Praktyczny przewodnik po ekosystemie Model Context Protocol na przykładzie repozytorium Awesome-MCP-ZH

W listopadzie 2024 roku Anthropic wydało Model Context Protocol. Temat autonomicznych agentów natychmiast przesunął się z dyskusji teoretycznych do codziennej praktyki programistycznej. Wcześniej sieci neuronowe generowały jedynie tekst w czacie, ale otwarty standard komunikacji umożliwił bezpośrednie połączenie ich z bazami danych, plikami lokalnymi, konsolą i interfejsami API usług zewnętrznych.

Przy wyszukiwaniu gotowych rozwiązań programiści zazwyczaj trafiają do oficjalnego katalogu lub anglojęzycznych kolekcji. Zawierają one standardowe integracje ze Slack, GitHub i PostgreSQL. Jednak chiński programista yzfly zgromadził katalog Awesome-MCP-ZH, który wykroczył daleko poza bazy danych i popularne amerykańskie usługi SaaS. Obecnie projekt zdobył ponad 7,4 tysiąca gwiazdek na GitHub i stał się jednym z najbardziej szczegółowych katalogów narzędzi wokół MCP.

Jaki problem rozwiązuje ten projekt

Główne wyzwanie przy pracy z autonomicznymi agentami to rozproszony charakter narzędzi. Aby sieć neuronowa mogła wykonać realne zadanie, potrzebuje klienta (interfejsu lub edytora kodu) oraz serwerów (mostów do konkretnych programów lub API).

Dokumentacja oficjalna przedstawia ogólną koncepcję. Jednak podczas składania działającego środowiska stajesz przed dziesiątkami pytań. Którego klienta wybrać do pracy lokalnej? Jak uruchomić serwer bez płacenia za subskrypcje? Gdzie znaleźć gotowy konektor do automatyzacji przeglądarki lub pobierania konkretnych danych?

Katalog Awesome-MCP-ZH porządkuje ten obszar. Dzieli dostępne narzędzia na wyraźne grupy: od klientów i gotowych serwerów po biblioteki do pisania własnego kodu.

Co interesującego znajdziesz w środku repozytorium

Repozytorium zawiera narzędzia do najróżniejszych zadań. Przyjrzyjmy się najbardziej godnym uwagi kategoriom.

Aplikacje klienckie do pracy z MCP

Autor katalogu zebrał popularne i niszowe klienty. Obok standardowego Claude Desktop lista zawiera:

• Cherry Studio i DeepChat — wygodne interfejsy graficzne do wizualnego konfigurowania serwerów i łączenia modeli przez lokalne lub chmurowe API.
• Cursor i Cline — rozwiązania do osadzania MCP bezpośrednio w edytorze kodu.
• MCP Dock — narzędzie do scentralizowanego zarządzania serwerami w 14 różnych klientach jednocześnie.
• Claude Code i Goose — agenci terminalowi dla entuzjastów środowiska CLI.

Automatyzacja przeglądarki i zbieranie danych

Do gromadzenia informacji z sieci kolekcja oferuje rozwiązania na każdy gust. Jeśli standardowe Fetch nie wystarcza, możesz użyć microsoft/playwright-mcp lub chrome-devtools- mcp od zespołu Google Chrome. Te narzędzia dają sieci neuronowej możliwość kontrolowania prawdziwej przeglądarki, robienia zrzutów ekranu, interakcji z DOM i analizowania żądań sieciowych. Aby ominąć ochronę przed automatycznym zbieraniem danych, katalog zawiera wyspecjalizowane usługi takie jak Bright Data, Firecrawl i Oxylabs.

Praca z kodem i infrastrukturą

Programiści docenią sekcję z narzędziami do analizy kodu i zarządzania serwerami. Na wyróżnienie zasługują:

• DeusData/codebase-memory-cp indeksuje całą bazę kodu do grafu wiedzy, pomagając modelowi językowemu zrozumieć architekturę i relacje w projekcie.
• pydantic/mcp-raw- python zapewnia bezpieczny kontener piaskownicy do wykonywania wygenerowanego kodu.
• Serwery dla Kubernetes, Docker, Terraform i AWS tłumaczą polecenia tekstowe na precyzyjne komendy dla infrastruktury chmurowej.

Pamięć długoterminowa i RAG

Duża sekcja poświęcona jest problemowi utrzymywania kontekstu. Repozytorium zawiera dziesiątki serwerów do pracy z bazami danych wektorowymi i grafowymi (Qdrant, Milvus, Chroma, Neo4j), a także lokalne narzędzia pamięci jak Mem0, Basic Memory i Cognee. Pomagają one zachować informacje między różnymi sesjami rozmowy z modelem.

Praktyczny przykład użycia

Wyobraź sobie, że musisz przeanalizować zewnętrzny projekt i przygotować na jego temat raport. Zamiast ręcznie kopiować pliki i pisać skrypty, łączysz potrzebne narzędzia przez MCP.

Jako klienta bierzemy Cursor lub Cherry Studio. Podłączamy do niego serwer Git (do czytania historii commitów), serwer przeglądarki oparty na Playwright (do sprawdzania dokumentacji online) oraz lokalną bazę danych SQLite do przechowywania wyników.

Po takiej konfiguracji model może samodzielnie studiować kod repozytorium, sprawdzać aktualną dokumentację na stronie biblioteki, wykonywać zapytania testowe i zapisywać wynik do bazy danych.

Tworzenie własnych serwerów

Jeśli nie znalazłeś gotowego konektora do swojego zadania, w repozytorium znajdziesz sekcję dla programistów. Zawiera linki do oficjalnych SDK dla TypeScript, Python, Go, C# i Rust.

Do szybkiego startu autor zaleca framework FastMCP. Zmniejsza on tworzenie nowego serwera do zaledwie kilku linijek Pythona:

Do debugowania wywołań i sprawdzania formatu JSON-RPC lista zawiera narzędzie MCP Inspector. Pozwala ręcznie testować metody, zasoby i prompty przed podłączeniem ich do głównego klienta.

Kto znajdzie to repozytorium przydatne

Awesome-MCP-ZH jest przydatne nie tylko dla osób współpracujących z chińskimi usługami jak Gitee czy Bilibili. Projekt okazał się szerszy niż jego oryginalny opis.

Warto go sprawdzić, jeśli budujesz własnego auto-agenta, szukasz sposobów na rozszerzenie możliwości Cursor lub chcesz zobaczyć, jak prawdziwe serwery są zbudowane w Pythonie i TypeScript. Projekt jest aktywnie aktualizowany przez społeczność, więc z łatwością znajdziesz świeże frameworki i narzędzia, które jeszcze nie trafiły do oficjalnych katalogów Anthropic.