mcp推荐（自用）

mcp网站

https://mcpscan.ai/
https://mcpmarket.com/
https://smithery.ai/
https://mcp.so/
https://mcp.composio.dev/
https://mcpmarket.com/zh
https://www.modelscope.cn/mcp
https://mcp.higress.ai/
https://glama.ai/mcp/servers

github知识库

https://deepwiki.org/

https://zread.ai/

https://grep.app/

自用mcp推荐

repomix

打包、提取和聚合代码仓库或文件内容，方便分析与处理。

github地址：https://github.com/yamadashy/repomix

官网地址：https://repomix.com/zh-cn/

{
  "mcpServers": {
    "repomix": {
      "command": "npx",
      "args": [
        "-y",
        "repomix",
        "--mcp"
      ]
    }
  }
}

sequential-thinking

让 AI 按顺序多步思考，输出清晰的推理流程。

mcp地址：https://smithery.ai/server/@kiennd/reference-servers

{
  "mcpServers": {
    "reference-servers": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@kiennd/reference-servers",
        "--key",
        "xx"
      ]
    }
  }
}

spec-workflow

用任务描述自动生成、跟踪并执行开发流程。

github地址：https://github.com/Pimzino/spec-workflow-mcp

文章：https://www.aivi.fyi/aiagents/introduce-Claude-Code-Spec-Workflow

1. 地址这里写本地项目的绝对路径，如果是Windows记得双斜杠。
2. --AutoStartDashboard代表启动网页管理面板。

{
  "mcpServers": {
   "spec-workflow": {
       "disabled": false,
       "timeout": 60,
       "type": "stdio",
       "command": "npx",
       "args": [
           "-y",
           "@pimzino/spec-workflow-mcp@latest",
           "C:\\Users\\cancer\\Desktop\\company\\code\\digihuman_base",  // 本地项目的路径
           "--AutoStartDashboard"
       ]
   }
  }
}

Serena

专注代码质量的 MCP，能自动进行代码审查和优化建议。

github地址：https://github.com/oraios/serena

// 如果把项目克隆到本地，可以使用下面安装mcp

{
    "mcpServers": {
        "serena": {
            "command": "/abs/path/to/uv",
            "args": ["run", "--directory", "/abs/path/to/serena", "serena", "start-mcp-server"]
        }
    }
}

// 否则使用在线，需要安装 uv 并且确保配置好环境变量

{
    "mcpServers": {
        "serena": {
            "command": "/abs/path/to/uvx",
            "args": ["--from", "git+https://github.com/oraios/serena", "serena", "start-mcp-server"]
        }
    }
}

使用实例：

输出项目的执行流程
请运行代码质量检查工具，检查有哪些需要改进的地方。
请问重构任务创建一个详细的计划，并保存为记忆。
显示所有项目记忆

我需要实现一个完整的用户管理系统，包括:
1.用户注册和登录
2.密码重置功能
3.用户资料管理
4.权限控制
5.相应的测试
请分步骤帮我实现，每完成一个功能就让我确认后再继续下一个

context7-mcp

查询并提炼项目文档或上下文知识，辅助 AI 理解。

github地址：https://github.com/upstash/context7

官网地址：https://context7.com/

mcp平台安装：https://smithery.ai/server/@upstash/context7-mcp

{
  "mcpServers": {
    "context7-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@upstash/context7-mcp",
        "--key",
        "xx" 
      ]
    }
  }
}

shrimp-task-manager

轻量化任务管理器，支持规则化处理与调度。

github地址：https://github.com/cjo4m06/mcp-shrimp-task-manager

文档：https://github.com/cjo4m06/mcp-shrimp-task-manager/blob/HEAD/docs/zh/README.md

文章：https://linux.do/t/topic/710186/48

文章：https://cjo4m06.github.io/mcp-shrimp-task-manager/

安装步骤

// 克隆仓库到本地
git clone https://github.com/cjo4m06/mcp-shrimp-task-manager.git
cd mcp-shrimp-task-manager

// 安装依赖
npm install

// 打包
npm run build

// 打包之后记录 index.js  这个地址填写到 args参数里面
mcp-shrimp-task-manager-main\dist\index.js

// DATA_DIR 为项目路径的存放记录，一般建议在项目根目录下面创建一个data文件 
// ENABLE_GUI的默认值为false 设置为true才有web面板

// 配置mcp
{
  "mcpServers": {
    "shrimp-task-manager": {
        "command": "node",
        "args": ["C:\\Users\\cancer\\Desktop\\mcp-shrimp-task-manager-main\\dist\\index.js"],
        "env": {
            "DATA_DIR": "C:\\Users\\cancer\\Desktop\\company\\code\\digihuman_base\\data",
            "TEMPLATES_USE": "zh",
            "ENABLE_GUI": "true" 
        }
    }
  }
}

规则

// 规划
你是一个专业的任务规划专家，你必须与用户进行交互，分析用户的需求，并收集专案相关资讯，最终使用 「plan_task」 建立任务，当任务建立完成后必须总结摘要，并告知用户使用「TaskExecutor」模式进行任务执行。
你必须专心于任务规划禁止使用 「execute_task」 来执行任务，
严重警告你是任务规划专家，你不能直接修改程式码，你只能规划任务，并且你不能直接修改程式码，你只能规划任务。

// 执行
你是一个专业的任务执行专家，当用户有指定执行任务，则使用 「execute_task」 进行任务执行，
没有指定任务时则使用 「list_tasks」 寻找未执行的任务并执行，
当执行完成后必须总结摘要告知用户结论，
你一次只能执行一个任务，当任务完成时除非用户明确告知否则禁止进行下一则任务。
用户如果要求「连续模式」则按照顺序连续执行所有任务。

interactive-feedback

让 AI 与用户形成交互式反馈循环，边执行边优化。

github地址：https://github.com/zengxiaolou/Interactive-Feedback-MCP

{
  "mcpServers": {
    "interactive-feedback": {
      "command": "uv",
      "args": [
        "--directory", 
        "/absolute/path/to/interactive-feedback-mcp", 
        "run", 
        "server.py"
      ],
      "timeout": 600,
      "autoApprove": ["interactive_feedback"]
    }
  }
}

规则：

# Interactive Feedback MCP 使用规则

## 强制交互协议
- 收到用户消息后，必须先调用 `interactive_feedback` 工具进行智能分析
- 提供预定义选项供用户快速选择
- 执行操作前必须获得用户确认
- 完成任务后询问是否需要进一步操作

## 使用场景
- 需求不明确时：询问澄清
- 有多种实现方案时：提供选项
- 重要操作前：请求确认
- 任务完成后：询问后续需求

## 格式示例

请使用 interactive_feedback 工具询问用户具体需求

自用规则（简）

分析时请始终使用  `process_thought`，若它不能使用则使用 `sequential-thinking mcp`
项目根目录下面 `gradlew.bat` 是执行脚本，我当前的系统是`Windows` 默认的终端是`powershell` 执行命令是  `.\gradlew_fixed.bat -p Digital assembleDebug`
若此时正在执行`shrimp-task-manager`任务，任务执行完毕之后必须进行编译，确保编译成功。
搜索文件请使用`serena mcp`
请始终使用`repomix mcp`对相关文件进行依赖分析，如果使用其他工具遇到文件太大的情况，也必须使用`repomix mcp`进行打包对应文件进行查看。

当用户有所指代时，需要从`索引.md`中先检索用户指代内容，确定用户需要修改的内容所在的文件及具体模块，确保能够准确理解用户的意图。
这个文件获取对你非常有帮助`CallActivity_函数功能分析报告.md`请善于使用它，有必要的话请保存到记忆里面。
对于代码的修改 请始终 `use context7` 以确保代码的技术栈保持最新

## 强制交互协议
- 收到用户消息后，必须先调用 `interactive_feedback` 工具进行智能分析
- 提供预定义选项供用户快速选择
- 执行操作前必须获得用户确认
- 完成任务后询问是否需要进一步操作

## 使用场景
- 需求不明确时：询问澄清
- 有多种实现方案时：提供选项
- 重要操作前：请求确认
- 任务完成后：询问后续需求

## 格式示例