常用MCP整理

空空2026-06-262026-07-02

常用 MCP 整理

本文提供通用格式的 MCP 配置，适用于大多数 MCP 客户端。

OpenCode 用户：将通用配置转换为 OpenCode 格式需做以下修改：

外层 key 从 mcpServers 改为 mcp

"command": "xxx" + "args": [...] 改为 "command": ["xxx", "arg1", ...]（合并为一个数组）

加 "type": "local" 和 "enabled": true/false

Windows 上 npx 需用 cmd /c 包一层（原因：OpenCode 用 Node.js spawn() 不走 shell，无法直接执行 .cmd 脚本），即 ["cmd", "/c", "npx", "-y", "包名"]

如果用AI Toolbox统一管理mcp的话需要把环境变量env改为environment,否则无法识别

一、浏览器自动化 MCP（双雄对决）

浏览器自动化是 AI 编程助手的刚需——无论是调试页面、抓取元素、跑性能分析，还是写 E2E 测试。这两个 MCP 是当前最主流的选择，各有千秋。

1.1 Chrome DevTools MCP

包名: chrome-devtools-mcp
维护方: Google Chrome DevTools 团队
仓库: ChromeDevTools/chrome-devtools-mcp
底层引擎: Puppeteer
浏览器: Chrome / Chrome for Testing
许可证: Apache-2.0
周下载量: ~300 万
前置要求: 需要安装 Chrome 浏览器（Puppeteer 首次运行时也会自动下载 Chrome for Testing）

简介

Chrome DevTools MCP 让你的 AI 助手直接操控和检查一个活的 Chrome 浏览器。它作为一个 MCP 服务器，把 Chrome DevTools 的全部能力暴露给 AI——从页面交互、网络分析、性能诊断到内存调试，一应俱全。

核心特性

性能洞察: 一键记录 Trace 并用 Chrome DevTools 分析，提取可执行的性能优化建议
深度调试: 分析网络请求、截屏、检查控制台消息（支持 source map 解析堆栈）
可靠自动化: 基于 Puppeteer，自动等待操作结果
Lighthouse 审计: 内置 Lighthouse，可直接出 SEO / 无障碍 / 最佳实践报告
内存分析: 堆快照（heap snapshot）全套工具，排查内存泄漏
Chrome 扩展管理: 安装、卸载、触发扩展

工具分类（共 47+ 个工具）

类别	工具数	典型工具
输入自动化	10	`click`, `fill`, `fill_form`, `press_key`, `drag`, `upload_file`
导航自动化	6	`navigate_page`, `new_page`, `select_page`, `wait_for`
模拟	2	`emulate`, `resize_page`
性能	3	`performance_start_trace`, `performance_stop_trace`, `performance_analyze_insight`
网络	2	`list_network_requests`, `get_network_request`
调试	8	`evaluate_script`, `take_screenshot`, `take_snapshot`, `lighthouse_audit`, `list_console_messages`
内存	9	`take_heapsnapshot`, `get_heapsnapshot_retainers`, `get_heapsnapshot_summary`
扩展	5	`install_extension`, `trigger_extension_action`, `list_extensions`

安装配置

通用配置：

{
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp@latest"]
    }
  }
}

适用场景

前端页面性能分析与 Lighthouse 审计
网络请求抓包与调试
内存泄漏排查（heap snapshot 全家桶）
Chrome 特有特性的深度利用（扩展、DevTools）
需要截屏/截图来理解页面的 AI 工作流

1.2 Playwright MCP

包名: @playwright/mcp
维护方: Microsoft
仓库: microsoft/playwright-mcp
底层引擎: Playwright
浏览器: Chromium / Firefox / WebKit / Edge
许可证: Apache-2.0
周下载量: ~50 万
前置要求: 首次运行自动下载浏览器二进制，也可手动预装：npx playwright install chromium

简介

Playwright MCP 使用 Playwright 提供浏览器自动化能力。最大特点是通过结构化无障碍树（Accessibility Tree）而非像素截图来理解页面，因此无需视觉模型也能精准定位元素，交互更确定、更轻量。

核心特性

跨浏览器: 支持 Chromium、Firefox、WebKit、Edge
LLM 友好: 基于无障碍快照（accessibility snapshot），无需视觉模型
确定性交互: 避免截图方案常见的定位歧义
轻量快速: 结构化数据比图片体积小得多，Token 消耗更低
Playwright 生态: 天然适合生成 Playwright 测试代码
Docker 支持: 提供官方 Docker 镜像 mcr.microsoft.com/playwright/mcp

工具分类（共 40+ 个工具）

类别	典型工具
核心自动化	`browser_click`, `browser_type`, `browser_fill_form`, `browser_hover`, `browser_drag`
导航	`browser_navigate`, `browser_navigate_back`, `browser_tabs`
截图/快照	`browser_take_screenshot`, `browser_snapshot`（无障碍快照）
网络	`browser_network_requests`, `browser_network_request`
脚本执行	`browser_evaluate`, `browser_run_code_unsafe`
对话框	`browser_handle_dialog`
存储控制	`browser_cookie_`, `browser_localstorage_`, `browser_sessionstorage_*`
网络 Mock	`browser_route`, `browser_unroute`
设备模拟	`--device="iPhone 15"` 等参数

安装配置

通用配置：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

适用场景

跨浏览器兼容性测试（需要测 Firefox / WebKit）
生成 Playwright 测试脚本
Token 敏感场景（无障碍快照比截图省 Token）
Docker / CI 环境中的自动化
需要 cookie / localStorage / sessionStorage 精细控制的场景

1.3 对比小结

维度	Chrome DevTools MCP	Playwright MCP
浏览器	仅 Chrome	Chromium / Firefox / WebKit / Edge
底层引擎	Puppeteer	Playwright
页面感知方式	截图 + A11y 树 + DOM	无障碍快照为主
性能分析	Trace + Lighthouse + CrUX	无内置
内存调试	Heap Snapshot 全家桶	无
网络 Mock	无直接支持	内置 route / unroute
存储控制	无	cookie / localStorage / sessionStorage 全套
Docker	无官方镜像	官方镜像
Token 效率	截图体积大	结构化数据体积小
测试代码生成	无	可生成 Playwright 代码
核心用途	前端调试：改样式、查 Bug、看控制台报错、网络抓包	E2E 测试：生成 Playwright 测试脚本、跨浏览器兼容验证
偏向	开发调试方向	测试工程方向
重量（理念）	调试诊断优先	自动化测试优先

一句话总结: 写前端改 UI 找 Bug 用 Chrome DevTools MCP；写自动化测试脚本、验证跨浏览器兼容性用 Playwright MCP。两个都装也不冲突，各取所长。

1.4 CloakBrowser MCP — 隐身浏览器

包名: cloakbrowser-mcp
维护方: 社区（swimmwatch）
前置要求: Node.js 22.12+
周下载量: ~460（底层 cloakbrowser ~15 万）

简介

cloakbrowser-mcp 是 Playwright MCP 的隐身版替代品。它把底层 Chromium 替换为 CloakBrowser——一个从源码级修改了浏览器指纹的隐身 Chromium，能过绝大多数机器人检测。

工具接口完全兼容 Playwright MCP，所有浏览器操作工具照常使用，但目标网站看不出你是自动化。

和 Playwright MCP 的关系

Playwright MCP                  cloakbrowser-mcp
      ↓                                ↓
普通 Chromium                    CloakBrowser（隐身）
      ↓                                ↓
网站检测到 webdriver              网站以为你是真人 ✅

cloakbrowser-mcp 是把 Playwright MCP 当上游依赖，透传所有工具，只把 executablePath 指向 CloakBrowser。额外提供两个自有工具：

cloakbrowser_binary_info — 查看 CloakBrowser 版本和缓存路径
cloakbrowser_bridge_info — 查看桥接元数据

安装配置

通用配置：

{
  "mcpServers": {
    "cloakbrowser": {
      "command": "npx",
      "args": ["-y", "cloakbrowser-mcp@latest"],
      "env": {
        "PLAYWRIGHT_MCP_HEADLESS": "true",
        "PLAYWRIGHT_MCP_OUTPUT_DIR": "/tmp/cloakbrowser-artifacts"
      }
    }
  }
}

首次运行会自动下载 CloakBrowser 二进制（约一二百 MB）。

什么时候用它？

场景	用哪个
调试本地开发的应用	Chrome DevTools MCP 或 Playwright MCP
抓普通公开网页	Chrome DevTools MCP / Playwright MCP
访问有 Cloudflare / CAPTCHA 的网站	CloakBrowser MCP
登录一些会检测自动化的网站（如某些银行、政府系统）	CloakBrowser MCP
大规模爬取反爬严格的网站	CloakBrowser MCP

一句话总结: CloakBrowser MCP = Playwright MCP 的全部工具 + 隐身浏览器。日常不用，遇到反爬网站时就是救命稻草。

二、Git MCP — 版本控制交给 AI

2.1 主流 Git MCP

Git 类 MCP 在 npm 上有上百个，但最主流的是这两个：

包名	维护方	语言	安装方式	特点
`@modelcontextprotocol/server-git`	Anthropic / MCP 官方	Python	`uvx mcp-server-git`	官方出品，基础 Git 操作全覆盖
`@cyanheads/git-mcp-server`	社区	Node.js	`npx @cyanheads/git-mcp-server`	功能更全，29+ 操作 + 工作流组合

方案一：`@cyanheads/git-mcp-server`（推荐 Windows / Node.js 用户）

包名: @cyanheads/git-mcp-server
维护方: 社区
仓库: cyanheads/git-mcp-server
语言: Node.js
特点: 29+ Git 操作 + 工作流组合，npm 上 Git 类 MCP 下载量最高（周下载 1.8 万）

通用配置:

{
  "mcpServers": {
    "git": {
      "command": "npx",
      "args": ["-y", "@cyanheads/git-mcp-server"]
    }
  }
}

方案二：`@modelcontextprotocol/server-git`（MCP 官方参考实现）

包名: mcp-server-git（PyPI）
维护方: Anthropic（MCP 协议官方）
仓库: modelcontextprotocol/servers
语言: Python
运行方式: uvx mcp-server-git --repository path/to/repo
前置依赖: 需要安装 Python 和 uv

Windows 用户建议选方案一，省去装 Python/uv 的麻烦。

通用配置:

{
  "mcpServers": {
    "git": {
      "command": "uvx",
      "args": [
        "mcp-server-git",
        "--repository",
        "path/to/git/repo"
      ]
    }
  }
}

核心工具

两个方案的 Git 操作工具大同小异，核心包括：

工具	说明
`git_status`	查看工作区状态（比 `git status` 输出更结构化）
`git_diff_unstaged`	查看未暂存的改动
`git_diff_staged`	查看已暂存的改动
`git_log`	查看提交历史
`git_add`	暂存文件
`git_commit`	提交更改
`git_reset`	撤销暂存
`git_branch` / `git_checkout`	创建 / 切换分支
`git_init`	初始化仓库

2.2 GitHub MCP

Git 系列的 MCP 不止一个——本地仓库交给 Git MCP，GitHub 平台操作也有专门的 GitHub MCP。

包名: @modelcontextprotocol/server-github
维护方: MCP 官方 / GitHub
仓库: github/github-mcp-server
前置要求: 需要一个 GitHub Personal Access Token（repo 权限）
周下载量: ~12 万（npm 上 GitHub 类 MCP 绝对第一）

安装配置

通用配置：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}

核心工具（26 个）

类别	工具
仓库管理	`create_repository`, `fork_repository`, `search_repositories`
文件操作	`create_or_update_file`, `push_files`, `get_file_contents`
分支管理	`create_branch`
Issue	`create_issue`, `list_issues`, `update_issue`, `add_issue_comment`
PR	`create_pull_request`, `list_pull_requests`, `get_pull_request`, `merge_pull_request`, `update_pull_request_branch`
PR Review	`create_pull_request_review`, `get_pull_request_reviews`, `get_pull_request_comments`, `get_pull_request_files`, `get_pull_request_status`
搜索	`search_code`, `search_issues`, `search_users`
提交	`list_commits`

2.3 四者对比 — Git MCP vs `git` 命令 vs `gh` 命令 vs GitHub MCP

这是最容易产生疑惑的地方——本地 git、GitHub 平台，到底该用哪个？

四者的定位

对比项	Git MCP（本地仓库）	git 命令（本地 + 远程）	gh 命令（GitHub API）	GitHub MCP（GitHub API）
核心能力	本地 Git 操作	全部 Git 操作	PR/Issue/Release 等	PR/Issue/Repo 全量管理
输出格式	结构化输出	纯文本输出	纯文本 / JSON	结构化 JSON
操作限制	有操作边界	无使用限制	受 GitHub API 约束	有规范化操作边界
调用类型	AI 原生接口	通用 CLI 命令	通用 CLI 命令	AI 原生接口

详细对比

维度	Git MCP	直接 `git` 命令	`gh` CLI	GitHub MCP
作用域	本地仓库	本地 + 远程	GitHub 平台	GitHub 平台
输出格式	结构化 JSON	纯文本	纯文本/可选 JSON	结构化 JSON
安全性	工具级白名单	无限制	需 GH 认证	需 GH Token
Token 效率	高	低	中	高
操作粒度	细粒度工具	一步到位	一步到位	细粒度工具
错误处理	结构化错误	exit code 解析	exit code 解析	结构化错误
代表操作	`git status`, `git add`, `git commit`	`git rebase`, `git bisect`	`gh pr create`, `gh issue list`	`create_pull_request`, `search_code`

GH 命令 vs GitHub MCP 举例

同样是创建一个 PR：

# gh 命令（返回文本）
> gh pr create --title "fix bug" --body "修复了登录问题" --base main
https://github.com/user/repo/pull/42

# GitHub MCP（返回结构化 JSON）
{
  "number": 42,
  "title": "fix bug",
  "state": "open",
  "html_url": "https://github.com/user/repo/pull/42",
  "head": { "ref": "fix-login" },
  "base": { "ref": "main" }
}

AI 后续还想知道这个 PR 的状态、有没有冲突、CI 是否通过——用 GitHub MCP 一个 get_pull_request 就直接拿到所有字段，用 gh 还得再套一层 --json 参数。

什么时候用哪个？

场景	推荐
AI 自动提交代码、写 commit message	Git MCP
AI 帮你分析改了什么、生成 changelog	Git MCP
AI 创建 PR、查 PR 状态、Review 代码	GitHub MCP
管理 Issue（创建、更新、搜索）	GitHub MCP
搜索 GitHub 上的代码/用户	GitHub MCP
手动快速创建一个 PR	`gh` 命令
复杂的 Git 操作（rebase、cherry-pick、bisect）	直接 `git` 命令
CI/CD 中操作仓库	`git` / `gh` 命令

一句话总结: Git MCP 管本地仓库（commit、diff、branch），GitHub MCP 管 GitHub 平台（PR、Issue、搜索），gh 命令给人手速快，git 命令给复杂灵活操作。四者各司其职，互不冲突。

为什么需要 Git MCP？

2. 操作有边界，防止翻车

Bash 里 AI 可以 git push --force、git reset --hard HEAD~10、甚至 rm -rf .git。Git MCP 的工具白名单天然限制了危险操作，GitHub MCP 的 Token 权限也限制了能操作的范围。

3. 多步骤工作流更可靠

AI 做”看看我改了什么 → 暂存 → 写 commit message → 提交 → 创建 PR”这个完整流程时，每一步用 MCP 工具调用都有明确的成功/失败 JSON 反馈，比解析 bash 输出靠正则匹配稳定得多。

三、MySQL MCP — 让 AI 直接读写数据库

包名: mysql-mcp-server
维护方: 社区（dpflucas）
仓库: dpflucas/mysql-mcp-server
语言: Node.js
周下载量: ~900
前置要求: 需要已有 MySQL 实例运行中；建议创建专用只读用户

简介

MySQL MCP 让 AI 助手直接连接 MySQL 数据库进行查询和分析。所有 SQL 操作限制为只读（仅允许 SELECT / SHOW / DESCRIBE / EXPLAIN），防止 AI 误操作修改或删除数据。

为什么用 MySQL MCP 而不是让 AI 直接写 SQL？

维度	MySQL MCP	AI 直接写 SQL 让你手动执行
效率	一问”users 表什么结构”立马返回	需要 AI 生成 SQL → 你复制 → 打开客户端 → 粘贴 → 回结果
安全性	强制只读，无法 INSERT/UPDATE/DELETE	无限制，手滑可能误改
上下文连续性	AI 查表结构 → 写查询 → 分析结果一气呵成	每个环节都要人工中转
结构理解	内置 describe_table，一次看懂表字段	AI 只能猜字段名和类型

安装配置

{
  "mcpServers": {
    "mysql": {
      "command": "npx",
      "args": ["mysql-mcp-server"],
      "env": {
        "MYSQL_HOST": "localhost",
        "MYSQL_PORT": "3306",
        "MYSQL_USER": "root",
        "MYSQL_PASSWORD": "your-password",
        "MYSQL_DATABASE": "your_db"
      }
    }
  }
}

核心工具

工具	说明	示例
`list_databases`	列出所有可访问的数据库	无需参数
`list_tables`	列出指定数据库的所有表	`database: "my_db"`
`describe_table`	查看表结构（字段名、类型、索引）	`database: "my_db", table: "users"`
`execute_query`	执行只读 SQL 查询	`query: "SELECT * FROM users LIMIT 10"`

安全机制

只读强制：仅允许 SELECT / SHOW / DESCRIBE / EXPLAIN，INSERT / UPDATE / DELETE / DROP 一律拒绝
SQL 注入防护：对输入的 SQL 做语法校验
查询超时：防止慢查询拖垮数据库
行数限制：防止一次返回海量数据撑爆 Token

推荐做法: 在 MySQL 中创建一个专用的只读用户给 MCP 使用：
1
2
3
CREATE USER 'mcp_readonly'@'localhost' IDENTIFIED BY 'secure_password';
GRANT SELECT ON your_db.* TO 'mcp_readonly'@'localhost';
FLUSH PRIVILEGES;

适用场景

AI 帮你分析数据库中的数据分布、生成报表
边写代码边问”orders 表里 status 字段有哪些值？”
排查 Bug 时让 AI 直接查库验证数据状态
生成测试数据、写数据迁移脚本时先看清现有结构

四、代码理解与知识图谱 — CodeGraph & JavaLens

这两个 MCP 解决同一个问题：让 AI 真正理解你的代码库，而不只是靠 grep 猜。CodeGraph 是通用方案，JavaLens 是 Java 专用方案。

4.1 CodeGraph — 通用代码知识图谱

安装: npm i -g codegraph
维护方: 社区
原理: 对项目代码建索引（.codegraph/），生成符号图谱，MCP 服务连接后 AI 可直接查调用链

简介

CodeGraph 把整个代码库变成一张知识图谱——哪个函数调了哪个、这个类被哪些地方引用、改一个符号会影响多少地方。语言无关，所有语言都能用。

使用流程

先建索引、再用 MCP 连接，两步走：

1 2	codegraph init # 初始化并首次建索引 codegraph serve --mcp # 启动 MCP 服务

代码变了之后跑 codegraph sync 增量同步。

安装配置

{
  "mcpServers": {
    "codegraph": {
      "command": "codegraph",
      "args": ["serve", "--mcp"]
    }
  }
}

或用 codegraph install opencode 一键写入。

核心工具

工具	说明
`codegraph_explore`	输入问题或符号名，返回相关源码 + 调用路径
`codegraph_node`	单个符号的源码 + 调用者/被调用者

4.2 JavaLens MCP — Java 专用语义分析

包名: javalens-mcp
维护方: 社区（pzalutski）
仓库: pzalutski-pixel/javalens-mcp
前置要求: Java 21+、Node.js 18+
周下载量: ~210

简介

JavaLens 底层基于 Eclipse JDT（Java 编译器的前端），真正”编译”你的代码来做语义分析，不是文本匹配。内置支持 Maven / Gradle / Bazel，开箱支持 Lombok。

为什么比 grep / CodeGraph 更准？

JavaLens 用编译器的方式理解代码，不是文本搜索：

1 2	grep "save(" → 47 个结果（调用、变量名、注释全混在一起） JavaLens find_ref → 恰好 12 处真正调用 UserService.save()

安装配置

先全局安装：

1	npm install -g javalens-mcp

{
  "mcpServers": {
    "javalens": {
      "command": "npx",
      "args": ["-y", "javalens-mcp"],
      "env": {
        "JAVA_PROJECT_PATH": "/path/to/your/java/project"
      }
    }
  }
}

大项目建议加 JAVA_TOOL_OPTIONS: "-Xmx2g" 避免内存不足。

工具分类（75 个）

类别	工具数	典型功能
导航	10	搜符号、跳转定义、查找引用、类型层级
精细引用	9	注解引用、类型实例化、反射检测（JDT 独有）
分析	20	诊断、调用层级、Spring DI 注册、JPA 实体、HTTP 路由表
重构	16	重命名、提取方法/常量/接口、内联、封装字段（只生成 diff 不直接改文件）
快速修复	10	导入建议、循环转 lambda、switch 表达式、命名规范
组合查询	4	一次调用分析文件/类型/方法，减少来回
项目管理	6	健康检查、类路径、构建系统状态

特色能力

Spring 感知：追踪 @Autowired / @Transactional 注入链，生成 HTTP 路由表
JPA 感知：理解实体关联关系
磁盘同步：文件修改后无需手动 reload，自动感知变更
Lombok 支持：@Data 生成的 getter/setter 能被正确解析

4.3 两者对比

维度	CodeGraph	JavaLens MCP
适用范围	所有语言	仅 Java
分析方式	文本索引 + 图谱	Eclipse JDT 编译器级语义分析
Spring/JPA 感知	不支持	原生支持
重构能力	无	16 个重构工具（只出 diff）
调用解析精度	文本匹配，可能误判	编译器级精确，区分重载/覆写
泛型理解	不支持	支持 `List<String>` vs `List<Integer>`
工具数量	2	75
安装复杂度	低（npm 全局装）	中（需 Java 21+）
适用场景	通用项目、多语言仓库	Java / Spring 项目

一句话总结: 通用项目用 CodeGraph，Java 项目上 JavaLens。两者不冲突——CodeGraph 做全局索引，JavaLens 做 Java 深度分析，可以共存。

五、联网搜索 MCP — Brave Search & Tavily

为什么 AI 能 webfetch 还要搜索 MCP？

你的 AI（比如 deepseek-v4-pro）虽然有 webfetch 能力（抓取 URL 内容），但它没有内置搜索引擎。这意味着：

你问 "React 19 有什么新特性？"
    ↓
AI 没有 URL → 不知道怎么搜 → 只能编或者说不知道

有搜索 MCP：
你问 "React 19 有什么新特性？"
    ↓
搜索 MCP 调 API → 返回一堆相关链接 + 摘要
    ↓
AI 再用 webfetch 逐个抓取链接内容 → 总结回复你

搜索 MCP 解决的是”不知道链接在哪”的问题，webfetch 解决的是”拿到链接后读内容”。两者缺一不可。

5.1 Brave Search MCP

包名: brave-search-mcp
维护方: 社区（mikechao）
前置要求: 注册 Brave Search API 获取 API Key（免费额度 2000 次/月）
周下载量: ~180

安装配置

通用配置：

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "brave-search-mcp"],
      "env": {
        "BRAVE_API_KEY": "BSA-xxxxxxxxxxxx"
      }
    }
  }
}

工具列表（6 个）

工具	用途	特点
`brave_web_search`	通用网页搜索	支持日期过滤（24h / 7d / 31d / 365d / 自定义范围）
`brave_image_search`	图片搜索	最多返回 50 张
`brave_news_search`	新闻搜索	支持新鲜度过滤
`brave_video_search`	视频搜索	—
`brave_local_search`	本地 POI 搜索	搜餐馆、商户、服务
`brave_llm_context_search`	LLM 专用搜索	直接返回优化过的纯文本摘要，Token 效率极高

5.2 Tavily MCP

包名: tavily-mcp
维护方: Tavily 官方
前置要求: 注册 Tavily 获取 API Key（免费额度 1000 次/月）
周下载量: ~2.4 万（搜索类 MCP 绝对第一）

Tavily 的特色是可以直接使用远程 MCP 服务，不需要本地启动：

远程连接（推荐）

通用配置：

{
  "mcpServers": {
    "tavily": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.tavily.com/mcp/?tavilyApiKey=tvly-xxxxxxxxxxxx"]
    }
  }
}

本地启动

{
  "mcpServers": {
    "tavily": {
      "command": "npx",
      "args": ["-y", "tavily-mcp@latest"],
      "env": {
        "TAVILY_API_KEY": "tvly-xxxxxxxxxxxx"
      }
    }
  }
}

工具列表（4 个）

工具	用途
`tavily-search`	网页搜索，返回标题 + 链接 + 摘要
`tavily-extract`	提取指定 URL 的正文内容（比 webfetch 更干净）
`tavily-map`	网站结构映射，梳理一个网站的目录结构
`tavily-crawl`	深度爬取网站，系统性探索链接

5.3 两者对比

维度	Brave Search MCP	Tavily MCP
搜索类型	网页 / 图片 / 新闻 / 视频 / 本地	网页搜索 + 内容提取 + 网站爬取
AI 优化	LLM Context Search（直接出纯文本摘要）	extract / map / crawl（为 AI 深度阅读设计）
免费额度	2000 次/月	1000 次/月
部署方式	仅本地	支持远程 MCP（推荐），免本地安装
周下载量	~180	~2.4 万
偏向	全能搜索引擎（多类型搜索）	AI 深度研究工具（搜索 + 阅读 + 爬取）

一句话总结: Brave Search 胜在搜索类型多（图片/视频/新闻/本地），Tavily 胜在深度阅读（extract/crawl）和开箱即用（远程 MCP 零配置）。日常问答用 Tavily，需要搜图搜视频用 Brave。

常用 MCP 整理

一、浏览器自动化 MCP（双雄对决）

1.1 Chrome DevTools MCP

简介

核心特性

工具分类（共 47+ 个工具）

安装配置

推荐用法

适用场景

1.2 Playwright MCP

简介

核心特性

工具分类（共 40+ 个工具）

安装配置

推荐用法

适用场景

1.3 对比小结

1.4 CloakBrowser MCP — 隐身浏览器

简介

和 Playwright MCP 的关系

安装配置

什么时候用它？

二、Git MCP — 版本控制交给 AI

2.1 主流 Git MCP

方案一：@cyanheads/git-mcp-server（推荐 Windows / Node.js 用户）

方案二：@modelcontextprotocol/server-git（MCP 官方参考实现）

核心工具

2.2 GitHub MCP

安装配置

核心工具（26 个）

2.3 四者对比 — Git MCP vs git 命令 vs gh 命令 vs GitHub MCP

四者的定位

详细对比

GH 命令 vs GitHub MCP 举例

什么时候用哪个？

为什么需要 Git MCP？

三、MySQL MCP — 让 AI 直接读写数据库

简介

为什么用 MySQL MCP 而不是让 AI 直接写 SQL？

安装配置

核心工具

安全机制

适用场景

四、代码理解与知识图谱 — CodeGraph & JavaLens

4.1 CodeGraph — 通用代码知识图谱

简介

使用流程

安装配置

核心工具

4.2 JavaLens MCP — Java 专用语义分析

简介

为什么比 grep / CodeGraph 更准？

安装配置

工具分类（75 个）

特色能力

4.3 两者对比

五、联网搜索 MCP — Brave Search & Tavily

为什么 AI 能 webfetch 还要搜索 MCP？

5.1 Brave Search MCP

安装配置

工具列表（6 个）

5.2 Tavily MCP

远程连接（推荐）

本地启动

工具列表（4 个）

5.3 两者对比

空空

方案一：`@cyanheads/git-mcp-server`（推荐 Windows / Node.js 用户）

方案二：`@modelcontextprotocol/server-git`（MCP 官方参考实现）

2.3 四者对比 — Git MCP vs `git` 命令 vs `gh` 命令 vs GitHub MCP