Servidores de exemplo para agentes de inteligência artificial
Os servidores do Model Context Protocol (MCP) permitem que modelos de inteligência artificial generativa acedam a fontes de dados externas e ferramentas através de uma interface padrão. Este protocolo permite que diferentes aplicações de inteligência artificial se conectem de forma segura e consistente a bases de dados ou ferramentas de software.
Atualizações
- 25 de outubro de 2026: Estrelas 91,368 → 91,545, versão mais recente v2.1.0 (25 de outubro de 2026).
- 19 de outubro de 2026: Estrelas 91,136 → 91,368, versão mais recente v2.0.0 (19 de outubro de 2026).
- 11 de outubro de 2026: Estrelas 90,905 → 91,136, versão mais recente v1.0.0 (11 de outubro de 2026).
- 1 de outubro de 2026: Estrelas 90,906 → 90,905, versão mais recente 2026.8.31 (31 de agosto de 2026).
O que você ganha
- Permite que os seus grandes modelos de linguagem (LLM) acedam com segurança a ficheiros locais, repositórios de dados e memória persistente.
- Pode conectar as suas aplicações de inteligência artificial a fontes de dados externas examinando os exemplos de servidores de referência.
- Obtém modelos prontos para desenvolver os seus próprios servidores utilizando diferentes kits de desenvolvimento de software (SDK).
Instalação
# With uvx
uvx mcp-server-git
# With pip
pip install mcp-server-git
python -m mcp_server_gitExecução
npx -y @modelcontextprotocol/server-memorySe você não programa
Pretendo ligar o meu modelo de inteligência artificial a fontes de dados externas utilizando os servidores de referência do Model Context Protocol (MCP). Primeiro, oriente-me na inicialização do servidor de memória com o comando npx -y @modelcontextprotocol/server-memory e na configuração do cliente de desktop. Explique também os passos para aceder a repositórios de código utilizando o comando uvx mcp-server-git.
Repositório: https://github.com/modelcontextprotocol/servers. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.
Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.
Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.
Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-10-01: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.