Business MCP Servers

MCP商业服务器

MCP Servers Poster

一组使用FastMCP构建的生产就绪MCP（模型上下文协议）服务器示例，旨在教您如何创建解决实际业务问题的服务器。

由...创建 哈米什弗拉梅塔什 - 油管

此存储库是什么

此存储库包含 22台功能齐全的MCP服务器 展示了在构建自己的MCP服务器时可以作为参考的模式、工具和资源。每台服务器都是自包含的，记录良好，并展示了MCP协议的不同方面。

关键见解：这些服务器不需要连接到任何外部应用程序或服务。它们被设计为独立工作，证明您可以构建功能强大、具有商业价值的MCP服务器，而无需复杂的集成。

为什么这很重要

许多MCP教程侧重于连接到外部API（Slack、GitHub、Google等）。但真正的商业价值往往来自：

• 数据组织 -为AI查询构建信息
• 工作流自动化 -创建可重复的流程
• 知识管理 -构建可搜索系统
• 跟踪和分析 -监控习惯、时间、费用

这个存储库证明MCP服务器可以在没有单个外部API密钥的情况下提供所有这些。

服务器概述

联系人和CRM

知识与文档

生产力与规划

个人跟踪

公用事业

开发者工具

快速开始

每个服务器都是独立的，可以独立运行：

# Install FastMCP
pip install fastmcp

# Navigate to any server
cd mcp-servers/contact-book

# Run the server
python server.py

数据持久化：每台服务器自动创建一个 data/ 首次使用时使用目录。您的所有数据都存储在JSON文件中，并在服务器重启时保持不变。您可以在以下网址找到您的数据 mcp-servers//data/.json.

关键概念演示

1.工具

每台服务器都公开了AI助手可以调用的工具：

@mcp.tool
def create_contact(name: str, email: str = None) -> dict:
    """Create a new contact."""
    # Implementation

2.资源

资源提供只读数据访问：

@mcp.resource("contacts://all")
def get_all_contacts() -> str:
    """Resource providing all contacts as formatted list."""
    return formatted_contact_list

3.持久存储

所有服务器都具有基于JSON的持久存储功能——数据在服务器重启后仍然有效：

# Data persistence setup
DATA_DIR = Path(__file__).parent / "data"
DATA_FILE = DATA_DIR / "contacts.json"

def _load_data() -> dict:
    if DATA_FILE.exists():
        with open(DATA_FILE, "r", encoding="utf-8") as f:
            return json.load(f)
    return {"contacts": {}, "next_id": 1}

def _save_data(data: dict) -> None:
    DATA_DIR.mkdir(parents=True, exist_ok=True)
    with open(DATA_FILE, "w", encoding="utf-8") as f:
        json.dump(data, f, indent=2, default=str)

每台服务器都将其数据存储在专用的 data/ 目录：

• 自动加载 -服务器启动时的数据加载
• 自动保存 -每次操作后更改都会立即保留
• 便携的 -JSON文件可以轻松备份、迁移或检查
• 无外部依赖关系 -仅使用Python的内置 json 模块

备份您的数据：只需复制 data/ 来自任何服务器的文件夹。要重置服务器，请删除其 data/ 文件夹。

4.类型安全

所有工具都使用适当的类型提示来更好地理解AI：

def create_task(
    title: str,
    priority: str = "medium",  # low, medium, high, urgent
    due_date: Optional[str] = None
) -> dict:

5.控制值的枚举

状态值和类别使用枚举：

class TaskStatus(str, Enum):
    TODO = "todo"
    IN_PROGRESS = "in_progress"
    DONE = "done"

架构模式

CRUD模式

大多数服务器遵循一致的CRUD模式：

• create_* -创建新记录
• get_* -按ID检索
• list_* -带过滤器的列表
• update_* -修改记录
• delete_* -删除记录
• search_* -全文搜索

分析模式

许多服务器都包含分析工具：

• get_*_summary -汇总统计数据
• get_*_history -历史数据
• get_*_stats -总体指标

链接模式

知识系统使用双向链接：

• 跟踪内容中的传出链接
• 计算反向链接
• 查找笔记之间的路径
• 识别中心笔记和孤立笔记

项目结构

mcp-servers/
├── career-manager/
│   ├── server.py              # Career management with 70+ tools
│   ├── README.md              # Server-specific documentation
│   └── pyproject.toml         # Package configuration
├── contact-book/
│   ├── server.py              # Main server implementation
│   ├── README.md              # Server-specific documentation
│   └── data/                  # Persistent storage (auto-created)
│       └── contacts.json      # Contact data
├── crm/
│   ├── server.py
│   └── data/
│       └── crm.json           # Leads, deals, customers, interactions
├── document-wiki/
│   ├── server.py
│   └── data/
│       └── wiki.json          # Documents, categories
├── expense-tracker/
│   ├── server.py
│   └── data/
│       └── expenses.json      # Expenses, budgets, categories
├── file-organizer/
│   ├── server.py
│   └── data/
│       └── organizer.json     # Rules, file registry
├── habit-tracker/
│   ├── server.py
│   └── data/
│       └── habits.json        # Habits, check-ins
├── inventory-manager/
│   ├── server.py
│   └── data/
│       └── inventory.json     # Products, stock, movements
├── kanban-mcp/
│   ├── kanban_server.py
│   ├── models.py
│   ├── storage.py
│   ├── cli.py
│   └── kanban_data.json       # Boards, tasks, columns
├── journal/
│   ├── server.py
│   └── data/
│       └── journal.json       # Entries, tags
├── meeting-notes/
│   ├── server.py
│   └── data/
│       └── meetings.json      # Meetings, action items
├── notes-ideas/
│   ├── server.py
│   └── data/
│       └── notes.json         # Notes, folders
├── password-vault/
│   ├── server.py
│   └── data/
│       └── vault.json         # Encrypted credentials
├── project-manager/
│   ├── server.py
│   └── data/
│       └── projects.json      # Projects, tasks, milestones
├── task-automator/
│   ├── server.py
│   └── data/
│       └── automator.json     # Workflows, templates
├── time-tracker/
│   ├── server.py
│   └── data/
│       └── time.json          # Time entries, projects
├── zettelkasten/
│   ├── server.py
│   └── data/
│       └── zettelkasten.json  # Notes, links, tags
├── skills-server/
│   └── server.py              # No persistence (reads from filesystem)
├── code-reviewer/
│   ├── server.py
│   ├── README.md
│   └── data/
│       └── code_reviewer.json # Reviews, issues, standards
├── design-audit/
│   ├── server.py
│   ├── README.md
│   └── data/
│       └── design_audit.json  # Audits, issues, design systems
└── tech-debt-tracker/
    ├── server.py
    ├── README.md
    └── data/
        └── tech_debt.json     # Debt items, tasks, metrics

学习路径

初学者：从这些简单、专注的服务器开始：

1. 联系簿-基本CRUD操作
2. 笔记和想法-简单的笔记管理
3. 习惯跟踪器-每日跟踪模式

中级：这些引入了更复杂的关系：

1. 项目经理-分层任务、团队管理
2. CRM-多实体关系（潜在客户、交易、客户）
3. 会议记录-议程、与会者、行动项目
4. 看板-Web UI、CLI工具、板管理

高级：复杂的模式和算法：

1. Zettelkasten-链接图、寻路、集线器检测
2. 文档维基-维基链接解析，反向链接
3. 任务自动机-工作流、触发器、模板渲染
4. Skills Server-文件系统扫描、资源模板、动态资源生成
5. 职业经理人-简历生成、求职跟踪、面试练习、技能差距分析
6. 代码审查员-审查会议、按类别/严重性跟踪问题、代码标准
7. 设计审核-设计系统、无障碍合规性、WCAG跟踪
8. 科技债务跟踪器-利息跟踪、快照、质量指标

为什么选择FastMCP？

所有服务器都使用 FastMCP 因为它提供了：

• 简单的装饰师 - @mcp.tool 和 @mcp.resource
• 自动模式生成 -类型提示变成JSON模式
• 内置服务器 -不需要样板代码
• 开发模式 -开发过程中的热重载

贡献

这是一个教育资源库。请随意：

• 将这些服务器用作您自己项目的起点
• 建议改进或新的服务器想法
• 报告问题或文件差距

数据管理

备份

只需复制 data/ 来自任何服务器的目录：

cp -r mcp-servers/contact-book/data/ backup/contact-book/

迁移

数据文件是纯JSON格式的，您可以：

• 使用任何文本编辑器直接编辑它们
• 导入/导出到其他系统
• 使用git对数据进行版本控制

重置

要重置服务器的数据，请删除其JSON文件：

rm mcp-servers/contact-book/data/contacts.json

服务器将在下次运行时重新启动。

许可证

MIT许可证-免费使用这些示例来学习和构建自己的MCP服务器。

______________________________________________________________________

了解更多关于MCP和AI开发的信息: YouTube-来自科技公司的哈米什