Apify MCP Server
von Apify
Apify MCP server: lets AI agents run Apify Actors to scrape and extract web data, with docs and storage tools.
- Kann
- 5 Dinge
- Installieren
- 5 Schritte
- Funktioniert mit
- 3 Hosts
Ratgeber
MCP steht für Model Context Protocol. Ein MCP-Server ist ein kleines Programm, das einen Dienst für eine KI-App bereitstellt. Die KI-App ist der Client, auch Host genannt; Beispiele in unseren Profilen sind Claude Code, Cursor, Windsurf und Codex. Der Client verbindet sich mit dem Server, und der Server teilt ihm mit, was er kann, sodass ein Server wie der GitHub MCP Server in vielen Clients funktioniert.
Ein Server bietet Tools (Aktionen, die das Modell aufrufen kann, etwa ein Issue anlegen oder eine Abfrage ausführen), und der Referenzserver everything nutzt zusätzlich Prompts und Ressourcen (Daten, die der Client lesen kann). Server verbinden sich auf zwei Arten. Lokale Server laufen als Befehl auf Ihrem Rechner, zum Beispiel npx für den filesystem-Server oder uvx für git und fetch. Entfernte Server liegen hinter einer URL, etwa Context7, Sentry und Vercel.
Sicherheit ist wichtig, weil ein Server mit dem Zugriff handelt, den Sie ihm geben. Die Profile zitieren konkrete Hinweise: minimale Token-Scopes vergeben (GitHub), einen Restricted API Key nutzen (Stripe), Datenbanknutzer mit Nur-Lese-Rechten anlegen (Redis) und prüfen, was das Modell tun will (Neon). Die README des fetch-Servers warnt, dass er lokale und interne IP-Adressen erreichen kann, und write_file des filesystem-Servers überschreibt vorhandene Dateien. Wir haben 49 MCP-Server profiliert; 47 sind offiziell.
| Begriff | Was es ist | Beispiel |
|---|---|---|
| MCP | Das Protokoll: JSON-RPC-2.0-Nachrichten plus zwei Transporte | Die Spezifikation auf modelcontextprotocol.io |
| MCP host | Die KI-App, in der Sie arbeiten | Claude Code, Claude Desktop, VS Code, Cursor |
| MCP client | Eine Verbindung, die der Host pro Server öffnet | VS Code öffnet je einen eigenen Client für Sentry und für den filesystem-Server |
| MCP server | Das Programm, das Tools, Daten und Prompts bereitstellt | GitHub, Sentry, filesystem |
Nicht immer einer im Netzwerk. Ein lokaler Server ist ein Prozess, den die KI-App auf Ihrem Rechner startet und mit dem sie über Standardeingabe und -ausgabe (stdio) kommuniziert; er bedient meist einen Client und läuft mit Ihren Benutzerrechten. Ein entfernter Server läuft auf der Plattform des Anbieters hinter einer URL über Streamable HTTP, bedient viele Clients und authentifiziert sich mit Bearer-Tokens oder API-Schlüsseln; das Protokoll empfiehlt OAuth.
Eine API ist die eigene Schnittstelle eines Dienstes, und jede KI-App muss sie einzeln einbinden. Ein MCP-Server verpackt diese Fähigkeit in ein Standardformat, das das Modell zur Laufzeit entdecken (tools/list) und aufrufen (tools/call) kann, sodass ein Server in jedem MCP-Host funktioniert. Viele MCP-Server rufen darunter die API des Anbieters auf.
von Apify
Apify MCP server: lets AI agents run Apify Actors to scrape and extract web data, with docs and storage tools.
von Atlassian
Atlassian's official remote MCP server connecting Jira, Confluence and more to AI assistants with OAuth.
von AWS Labs (Amazon Web Services)
MCP server that lets AI assistants run AWS CLI commands across all AWS services with validation and security controls.
von AWS Labs (Amazon Web Services)
MCP server that fetches, searches and recommends current AWS documentation pages as markdown for AI assistants.
von AWS Labs (Amazon Web Services)
Open-source suite of MCP servers from AWS Labs for AWS docs, APIs, IaC, pricing, data and more, run locally over stdio.
von Microsoft
Microsoft's MCP server that brings Azure context and operations into AI agents, installable via npm, .NET, PyPI or Docker.
von Brave
Brave's official MCP server for web, local, image, video and news search plus AI summarization.
von Chrome DevTools (Google)
Lets your coding agent control and inspect a live Chrome browser: performance traces, network, console, screenshots, automation.
MCP steht für Model Context Protocol, den Standard, mit dem sich KI-Apps über Server mit externen Tools und Daten verbinden.
Ein stdio-Server läuft lokal als Befehl wie npx oder uvx. Ein entfernter Server läuft an anderer Stelle, und Sie verbinden sich mit seiner URL, meist über OAuth oder ein Token.
Meist nicht. Sie fügen einen Konfigurationseintrag hinzu oder führen einen Add-Befehl aus und authentifizieren sich. Für den Bau eines eigenen Servers helfen Ihnen der mcp-builder-skill und das Plugin mcp-server-dev von Anthropic.
Sie sind so sicher wie der Zugriff, den Sie gewähren. Nutzen Sie minimale Berechtigungen, wo möglich Nur-Lese-Zugangsdaten, und lesen Sie die Sicherheitshinweise in der README jedes Servers.
Eine API ist die eigene Schnittstelle eines Dienstes, die jede KI-App einzeln einbinden muss. Ein MCP-Server verpackt diese Fähigkeit in ein Standardformat, das das Modell zur Laufzeit entdeckt und aufruft, sodass ein Server in jedem MCP-Client funktioniert; viele MCP-Server rufen darunter die API des Anbieters auf.
Nicht immer einer im Netzwerk. Ein lokaler MCP-Server ist ein Prozess, den die KI-App auf Ihrem Rechner über stdio startet; ein entfernter Server läuft auf der Plattform des Anbieters hinter einer URL, oft mit OAuth.
Ja. Die Website des Model Context Protocol nennt Claude, ChatGPT, VS Code und Cursor unter den Clients, die MCP-Server unterstützen.
compare>