Es gibt bereits Tausende von fertigen MCP-Servern, und die Sammlungen sehen normalerweise gleich aus: Titel, ein Satz und ein Link. Hier sind nur 10 Server, die für Entwickler täglich nützlich sind. Für jeden wird beschrieben, für wen er geeignet ist, wo die Nachteile liegen und welche Rechte Sie ihm übertragen. Alle Repositories wurden am 5. November 2026 überprüft: Die Projekte sind lebendig, keines ist archiviert.
Wichtigste Warnung: MCP Server ist Code, der mit Ihren Tokens, Dateien und Ihrem Browser arbeitet. Die Popularität eines Repositories macht es nicht sicher, daher gibt es in jedem Block genauso viele Nachteile wie Vorteile.
Inhalt
🧭 Wie wir Server ausgewählt haben
Auswahlkriterien:
- Wer unterstützt. Bevorzugt werden offizielle Server von den Produktentwicklern (GitHub, Microsoft, Google, Brave, Sentry) und Referenzserver vom MCP-Team.
- Aktivität. Jeder der zehn hat den letzten Commit nicht älter als zwei Wochen zum Zeitpunkt der Überprüfung.
- Rechteverwaltung. Kann der Server im Nur-Lese-Modus, für einzelne Ordner oder Werkzeugsätze eingeschränkt werden.
- Nutzen für den Entwickler. Server für Handel, Design oder 3D sind hier nicht enthalten.
Es gibt keine GitHub-Sterne-Bewertung. In beliebten Sammlungen haben verschiedene Server oft die gleiche Anzahl von Sternen: das sind die Sterne des übergeordneten Repositories modelcontextprotocol/servers, nicht des spezifischen Servers. Solche Zahlen sagen nichts über die Qualität aus.
⚠️ Wichtig: Die Referenzserver aus dem MCP-Repository (Filesystem, Git, Fetch) werden von den Autoren selbst als Lernbeispiele bezeichnet, nicht als Produktionslösungen (README modelcontextprotocol/servers). Für die lokale Arbeit sind sie gut geeignet, aber für einen Server, mit dem sich andere Personen verbinden, ist eine eigene Risikobewertung erforderlich.
💻 Code und Repositories: GitHub, Git, Filesystem
1. GitHub MCP Server — Repositories, Issues und Pull Requests
Was er tut: gibt dem Agenten Zugriff auf GitHub: Code lesen, Dateien suchen, mit Issues und PRs arbeiten, GitHub Actions-Läufe und Sicherheitswarnungen anzeigen (github/github-mcp-server).
Für wen geeignet: für diejenigen, die Code-Reviews durchführen, Fehler und CI-Abstürze analysieren, ohne ihren KI-Client zu verlassen.
Nachteile:
- Ohne Konfiguration wird der Standard-Satz aktiviert:
context, repos, issues, pull_requests, users. Das sind Dutzende von Werkzeugen, die den Modellkontext beanspruchen.
- Ein Token mit weitreichenden Rechten plus nicht vertrauenswürdiger Text in einem Issue ist ein klassisches Szenario für Datenlecks aus privaten Repositories.
Status und Transport: Offiziell von GitHub. Es gibt einen Remote-Server (https://api.githubcopilot.com/mcp/) mit OAuth oder PAT und eine lokale Version über Docker.
claude mcp add github -e GITHUB_PERSONAL_ACCESS_TOKEN=$GITHUB_PAT -- docker run -i --rm -e GITHUB_PERSONAL_ACCESS_TOKEN ghcr.io/github/github-mcp-server
💡 In der Praxis: Aktivieren Sie nur die benötigten Gruppen über --toolsets repos,issues (in Docker — Variable GITHUB_TOOLSETS), und für die Code-Analyse den Modus --read-only (GITHUB_READ_ONLY=1). Die Autoren schreiben direkt, dass ein kleinerer Satz von Werkzeugen dem Modell hilft, das richtige Werkzeug auszuwählen und die Kontextgröße reduziert.
Wenn selbst ein Toolset zu viel ist, können Sie einzelne Werkzeuge über --tools (in Docker — GITHUB_TOOLS) aktivieren. Zum Beispiel für Reviews ohne Änderungsrechte:
github-mcp-server --tools get_file_contents,issue_read,pull_request_read --read-only
--tools kann mit --toolsets kombiniert werden: Werkzeuge werden zu den ausgewählten Gruppen hinzugefügt. Der Modus --read-only hat Priorität, daher erscheinen keine Schreibwerkzeuge, auch wenn sie explizit angegeben werden. Die Namen müssen exakt übereinstimmen, sonst startet der Server nicht.
⚠️ Wichtig: Für die Arbeit mit öffentlichen Repositories gibt es --lockdown-mode (GITHUB_LOCKDOWN_MODE=1). In diesem Modus zeigt der Server keine Issues, PRs und Kommentare von Autoren ohne Push-Zugriff auf das Repository an, und gerade sie sind die häufigste Quelle für Prompt Injection. Die Autoren bezeichnen ihn jedoch ausdrücklich als "best-effort" Inhaltsfilter, **nicht als Autorisierungsgrenze**: Er ändert nichts daran, was Ihr Token lesen oder schreiben kann, und gefilterte Inhalte können über andere Werkzeuge zugänglich sein. Der Lockdown-Modus ergänzt die minimalen Token-Rechte, ersetzt sie aber nicht.
2. Git — Verlauf, Diff und Commits des lokalen Repositories
Was er tut: liest den Status, Diff, Log und Branches, kann Add, Commit, Checkout und Merge durchführen (src/git).
Für wen geeignet: wenn der KI-Client keine integrierte Git-Funktionalität hat und Sie "erkläre, was sich in diesem Branch geändert hat" oder "finde den Commit, nach dem der Test fehlgeschlagen ist" benötigen.
Nachteile:
- Ohne den Parameter
--repository liest und schreibt der Server in **jedes** Git-Repository, auf das der Prozess Zugriff hat. Dies ist die einzige Einschränkung, die er bietet.
- Bei Claude Code und anderen Agenten mit Terminalzugriff ist er oft überflüssig: Der Agent führt bereits
git-Befehle aus.
Status und Transport: MCP-Referenzserver, STDIO über uvx oder Docker.
uvx mcp-server-git --repository /path/to/your/repo
3. Filesystem — Lesen und Bearbeiten von Dateien in erlaubten Ordnern
Was er tut: Dateioperationen innerhalb der Ordner, die Sie beim Start übergeben haben (src/filesystem).
Für wen geeignet: für KI-Clients ohne Dateizugriff (Chat-Anwendungen, eigener Agent) und für Szenarien wie "gib dem Modell die Erlaubnis, einen Ordner mit Dokumentation zu lesen, aber nichts zu ändern".
Nachteile:
- Der Modus
--read-only wirkt sich auf alle erlaubten Ordner gleichzeitig aus. Um einige Ordner nur zum Lesen zu machen, müssen zwei Server gestartet werden.
- Für Coding-Agenten (Claude Code, Cursor) dupliziert er normalerweise die integrierten Werkzeuge.
Status und Transport: MCP-Referenzserver, STDIO über npx oder Docker.
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "--read-only", "/path/to/docs"]
}
}
}
💡 Beispiel: Einen Ordner mit internen Spezifikationen im --read-only-Modus mit einem eigenen Agenten auf Spring AI verbinden. Der Agent beantwortet Fragen zur Dokumentation, kann sie aber nicht versehentlich überschreiben.
📚 Dokumentation und Suche: Context7, Brave Search, Fetch
4. Context7 — Aktuelle Dokumentation von Bibliotheken
Was er tut: lädt Dokumentation und Codebeispiele für eine bestimmte Bibliotheksversion in den Kontext des Agenten. Hat zwei Werkzeuge: resolve-library-id und query-docs (upstash/context7).
Für wen geeignet: für diejenigen, die mit aktuellen Framework-Versionen arbeiten. Das Modell ist auf alten Daten trainiert und generiert sicher APIs, die es nicht mehr gibt. Context7 liefert ihm die Dokumentation der Version, die Sie in der Anfrage angegeben haben.
Nachteile:
- Die Dokumentation in Context7 wird von der Community hinzugefügt. Upstash schreibt ausdrücklich, dass es keine Garantie für Genauigkeit, Vollständigkeit und Sicherheit gibt.
- Das Backend (API, Parsing, Crawling) ist geschlossen, im Repository befindet sich nur der MCP-Server-Code. Ihre Anfragen gehen an Upstash-Server.
- Ein API-Schlüssel ist nicht zwingend erforderlich, wird aber aufgrund von Abfragelimits empfohlen.
Status und Transport: Von Upstash. Remote-Server https://mcp.context7.com/mcp mit Schlüssel im Header Authorization: Bearer. Es gibt einen Modus ohne MCP: CLI + Skills.
npx ctx7 setup --claude
💡 Beispiel: "Konfiguriere Spring Security für einen Resource Server mit JWT, verwende context7". Ohne Context7 schlägt das Modell oft den veralteten WebSecurityConfigurerAdapter vor, mit ihm wird der aktuelle Ansatz aus der Dokumentation übernommen.
5. Brave Search — Suche im Internet für Agenten
Was es tut: Suche über die Brave Search API: Web, Nachrichten, Videos, Bilder, lokale Orte, plus KI-Zusammenfassungen (brave/brave-search-mcp-server).
Für wen es geeignet ist: Für diejenigen, die ihren eigenen Agenten bauen (z. B. mit Spring AI oder einem lokalen Modell über Ollama), bei denen keine integrierte Websuche vorhanden ist. Claude Code und Cursor haben bereits eine Suche, daher ist Brave dort oft überflüssig.
Nachteile:
- Ein Brave Search API-Schlüssel ist erforderlich. Einige Funktionen wie erweiterte Snippets und vollständige lokale Suche sind nur im Pro-Plan verfügbar.
- Suchergebnisse sind nicht vertrauenswürdige Inhalte. Sie können zu indirekter Prompt-Injection durch den Agenten führen.
Status und Transport: Offiziell von Brave, Version 2.x. Standardmäßig STDIO, HTTP wird über --transport http aktiviert. Der alte Referenzserver von Brave Search wurde archiviert, und die Autoren von MCP verweisen direkt auf den offiziellen als Ersatz.
{
"mcpServers": {
"brave-search": {
"command": "npx",
"args": ["-y", "@brave/brave-search-mcp-server"],
"env": { "BRAVE_API_KEY": "YOUR_API_KEY" }
}
}
}
🧑💻 Meine Erfahrung: Ich habe Brave Search MCP für die SEO-Vorbereitung von WebsCraft-Artikeln eingerichtet: um zu sehen, was bereits zu einem Thema in den Suchergebnissen vorhanden ist, und um Lücken zu finden, die noch niemand abgedeckt hat. Beachten Sie, dass die Brave Search API keine Abfragehäufigkeiten (Volume) liefert, sodass Sie dafür immer noch Google Search Console oder SEO-Dienste benötigen. Brave eignet sich gut für die Überprüfung von Suchergebnissen, aber nicht für die Bewertung der Nachfrage.
6. Fetch — Seite nach URL lesen
Was es tut: Lädt eine Seite und wandelt sie in ein für das Modell geeignetes Textformat um (src/fetch).
Für wen es geeignet ist: In Kombination mit Brave Search: Brave findet Seiten, Fetch liest sie. Auch für "Lies das Changelog unter diesem Link und sag mir, was sich beim Update ändern wird".
Nachteile:
- Die Autoren selbst bezeichnen den Server als potenzielles Risiko: Er kann auf interne Adressen zugreifen. Standardmäßig sind private IPs und Cloud-Metadaten blockiert, aber die Option
--allow-private-ips deaktiviert diesen Schutz.
- Wie jeder Inhalt aus dem Internet kann eine Seite Anweisungen für das Modell enthalten.
Status und Transport: MCP-Referenzserver, STDIO über uvx oder Docker. Standardmäßig wird robots.txt für vom Modell initiierte Anfragen beachtet.
uvx mcp-server-fetch
🧑💻 Meine Erfahrung: Ich habe Fetch in meinem Projekt für eine einfache Aufgabe verwendet: Der Benutzer gibt einen Link an, und der Agent liest den Inhalt der Seite und arbeitet damit weiter. Dafür deckt Fetch den Bedarf ohne eigenen Code zum Herunterladen und Parsen von HTML ab. Es ist erwähnenswert, dass Fehler (robots.txt-Verweigerung, nicht erreichbare Seite, HTTP-Fehler) vom Server als normales Ergebnis mit isError: true zurückgegeben werden. Das Modell sieht den Grund und kann dem Benutzer selbst mitteilen, warum die Seite nicht gelesen werden konnte.
🌐 Browser: Playwright MCP und Chrome DevTools MCP
7. Playwright MCP — Browserautomatisierung
Was es tut: Der Agent öffnet Seiten, klickt und füllt Formulare aus. Er arbeitet über den Accessibility Tree und nicht über Screenshots, sodass kein Vision-Modell benötigt wird (microsoft/playwright-mcp).
Für wen es geeignet ist: Zum Testen von Benutzerworkflows ("registriere dich, lege einen Artikel in den Warenkorb, gehe zur Kasse") und für die explorative Automatisierung.
Nachteile:
- Die Autoren selbst empfehlen Coding-Agenten Playwright CLI + Skills anstelle von MCP: CLI verbraucht weniger Token, da es keine großen Tool-Schemata und Seitenbäume in den Kontext lädt.
- Im README heißt es ausdrücklich, dass Playwright MCP keine Sicherheitsgrenze darstellt. Die Parameter
--allowed-origins und --blocked-origins sind bequem, aber kein Schutz.
- Standardmäßig wird ein permanentes Browserprofil verwendet: Cookies und Sitzungen werden zwischen den Läufen gespeichert.
Status und Transport: Offiziell von Microsoft, STDIO über npx, Node.js 18+.
claude mcp add playwright -- npx @playwright/mcp@latest --isolated
8. Chrome DevTools MCP — Debugging und Leistung
Was es tut: Gibt dem Agenten die Funktionalität von DevTools: Aufzeichnung von Performance-Traces, Anzeige von Netzwerkanfragen, Konsole mit Source-Mapped-Stacks, Erstellung von Screenshots (ChromeDevTools/chrome-devtools-mcp).
Für wen es geeignet ist: Für Backend-Entwickler, die verstehen müssen, warum das Frontend nicht funktioniert, ohne manuell in DevTools zu graben. Und für diejenigen, die die Website-Geschwindigkeit optimieren: Im Repository gibt es einen fertigen Skill zur Verbesserung des LCP.
Nachteile:
- Die Erfassung von Nutzungsstatistiken ist standardmäßig aktiviert. Sie wird mit der Option
--no-usage-statistics deaktiviert.
- Leistungstools können die Trace-URL an die Google CrUX API senden. Dies wird über
--no-performance-crux deaktiviert.
- Das Modell sieht und kann alles im Browser ändern. Öffnen Sie darin keine Sitzungen mit sensiblen Daten.
Status und Transport: Vom Chrome DevTools-Team (Google), STDIO über npx, offiziell unterstützt werden nur Chrome und Chrome for Testing.
{
"mcpServers": {
"chrome-devtools": {
"command": "npx",
"args": ["-y", "chrome-devtools-mcp@latest", "--isolated", "--no-usage-statistics"]
}
}
}
💡 Was man von beiden wählen sollte: Playwright, um ein Szenario wie ein Benutzer zu durchlaufen. Chrome DevTools, um zu verstehen, warum eine Seite langsam ist oder abstürzt. Für das Testen von Flows wählen Sie das erste, für Debugging und Core Web Vitals das zweite.
🗄️ Daten und Fehler: MCP Toolbox for Databases und Sentry
9. MCP Toolbox for Databases — PostgreSQL und andere Datenbanken
Was es tut: Verbindet den Agenten mit Datenbanken. Funktioniert in zwei Modi: vorgefertigte Tools (list_tables, execute_sql) und eigene Tools, die Sie in tools.yaml beschreiben (googleapis/mcp-toolbox). Unterstützt PostgreSQL, MySQL, SQL Server, Oracle, MongoDB, Redis, ClickHouse, Snowflake und Google Cloud-Dienste.
Für wen es geeignet ist: Für diejenigen, die das Schema und die Daten aus der IDE untersuchen möchten, und für diejenigen, die einen Agenten für die Produktion bauen: Anstelle von beliebigem SQL erhalten Modelle vordefinierte sichere Abfragen. Für Java-Entwickler gibt es ein Java SDK.
Nachteile:
- Das vorgefertigte Toolset enthält
execute_sql. Wenn Sie es mit einem Datenbankbenutzer verbinden, der Schreibrechte hat, kann das Modell Daten ändern.
- Echte Sicherheit entsteht nur mit eigenen Tools in
tools.yaml und einer separaten Nur-Lese-Datenbankrolle. Das ist bereits Arbeit und nicht "angeschlossen und fertig".
Status und Transport: Von Google (früher Gen AI Toolbox genannt, Repository genai-toolbox). STDIO oder HTTP.
{
"mcpServers": {
"toolbox-postgres": {
"command": "npx",
"args": ["-y", "@toolbox-sdk/server", "--prebuilt=postgres", "--stdio"]
}
}
}
⚠️ Bitte beachten Sie: Die Verbindungsparameter zur Datenbank werden über Umgebungsvariablen festgelegt. Eine Liste davon finden Sie in der Dokumentation der vorgefertigten Tools. Verwenden Sie für eine Produktionsdatenbank eine separate Rolle mit Nur-Lese-Berechtigungen.
10. Sentry MCP — Fehler und Traces aus der Produktion
Was es tut: Gibt dem Coding-Agenten Zugriff auf Issues, Fehler, Traces und Logs in Sentry (getsentry/sentry-mcp). Konzipiert für Szenarien, in denen ein Mensch am Prozess beteiligt ist, nicht für autonome Agenten.
Für wen es geeignet ist: Für Teams, die Sentry bereits verwenden: "Analysiere diesen Fehler aus der Produktion und schlage eine Korrektur vor" direkt in Claude Code oder Cursor.
Nachteile:
- KI-Suche (
search_errors, search_issues usw.) im lokalen Modus erfordert einen LLM-Provider-Schlüssel: OpenAI, Anthropic oder OpenRouter. Ohne ihn sind diese Tools nicht verfügbar.
- Die Lizenz ist FSL-1.1, nicht klassische Open Source.
- Für Self-Hosted Sentry bezeichnen die Autoren den STDIO-Modus als "work in progress".
Status und Transport: Offiziell von Sentry. Remote-Server https://mcp.sentry.dev/mcp mit OAuth oder lokales STDIO-Paket @sentry/mcp-server. Der alte Sentry-Referenzserver aus dem MCP-Repository ist archiviert.
claude plugin marketplace add getsentry/sentry-mcp
claude plugin install sentry-mcp@sentry-mcp
📊 Vergleichstabelle
| Server | Autor | Transport | Zugriff | Rechtebeschränkungen | Lizenz |
| GitHub MCP Server | GitHub | HTTP (remote), STDIO (Docker) | OAuth / PAT | --toolsets, --tools, --read-only, --lockdown-mode | MIT |
| Git | MCP (Referenz) | STDIO | lokal | --repository | MIT / Apache-2.0 |
| Filesystem | MCP (Referenz) | STDIO | lokal | erlaubte Ordner, --read-only | MIT / Apache-2.0 |
| Context7 | Upstash | HTTP (remote) | API-Schlüssel (empfohlen) | — | MIT (Server) |
| Brave Search | Brave | STDIO, HTTP | API-Schlüssel | — | MIT |
| Fetch | MCP (Referenz) | STDIO | — | Blockierung privater IPs, robots.txt | MIT / Apache-2.0 |
| Playwright MCP | Microsoft | STDIO, HTTP | — | --isolated (keine Sicherheitsgrenze) | Apache-2.0 |
| Chrome DevTools MCP | Google | STDIO | — | --isolated, --slim | Apache-2.0 |
| MCP Toolbox | Google | STDIO, HTTP | DB-Daten, IAM | eigene Tools in tools.yaml | Apache-2.0 |
| Sentry MCP | Sentry | HTTP (remote), STDIO | OAuth / Token | Auswahl an Skills | FSL-1.1 |
Die referenziellen MCP-Server wechseln derzeit von der MIT-Lizenz zu Apache-2.0, daher sind beide in der Tabelle aufgeführt.
⚠️ Archivierte Server, die immer noch empfohlen werden
Der häufigste Fehler beliebter Sammlungen ist der Verweis auf modelcontextprotocol/servers-archived. Diese Server werden nicht mehr unterstützt, und für einige gibt es bereits offizielle Ersatzlösungen (Liste in der MCP README).
| Archivierter Server | Ersatz |
| Brave Search | Offizieller @brave/brave-search-mcp-server |
| GitHub | Offizieller GitHub MCP Server |
| Sentry | Offizieller Sentry MCP |
| PostgreSQL, SQLite | MCP Toolbox for Databases oder eine andere unterstützte Implementierung |
| Puppeteer | Playwright MCP oder Chrome DevTools MCP |
| Slack | Unterstützt jetzt Zencoder |
| GitLab, Google Drive, Google Maps, Redis | Suchen Sie nach aktuellen Implementierungen in der MCP Registry |
⚠️ Wichtig: Ein archivierter Server ist nicht unbedingt heute kaputt. Aber es wird keine Sicherheitsupdates mehr dafür geben, und Sie führen ihn mit Ihren eigenen Tokens aus.
🎯 Was für die Aufgabe wählen
| Aufgabe | Server | Warum |
| Code-Review, Issues, CI | GitHub MCP Server | Offiziell, mit Einschränkung von Toolsets und schreibgeschütztem Modus |
| Das Modell erfindet eine veraltete API | Context7 | Dokumentation einer bestimmten Bibliotheksversion |
| Websuche für einen eigenen Agenten | Brave Search + Fetch | Der erste findet, der zweite liest |
| Überprüfen des Flows auf der Website | Playwright MCP | Aktionen über den Accessibility Tree, ohne ein Vision-Modell |
| Langsame Seite, Fehler in der Konsole | Chrome DevTools MCP | Performance-Trace, Netzwerk, Konsole |
| Datenbankschema und -daten untersuchen | MCP Toolbox for Databases | Fertige Tools + eigene Abfragen in tools.yaml |
| Fehler aus der Produktion analysieren | Sentry MCP | Issues und Traces direkt im Coding-Agenten |
| Dem Chat-Client Zugriff auf Dateien gewähren | Filesystem | Erlaubte Ordner und schreibgeschützter Modus |
⚠️ Wichtig: Schließen Sie nicht alle MCP-Server gleichzeitig ohne Notwendigkeit an. Jeder Server fügt dem Kontext des Modells eine Beschreibung seiner Tools hinzu, und je mehr es gibt, desto öfter wählt das Modell das falsche. Wie viele Tools ohne Qualitätsverlust im Kontext gehalten werden können, hängt vom Modell, dem KI-Client und der Komplexität der Aufgabe ab, daher gibt es keine universelle Zahl. Beginnen Sie mit einem minimalen Satz und fügen Sie Server hinzu, wenn sie tatsächlich benötigt werden. Warum das passiert und was man dagegen tun kann, wird im Artikel Tool RAG: Was tun, wenn ein Agent zu viele Tools hat erläutert.
🛡️ Vor der Installation: Kurzer Checkliste
- Wer ist der Autor? Offizieller Server vom Produktanbieter oder Community-Implementierung?
- Nicht im Archiv? Überprüfen Sie das Datum des letzten Commits und ob der Code in
servers-archived liegt.
- Welche Rechte gewähren Sie? Token mit minimalen Scopes, schreibgeschützter Modus, Einschränkung von Ordnern oder Repositories.
- Ist die Version fixiert?
@latest ist praktisch, aber Updates kommen ohne Ihre Überprüfung.
- Was sendet der Server nach außen? Telemetrie, externe APIs, geschlossenes Backend.
- Woher stammen die Inhalte? Suche, Seiten, Issues und Dokumente können Anweisungen für das Modell enthalten.
❓ Häufig gestellte Fragen
Sind alle MCP-Server kostenlos?
Der Code der meisten Server ist offen und kostenlos, aber der dahinterliegende Dienst kann kostenpflichtig sein. Brave Search benötigt einen API-Schlüssel, und einige Funktionen sind nur im Pro-Plan verfügbar. Context7 funktioniert ohne Schlüssel mit geringeren Limits. Die KI-Suche in Sentry im lokalen Modus erfordert einen LLM-Anbieter-Schlüssel.
Kann man einen MCP-Server lokal ausführen?
Ja. Die meisten Server aus dieser Liste laufen lokal über STDIO: der Client startet den Prozess selbst. Remote-Varianten gibt es bei GitHub, Context7 und Sentry.
Wie viele Server kann man gleichzeitig anschließen?
Technisch gesehen beliebig viele. Praktisch hängt die Grenze vom Modell, dem Client und der Aufgabe ab: Jeder Server fügt dem Kontext eine Beschreibung seiner Tools hinzu, und das Modell beginnt, häufiger Fehler bei der Auswahl zu machen. Beginnen Sie mit einem minimalen Satz für die spezifische Aufgabe und verengen Sie die Server selbst, z. B. GitHub über --toolsets oder --tools.
Warum sollte man keine Server aus servers-archived nehmen?
Sie werden nicht mehr unterstützt und Sicherheitslücken werden nicht mehr behoben. Für Brave Search, GitHub und Sentry gibt es bereits offizielle Ersatzlösungen von den Produktentwicklern.
Wie prüft man einen MCP-Server auf Sicherheit?
Schauen Sie sich den Autor, die Aktivität des Repositories, die angeforderten Rechte und das, was nach außen gesendet wird, an. Führen Sie mit einem minimalen Token und, wo möglich, im schreibgeschützten Modus aus. Die Popularität eines Repositories garantiert keine Sicherheit.
📚 Quellen