「服务器 / 集成」示例——它们都不是占位图，而是平台里反复出现的条目名称与用途，目的是让你直观感受这个目录到底覆盖多宽。[1]

Local YDB MCP

通过 Docker 或 SSH 操作本地环境，对外暴露约 38 个工具，把本地开发机能力直接交给 AI 助手调用。

Developer Tools~38 tools

Asana

把项目管理中的任务、项目与工作区结构化暴露出来，让 AI 能读取与书写协作上下文。

AI & Agentstask / project

Medplum

面向医疗信息平台，把临床数据能力接入智能体，是 MCP.so 上收藏量最高的条目之一。

Memory & Knowledge2.5K 收藏

PLUR

提供持久化记忆能力，让 AI 在多次会话间保留上下文，本周社区安装趋势靠前。

Memory & Knowledge226 安装

Termany

一个「Agent 原生」的终端服务器，把命令行执行封装成可被智能体安全调用的工具。

Developer Tools174 安装

LocalCan

把本地 localhost 服务通过公网隧道暴露出去，方便远程主机或云端 AI 连回本机。

Cloud & Infrastructure82 安装

IBANforge

做 IBAN 校验与 BIC/SWIFT 查询，是把金融合规小工具包装成 MCP 服务器的典型样本。

AI & Agentsfinance

Agentery

汇总超过 13,000 个智能体的定价信息，体现 MCP 生态从「工具」向「智能体目录」延展。

AI & Agents13,000+

Agimem

提供持久化记忆存储，和 PLUR 一类记忆型服务器一起，构成「让 AI 记住你」的拼图。

Memory & Knowledgepersistent

需要厘清：上面这些名称与用途来自 MCP.so 的公开展示页与第三方目录观察，具体能力、安装方式与维护状态随时会变；真正接入前请以每个服务器在 GitHub 上的源码、文档与其自身声明为准。MCP.so 是「目录」而非「运行环境」，它不替你验证服务器安全性。[4]

案例卡：一个团队如何用 MCP.so 把「私有数据」接进 AI

把上面那些零散条目串成一个真实场景，最能看清 MCP.so 的价值。设想一支做内部知识助手的小团队，目标是让公司里的 AI 助手既能读代码仓库，又能查内部数据库，还能翻云盘文档——但他们只有两个工程师，没空从零手写每个连接器。

场景：两周内搭起「代码 + 数据 + 文档」三源 AI 助手

  1. 先到 MCP.so 搜「GitHub」：在目录里翻到一个官方性质的 GitHub MCP 服务器条目，跟着它指向的仓库与配置示例，把仓库读权限接进 Claude Desktop / Cursor，AI 第一次能直接读 PR 与 issue。
  2. 再搜「PostgreSQL」：目录里 PostgreSQL 类服务器不少，团队对照「只读」「结构化输出」「维护活跃度」等线索挑了一个，配好只读账号，让 AI 能基于真实表结构答疑，而不是瞎编字段。
  3. 补一个「云盘 / 文件」类服务器：从 Media & Design 或 Memory 类里挑一个文件类服务器，让 AI 能读取写好的文档与素材。
  4. 用标签交叉筛选：通过 search、databases、browser automation、memory、cloud services 等标签，把候选收敛到少数几个，再逐个看其运行方式（stdio 还是 HTTP/SSE）与本机依赖。
  5. 最后回 MCP.so 的 Trending 区复核：看哪些服务器本周真被社区装得多，用「热度」作为弱信号，辅助判断一个服务器是不是还在活跃维护。

这个案例里，MCP.so 扮演的是「选购前的比对货架」：团队没有在它上面运行任何东西，却靠它把「我需要的能力 → 谁已经实现了 → 怎么装」这条决策链缩短了数天。这正是导航型平台最朴素也最实在的贡献。[5]

风格对比（一）：五大分类各自的「性格」

MCP.so 顶部给出五个最热门类别，它们不只是标签，更像五条不同气质的赛道。理解各自的侧重，能让你在检索时先选对「楼层」，再找具体房间。

01

Developer Tools

开发者工具，偏命令行、代码仓库、本地环境、构建与调试。最「硬核」，也是 MCP 服务器最早密集出现的区域。

02

AI & Agents

AI 与智能体，覆盖任务管理、记忆、定价目录、自动化规划。这里能看到「工具」向「会自己干活的智能体」演化的痕迹。

03

Cloud & Infrastructure

云与基础设施，提供隧道、部署、对象存储、运维观测等能力，把云端资源直接喂给 AI。

04

Memory & Knowledge

记忆与知识，是 2026 年增长最快的方向之一；PLUR、Agimem 这类持久化记忆服务器，让 AI 跨会话「记得你」。

05

Media & Design

媒体与设计，把图像、音视频、设计素材的生成与处理逻辑封装成工具，服务多模态工作流。

风格对比（二）：MCP.so 与同类目录到底差在哪

把 MCP.so 放到整个 MCP 目录版图里看，它的「性格」是广度优先、社区提交、轻验证。下面这张表把主流目录摆在一起对照——数据来自多家第三方在 2026 年的观测口径，规模数字彼此有出入，但相对位置关系稳定。[2][6][7]

目录索引规模（第三方口径）质量 / 验证机制托管与安装最适合
MCP.so约 10,000+ 至 19,700+社区提交，基本无强制验证纯目录索引，自行部署广度发现、「还有没有我能用的」穷举式检索
Smithery约 6,000+ 至 7,000+验证徽章、质量评分一键托管 + Toolbox 运行时路由agent-first 团队，要发现 + 托管 + 运行一条龙
mcp.run约 400+沙箱隔离执行云端托管，免本地安装团队要统一 MCP 栈、不想逐机配置
Glama约 37,800（含约 6,000 托管）分级质量信号（含 AAA 独立验证）提供托管连接器企业买家，需要真实 vetting 权重
PulseMCP约 1,200+ 策展人工编辑策展，先审后入无托管，纯目录想要「用过再推荐」精挑细选清单的团队
Official Registry约 40+ 第一方官方、Linux 基金会托管开放 API，作为真相源需要权威元数据与长期稳定接口

一句话区分：MCP.so 是「最宽的书架」，Smithery 是「能直接拆封的货架」，mcp.run 是「云端即开即用」，Glama 是「带质检章的供应商名录」，PulseMCP 是「编辑精选小册子」。对一个只想先看看「世界上有多少 MCP 服务器」的人来说，MCP.so 的广度几乎无可替代；但若要把某个服务器放进生产环境，就必须像其他评论者提醒的那样，先自己过一遍安全扫描，再决定是否接入敏感系统。[3]

为什么「目录」这件事在 MCP 时代格外重要

在 MCP 协议出现之前，要把 AI 助手接到某个外部工具，要么等 AI 厂商硬编码集成（慢、有限、封闭），要么为每个 API 自己写一套工具调用逻辑（碎片化、难维护）。MCP 把这件事下沉到协议层：只要服务器暴露标准接口，任何兼容的主机（Claude Desktop、Cursor、Zed、VS Code + Copilot、乃至 ChatGPT 桌面端）都能连。[7]

正因接入变容易，服务器的数量才会在 2025 年底到 2026 年迅速膨胀到数千乃至上万。问题随之反转：不是「能不能接」，而是「该接哪一个、它靠不靠谱、怎么装」。目录型平台的价值，正从「帮你写连接器」转向「帮你在爆炸式增长里做取舍」。MCP.so 的社区提交 + 标签 + 趋势榜组合，恰好对应了开发者最朴素的三连问：有没有？哪个火？怎么上？

三个最常踩的坑

A

把「收录」当「安全」

第三方扫描显示，部分目录里相当比例的服务器存在安全隐患。MCP.so 不强制验证，收录 ≠ 可信，接敏感系统前务必用官方 Inspector 自测。

B

只看名字不看运输方式

同一服务器可能支持 stdio、SSE 或 HTTP；你的主机支持哪种、要不要 API Key、能不能暴露在公网，直接决定能不能跑起来。

C

忽视维护活跃度

目录里躺着的旧条目很多，挑服务器时顺手看一眼 Trending、最近更新与 GitHub 提交活动，能避开「看起来能装、实际已废弃」的坑。

常见问答

MCP.so 到底是什么，它和 MCP 协议什么关系？

MCP 是 Anthropic 在 2024 年底公开发布的开放协议，定义了 AI 模型发现、调用外部工具的标准方式；MCP.so 则是社区驱动的目录，把符合该协议的第三方服务器汇总起来供人检索，它本身不实现协议、也不运行服务器。

MCP.so 和 Smithery、mcp.run 最大的区别是什么？

MCP.so 是广度优先的纯目录，社区提交、基本不验证，适合穷举式发现；Smithery 体量也大，但提供验证徽章与一键托管；mcp.run 走云端沙箱路线，免本地安装。需要信任信号时，MCP.so 弱于 Glama、PulseMCP 这类带质检或策展的目录。

我能在 MCP.so 上直接运行一个服务器吗？

不能。MCP.so 是导航与聚合市场，只提供条目、元数据、源码链接与安装线索；真正运行仍要在你的主机（Claude Desktop、Cursor、VS Code 等）或某个托管平台上去部署和连接。

目录里标的热度（如 2.5K 收藏）能信吗？

热度是弱信号，适合做「是否在活跃维护」的粗筛，不能替代安全审查。不同目录统计口径不一，横向比较时要看来源，别把数字当绝对真理。

怎么把自己的 MCP 服务器提交到 MCP.so？

按官网说明，通常通过在其 GitHub 仓库新建 issue 来提交，提供名称、描述、功能与连接信息；社区会据此把它收录进目录。提交不等于审核通过或品质背书。

它收费吗，企业能直接用吗？

核心发现服务免费；但目录本身不验证安全性，把其中条目接入生产或敏感系统时，企业应当自建网关与策略，不要直接信任匿名爬取条目。

参考资料

  1. 来源：MCP.so 官方网站（平台定位：MCP store + server list + curated directory，社区驱动收录第三方 MCP 服务器）：https://mcp.so
  2. 来源：ThinkNEO 博客 —《MCP registries compared: Glama, Smithery, PulseMCP, mcp.so》（各目录规模与质量层对比，mcp.so 约 10,000+）：https://thinkneo.ai/blog/mcp-registries-compared-20260714
  3. 来源：CallSphere 博客 —《MCP Registry Catalogs in 2026: Official Registry vs Smithery vs mcp.so》（mcp.so 约 19,700+，目录分层的生产视角）：https://callsphere.ai/blog/vw4g-mcp-registry-catalogs-smithery-mcp-so-comparison-2026
  4. 来源：Rujwdu 中文技术分析 —《三种 MCP 目录扫描方式大不同》（mcp.so 仅需一行 Markdown、不验证的说明）：https://www.rujwdu.com/zh/crypto-news/mcp-13881
  5. 来源：The Daily Workflow — MCP.so 服务条目（发现平台定位、与 Claude 集成、使用场景描述）：https://thedailyworkflow.com/service/MCP.so
  6. 来源：FrankX.AI 博客 —《MCP Server Guide 2026: ClawHub, Smithery, and What to Install》（四大注册表格局与各目录特征）：https://frankx.ai/blog/mcp-ecosystem-2026-clawhub-smithery-guide
  7. 来源：AI Wiki —《MCP server》（MCP 协议背景、各主机支持时间线、注册表信任模型）：https://aiwiki.ai/wiki/mcp_server

青衣网络 AI 观察团队 · 最后更新 2026-08-25　|　本文基于 MCP.so 官方公开信息与第三方目录观察整理，用于帮助读者理解其「MCP 服务器发现与导航平台」的定位与能力边界；收录规模、分类、热门条目与目录间差异均随时变化，实际接入请以各服务器官方源码、文档与安全审查为准。