1️⃣ Graphiti MCP server

AI Agent 最大的毛病之一，就是干完活就忘事儿，像金鱼一样。

Graphiti MCP 服务器就是来解决这个问题的。

它能让 Agent 自己构建和查询一个“带时间感知”的知识图谱。

说白了，就是给 Agent 装了个外置记忆体。

，时长00:34

2️⃣ Opik MCP server

这是 CometML 出品的一个 MCP 服务器，专门用来追踪 AI Agent 的行为，监控你的 LLM 应用。

工具包括：

• 创建项目
• 开启追踪
• 获取追踪统计数据

让你对自己家的 AI Agent 跑得怎么样，心里有个数。

，时长00:28

3️⃣ Ragie

一个用来搞精准多模态 RAG 的 MCP 服务器。

比如，它能帮你搞定视频 RAG，你可以：

• 把视频喂给它
• 对视频内容提问，获得自然的回答
• 拿到问题相关的精确时间戳

，时长00:43

4️⃣ Bright Data MCP server

这个 MCP 服务器，直接给你配了 30 多个工具。

让你能访问、搜索、爬取和与网站互动，还不会被封。

它跟普通的爬虫不一样，能根据目标网站的结构，动态地选最合适的工具来干活。

网页交互的瑞士军刀。

，时长00:37

5️⃣ Jupyter MCP server

一个让你能从 Claude 里直接控制 Jupyter notebooks 的 MCP 服务器。

你可以：

• 创建代码单元
• 执行代码单元
• 创建 Markdown 单元

100% 开源，免费用。

对搞数据科学和机器学习的同学来说，这玩意儿挺方便。

，时长00:36

6️⃣ MindsDB MCP server

这个服务器能连接和统一来自 200 多个平台和数据库的数据，然后你可以从任何 MCP 客户端 (比如 Cursor、Claude 桌面版) 查询这些数据。

，时长09:27

这 6 个 MCP 服务器的 GitHub 链接都在这里：

• Graphiti: github.com/getzep/graphiti
• Opik: github.com/comet-ml/opik-mcp
• Ragie: github.com/ragieai/ragie-mcp-server
• Bright Data: github.com/luminati-io/brightdata-mcp
• Jupyter MCP: github.com/datalayer/jupyter-mcp-server
• MindsDB: github.com/mindsdb/mindsdb

这六个的总结：

图片

此外，还有两个：

1、Markdownify MCP Server  (网页转 Markdown)

2、用于任务管理系统的MCP

别自己瞎搞了，已经有更聪明的人帮你把活干了：

1.   Taskmaster AI  ( https://www.task-master.dev/ )

2.   Cline Task Tool  ( https://docs.cline.bot/getting-started/for-new-coders )

TaskMaster AI。它的 MCP 跟 Cursor 配合得很好，直接用 CLI (命令行) 也行。这是一款呼声很高的mcp。

Cline 官方推荐MCP盘点：

图片

 来看看A2A 怎么跟 MCP 一起玩。 

AI Agent 应用，需要两样东西：A2A 和 MCP。

•  MCP  (Model Context Protocol)，是给 Agent 提供工具用的。
•  A2A  (Agent2Agent)，是让 Agent 能连接其他 Agent，组队干活。
• A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。

图片

A2A

A2A，全称 Agent2Agent。它能让多个 AI Agent 一起协同处理任务，但又不用直接共享各自的内部记忆、思考过程或者工具。

它们之间不“交底”，而是通过交换上下文、任务进度、指令和数据来进行沟通。

图片

A2A 和 MCP 怎么配合？

AI 应用可以把支持 A2A 的 Agent 当作一个 MCP 资源来看。

这些 Agent 会有个“身份证”，叫 Agent Card (后面会说)。

这样一来，连接到 MCP 服务器的 AI Agent，就能发现可以合作的新 Agent，然后通过 A2A 协议跟它们连上。

图片

Agent Card (Agent 的身份证)

支持 A2A 的远程 Agent，必须发布一个 JSON 格式的 Agent Card。

这个“身份证”上详细写了它的能力和认证方式。

客户端 (比如你的 AI 助手) 就靠这个“身份证”，来找到并跟最适合某个任务的 Agent 进行沟通。

图片

A2A 特色

• 安全协作：不共享内部状态，更安全。
• 任务和状态管理：能管理复杂的任务流程。
• UX 协商：能协商用户体验细节。
• 能力发现：能发现其他 Agent 的能力。
• 跨框架协作：不同框架开发的 Agent 也能一起工作。

图片

最关键的是，它还能跟 MCP 集成。

虽然 A2A 现在还很新，但给 Agent 之间的协作定个标准，挺好的。

就像 MCP 给 Agent 和工具之间的互动定了标准一样。

图片

参考链接：