Praktische gids voor het Model Context Protocol-ecosysteem aan de hand van de Awesome-MCP-ZH repository

In november 2024 bracht Anthropic het Model Context Protocol uit. Het onderwerp van autonome agenten verschoof plotseling van theoretische discussies naar dagelijkse ontwikkelingspraktijk. Waar neurale netwerken voorheen alleen tekst genereerden in een chat, maakte de open communicatiestandaard het mogelijk om ze rechtstreeks te verbinden met databases, lokale bestanden, console en API's van externe diensten.

Bij het zoeken naar kant-en-klare oplossingen komen ontwikkelaars meestal terecht in de officiële catalogus of Engelstalige verzamelingen. Deze bevatten standaard integraties met Slack, GitHub en PostgreSQL. De Chinese ontwikkelaar yzfly stelde echter de Awesome-MCP-ZH catalogus samen, die verder ging dan databases en populaire Amerikaanse SaaS-diensten. Momenteel heeft het project meer dan 7.400 sterren verzameld op GitHub en is het een van de meest gedetailleerde catalogi van tooling rond MCP geworden.

Welk probleem dit project oplost

De belangrijkste uitdaging bij het werken met autonome agenten is de versnipperde aard van de tooling. Om een neurale netwerk een echte taak te laten uitvoeren, heeft het een client (interface of code-editor) en servers (bruggen naar specifieke programma's of API's) nodig.

De officiële documentatie biedt een algemeen concept. Bij het samenstellen van een werkende omgeving kom je echter voor tientallen vragen te staan. Welke client moet je kiezen voor lokaal werk? Hoe lanceer je een server zonder te betalen voor abonnementen? Waar vind je een kant-en-klare connector voor browserautomatisering of het ophalen van specifieke gegevens?

De Awesome-MCP-ZH catalogus structureert dit gebied. Het verdeelt de beschikbare tooling in duidelijke groepen: van clients en kant-en-klare servers tot bibliotheken voor het schrijven van je eigen code.

Wat interessant is binnen de repository

De repository bevat tools voor een grote verscheidenheid aan taken. Laten we naar de meest opvallende categorieën kijken.

Client applicaties voor het werken met MCP

De auteur van de catalogus heeft populaire en niche-clients georganiseerd. Naast de standaard Claude Desktop bevat de lijst:

• Cherry Studio en DeepChat — handige grafische interfaces voor het visueel configureren van servers en het verbinden van modellen via lokale of cloud API's.
• Cursor en Cline — oplossingen voor het inbedden van MCP direct in een code-editor.
• MCP Dock — een hulpprogramma voor gecentraliseerd serverbeheer over 14 verschillende clients tegelijk.
• Claude Code en Goose — terminal agenten voor CLI-omgeving liefhebbers.

Browserautomatisering en gegevensverzameling

Voor het verzamelen van informatie van het web biedt de verzameling oplossingen voor elke smaak. Als de standaard Fetch niet voldoende is, kun je microsoft/playwright-mcp of chrome-devtools-mcp van het Google Chrome-team gebruiken. Deze tools geven het neurale netwerk de mogelijkheid om een echte browser te besturen, schermafbeeldingen te maken, met de DOM te interageren en netwerkaanvragen te analyseren. Om geautomatiseerde gegevensverzamelingsbescherming te omzeilen, bevat de catalogus gespecialiseerde services zoals Bright Data, Firecrawl en Oxylabs.

Werken met code en infrastructuur

Ontwikkelaars zullen de sectie met tools voor code-analyse en serverbeheer nuttig vinden. Hoogtepunten zijn onder meer:

• DeusData/codebase-memory-cp indexeert de volledige codebase in een kennisgraaf, waardoor het taalmodel de architectuur en relaties in het project begrijpt.
• pydantic/mcp-raw- python biedt een veilige sandbox container voor het uitvoeren van gegenereerde code.
• Servers voor Kubernetes, Docker, Terraform en AWS vertalen tekstprompts naar nauwkeurige commando's voor cloudinfrastructuur.

Langetermijngeheugen en RAG

Een grote sectie is gewijd aan het probleem van het behouden van context. De repository bevat tientallen servers voor het werken met vector- en graafdatabases (Qdrant, Milvus, Chroma, Neo4j), evenals lokale geheugentools zoals Mem0, Basic Memory en Cognee. Ze helpen informatie te behouden tussen verschillende conversatiesessies met het model.

Praktisch gebruiksvoorbeeld

Stel je voor dat je een extern project moet analyseren en een rapport erover moet voorbereiden. In plaats van handmatig bestanden te kopiëren en scripts te schrijven, koppel je de benodigde tools via MCP.

Als client nemen we Cursor of Cherry Studio. Daarop sluiten we een Git-server aan (voor het lezen van commit-geschiedenis), een browserserver op basis van Playwright (voor het controleren van documentatie online) en een lokale SQLite-database voor het opslaan van resultaten.

Na zo'n opstelling kan het model zelfstandig de repositorycode bestuderen, de huidige documentatie op de bibliotheekwebsite controleren, testquery's uitvoeren en het resultaat in de database opslaan.

Je eigen servers ontwikkelen

Als je geen kant-en-klare connector voor je taak kon vinden, bevat de repository een sectie voor ontwikkelaars. Het bevat links naar officiële SDK's voor TypeScript, Python, Go, C# en Rust.

Voor een snelle start raadt de auteur het FastMCP-framework aan. Het reduceert het maken van een nieuwe server tot slechts een paar regels Python:

Voor het debuggen van aanroepen en het controleren van het JSON-RPC-formaat bevat de lijst de MCP Inspector-tool. Hiermee kun je handmatig methoden, resources en prompts testen voordat je ze aan de hoofdclient koppelt.

Wie zal deze repository nuttig vinden

Awesome-MCP-ZH is niet alleen nuttig voor degenen die communiceren met Chinese diensten zoals Gitee of Bilibili. Het project bleek breder te zijn dan de oorspronkelijke beschrijving.

Je zou het moeten bekijken als je je eigen auto-agent bouwt, op zoek bent naar manieren om de mogelijkheden van Cursor uit te breiden, of wilt zien hoe echte servers zijn gestructureerd in Python en TypeScript. Het project wordt actief bijgewerkt door de community, dus je kunt gemakkelijk verse frameworks en tools vinden die nog niet in de officiële catalogi van Anthropic zijn opgenomen.