官方维护的 MCP Server

直接上干货——Anthropic官方维护的这几款Server，稳定性和文档质量都是经过生产验证的，拿来直接用基本不用操心。下面逐个来过一遍。

安装方式

官方Server走的是npm发布流程，接入方式有两种，看你的使用习惯选就行：

# 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

接下来是Claude Code的配置方法，在项目 .claude/settings.json 或用户全局设置中写入：

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

Filesystem — 本地文件操作

安装包：@modelcontextprotocol/server-filesystem

这个Server可以说是MCP生态里最基础的“文件手柄”，工具清单如下：

典型的应用场景：让Agent读写本地项目文件，代码生成后直接写进去，配合代码库问答特别好用。有一点需要注意——启动时必须声明允许访问的目录（沙箱化），Server不会越界访问指定目录之外的路径，安全上考虑得比较周全。

GitHub — 代码仓库管理

安装包：@modelcontextprotocol/server-github

环境变量：GITHUB_PERSONAL_ACCESS_TOKEN

核心工具（部分列举）：

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 Issue
create_pull_request 创建 Pull Request
fork_repository Fork 仓库
create_branch 创建分支

这个Server解决的是“Agent直接管代码仓库”的需求——自动管理PR/Issue、自动化代码提交、仓库分析，一条龙搞定。

PostgreSQL — 数据库查询

安装包：@modelcontextprotocol/server-postgres

连接配置示例：

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

核心工具： query（执行SELECT查询，只读，防止意外写入）

资源： postgres:////schema（数据库Schema，LLM可以读取后自动生成SQL）

最实用的场景就是自然语言转SQL，数据分析、业务查询，一句话的事。

Bra ve Search — 网络搜索

安装包：@modelcontextprotocol/server-bra ve-search

环境变量：BRA VE_API_KEY（需要注册Bra ve Search API）

工具清单：

这个Server让Agent具备了实时查询互联网的能力，而且有免费额度，替代Google搜索完全够用。

Fetch — HTTP 请求

安装包：@modelcontextprotocol/server-fetch

核心工具：fetch（发送HTTP GET，返回清理后的页面内容）

特点：自动把HTML转成Markdown，广告和导航元素都会被清理掉，Token友好。适合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

安装包：@modelcontextprotocol/server-memory

工具清单：

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

这个Server解决的是跨会话记忆问题——Agent可以记住用户偏好、项目背景，构建轻量级的个人知识库。对于需要长期记忆的场景来说，这就是个神兵利器。

其他官方 Server

社区 Server 精选

接下来看看社区贡献的Server。经过筛选，以下这些在可用性上已经达到了生产级标准，按类别整理如下：

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嘛，水平参差不齐是很正常的。那怎么判断一个社区Server能不能用呢？别急，记住5个关键维度就够了。

维度 1：Schema 描述质量

工具的 description 和参数描述直接决定了LLM能不能正确调用它。看个对比就明白了：

// ❌ 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'"}}}}

检查方法也很简单：用demo_protocol_client.py连接目标Server，看 tools/list 返回的schema描述够不够精确。

维度 2：错误处理

工具执行失败时，应该返回 isError: true 加上有意义的错误信息，让LLM能理解失败原因，而不是直接crash：

// ✅ 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的话，走这个流程就对了：

# 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"]}}}

至于选第一个业务Server，建议是根据你最常用的场景挑一个实际接入。Server数量不重要，关键是要真正用起来。接入一个真正起作用的Server，比配置十个吃灰的要有价值得多。

参考资料

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