MCP 系列（03）生态导航——官方 Server 清单与社区精选

官方维护的 MCP Server

Anthropic 官方维护以下 Server，稳定性和文档质量可直接用于生产，无需额外审查。

安装方式

官方 Server 通过 npm 发布，两种接入方式：

# 方式 A：npx 直接运行（无需安装，适合快速测试）npx @modelcontextprotocol/server-filesystem /path/to/allowed-dir# 方式 B：全局安装后运行npm install -g @modelcontextprotocol/server-filesystem

Claude Code 配置（在项目 .claude/settings.json 或用户全局设置中）：

{"mcpServers": {"filesystem": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]}}}

Filesystem — 本地文件操作

安装： @modelcontextprotocol/server-filesystem

工具清单：

使用场景： 让 Agent 读写本地项目文件，代码生成后直接写入，配合代码库问答。

注意： 启动时必须声明允许访问的目录（沙箱化），Server 不会访问指定目录之外的路径。

GitHub — 代码仓库管理

安装： @modelcontextprotocol/server-github

环境变量： GITHUB_PERSONAL_ACCESS_TOKEN

核心工具（部分）：

create_or_update_file创建/更新仓库文件search_repositories搜索代码仓库create_repository创建新仓库get_file_contents读取文件内容（含历史版本）push_files 批量提交多个文件create_issue 创建 Issuecreate_pull_request创建 Pull Requestfork_repositoryFork 仓库create_branch创建分支

使用场景： Agent 直接管理 PR/Issue，自动化代码提交，仓库分析。

PostgreSQL — 数据库查询

安装： @modelcontextprotocol/server-postgres

连接配置：

{"mcpServers": {"postgres": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:password@localhost:5432/mydb"]}}}

工具： query（执行 SELECT 查询，只读，防止意外写入）

资源： postgres://<host>/<db>/schema（数据库 Schema，LLM 可读取后自动生成 SQL）

使用场景： 自然语言转 SQL，数据分析，业务查询。

Brave Search — 网络搜索

安装： @modelcontextprotocol/server-brave-search

环境变量： BRAVE_API_KEY（需注册 Brave Search API）

工具：

使用场景： Agent 实时查询信息，替代 Google（有免费额度）。

Fetch — HTTP 请求

安装： @modelcontextprotocol/server-fetch

工具： fetch（发送 HTTP GET，返回清理后的页面内容）

特点： 自动将 HTML 转换为 Markdown，清理广告和导航元素，Token 友好。

使用场景： Agent 抓取网页内容，读取 API 文档，替代 Web Agent 的简单页面抓取需求。

Memory — 知识图谱记忆

安装： @modelcontextprotocol/server-memory

工具：

create_entities 创建实体节点（人、地点、概念）create_relations建立实体间的关系add_observations为实体添加观察/事实delete_entities 删除实体delete_relations删除关系search_nodes语义搜索实体open_nodes读取指定实体的详情read_graph读取完整知识图谱

使用场景： 跨会话记忆（Agent 记住用户偏好、项目背景），构建轻量级的个人知识库。

其他官方 Server

社区 Server 精选

以下是按类别整理的社区 Server，均经过可用性筛选，适合生产使用。

数据库类

代码与开发工具类

企业集成类

AI / 知识类

如何评估一个 MCP Server 的质量

社区 Server 良莠不齐，用于生产前检查 5 个维度。

维度 1：Schema 描述质量

工具的 description 和参数描述决定 LLM 能否正确调用。

// ❌ 描述不够具体，LLM 不知道什么时候用{"name": "search","description": "Search for items"}// ✅ 描述精确，包含使用时机和参数说明{"name": "search_jira","description": "Search Jira tickets by keyword. Use when the user asks about bugs, tasks, or issues. Returns title, status, priority, and assignee.","inputSchema": {"properties": {"query": {"type": "string","description": "Search keywords. Supports JQL expressions like 'project = PROJ AND status = Open'"}}}}

检查方式： 用 demo_protocol_client.py（本系列第 02 篇 demo）连接目标 Server，看 tools/list 返回的 schema 描述是否精确。

维度 2：错误处理

工具执行失败时应该返回 isError: true + 有意义的错误信息，让 LLM 能理解失败原因。

// ✅ 好的错误处理{"content": [{"type": "text", "text": "Jira authentication failed: API token is invalid or expired. Please check JIRA_API_TOKEN environment variable."}],"isError": true}// ❌ 差的错误处理// Server 直接 crash，没有输出，或者输出空响应

维度 3：安全设计

• 认证信息通过环境变量传入，不硬编码
• 输入参数有类型验证，防止注入
• 危险操作（写入、删除）有明确的权限声明或确认机制

维度 4：维护状态

• GitHub 最近 3 个月有 commit
• Issues 被响应（不是全部堆积无人处理）
• 有 README，说明安装和配置方式

维度 5：在真实场景中测过

用目标 Server 跑 5 个你的真实用例，记录成功率。LLM 能正确理解并调用工具，工具返回的格式 LLM 能正确处理。文档和代码对齐，没有未文档的行为。

快速上手路径

第一次接入 MCP：

# 1. 安装 Node.js（如果没有）# 2. 在 Claude Code 或 Claude Desktop 加一个 Filesystem Server# 3. 测试：让 Claude 读取一个文件# Claude Code 配置：# .claude/settings.json{"mcpServers": {"filesystem": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-filesystem", "/your/project/path"]}}}

选第一个业务 Server：

根据你最常用的场景选一个 Server 实际接入，比 Server 数量更重要。接入一个真正用起来的 Server，比配置十个用不到的更有价值。

参考资料

• 官方 MCP Server 仓库
• awesome-mcp-servers 社区精选
• MCP.so 生态导航站

欢迎访问 PrimeSkills —— 一个精心策划的 AI Agent 与技能市场，所有内容均经过真实企业级工作流验证。没有噱头，只有真正有效的东西。

更多实用知识和有趣产品，欢迎访问我的个人主页