Smithery：连接AI与工具的MCP服务器注册平台

综合介绍

Smithery 是一个帮助开发者发现、部署和管理 Model Context Protocol（MCP）服务器的平台。MCP 是一种开放协议，允许大型语言模型（LLM）与外部工具和数据源无缝连接。Smithery 提供了一个集中化的注册中心，拥有超过 4000 个 MCP 服务器，涵盖从网页搜索到代码自动化的多种功能。开发者可以通过简单的命令行工具或 SDK 快速集成这些服务器，扩展 AI 应用的能力。平台支持本地和远程部署，注重安全性和隐私保护，适合构建智能代码助手、聊天界面或自定义 AI 工作流。Smithery 的目标是简化 AI 与工具的集成，加速 agentic AI 的开发。

功能列表

• MCP 服务器注册与发现：提供超过 4000 个 MCP 服务器，开发者可浏览并选择适合的工具。
• 命令行工具（CLI）：通过简单的命令（如 smithery install）安装和配置 MCP 服务器。
• SDK 支持：提供 TypeScript 和 Python SDK，简化与语言模型的集成。
• 本地与远程部署：支持在本地运行服务器或通过 Smithery 的云端基础设施托管。
• 安全管理：使用环境变量存储敏感信息，如 API 令牌，确保数据隐私。
• 多平台兼容：与 Claude Desktop、Cursor 等工具集成，支持多种 AI 模型。
• 自动化工作流：支持复杂任务，如代码提交、数据库查询和网页抓取。
• 社区贡献：允许开发者通过 GitHub 提交自定义 MCP 服务器，扩展生态系统。

使用帮助

安装流程

Smithery 提供了一个命令行工具（CLI）来简化 MCP 服务器的安装和配置。以下是详细的安装步骤：

1. 安装 CLI 工具
   确保你的系统已安装 Node.js（版本 14 或以上）。在终端运行以下命令安装 Smithery CLI：

   npm install -g @smithery/cli
   

   安装完成后，运行 smithery --version 检查版本，确保安装成功。

2. 浏览和选择 MCP 服务器
   访问 Smithery 官网，浏览 MCP 服务器列表。你可以按功能（如网页搜索、文件管理）或兼容平台（如 Claude、Cursor）筛选。每个服务器页面会显示安装命令和所需配置。
3. 安装 MCP 服务器
   以安装 GitHub MCP 服务器为例，假设你已有 GitHub 个人访问令牌（Personal Access Token，PAT）。在终端运行：

   smithery install --server=github.com/smithery-ai/mcp-github --token=$MY_GITHUB_PAT
   

   这里，$MY_GITHUB_PAT 是你的 GitHub 令牌，建议存储在环境变量中以提高安全性。安装完成后，服务器会在本地运行，并自动注册到你的 AI 客户端（如 Claude Desktop）。

4. 配置本地环境
   对于本地部署，Smithery 会生成配置文件（通常为 smithery.yaml）。你可以在其中设置服务器地址、端口和认证信息。例如：

   server: github.com/smithery-ai/mcp-github
   port: 8080
   token: ${MY_GITHUB_PAT}
   

   保存后，运行 smithery start 启动服务器。

5. 远程部署（可选）
   如果选择 Smithery 的托管服务，只需在官网的仪表板中选择“Hosted”标签，输入令牌并点击部署。Smithery 会自动在云端运行服务器，你无需本地配置。

主要功能操作

• MCP 服务器发现与集成
  在 Smithery 官网，你可以搜索特定功能的 MCP 服务器。例如，输入“web search”会列出 Brave Search、DuckDuckGo 等服务器。点击服务器详情，查看支持的 AI 模型和安装说明。
  对于开发者，Smithery 提供 TypeScript SDK 示例代码。例如，连接 Exa 搜索服务器：

  import { MultiClient } from "@smithery/sdk";
  const client = new MultiClient();
  await client.connectAll({
  exa: createTransport("https://exa-mcp.example.com")
  });
  

  运行代码后，你的 AI 模型即可通过 Exa 进行实时网页搜索。

• 自动化任务执行
  Smithery 的 MCP 服务器支持多步任务。例如，使用 GitHub MCP 服务器，AI 可以自动创建文件、提交代码或管理仓库。操作流程如下：
  1. 在 AI 客户端（如 Claude Desktop）中输入任务，如“在我的仓库创建一个 README.md 文件”。
  2. AI 调用 GitHub MCP 服务器，执行 API 请求。
  3. 服务器返回操作结果，AI 显示确认信息。
     这一过程无需手动干预，极大提高效率。
• 安全与隐私管理
  Smithery 强调令牌和数据的安全性。建议将敏感信息存储在环境变量中，避免直接输入。例如，在 Linux/Mac 上设置 GitHub 令牌：

  export MY_GITHUB_PAT="your_token_here"
  

  对于托管服务器，Smithery 保证配置数据为“临时”（ephemeral），不长期存储。用户应检查每个服务器的隐私政策，确保数据安全。[](https://workos.com/blog/smithery-ai)

特色功能操作

• 与 Claude Desktop 集成
  Smithery 提供专门的 Claude Desktop 集成。例如，安装 Obsidian MCP 服务器以搜索 Obsidian 笔记：

  npx @smithery/cli install mcp-obsidian --client claude
  

  安装后，重启 Claude Desktop，MCP 工具会自动出现在界面中。你可以通过自然语言查询笔记内容，如“查找我的 2025 项目计划”。

• 网页抓取与搜索
  使用 Brave Search 或 Perplexity MCP 服务器，AI 可以执行实时网页搜索。操作步骤：
  1. 安装服务器，如 smithery install --server=brave-search。
  2. 在 AI 客户端输入查询，如“查找最新的 AI 会议”。
  3. 服务器返回结构化搜索结果，AI 整理后展示。
• 社区贡献
  开发者可以通过 GitHub 提交自定义 MCP 服务器。步骤如下：
  1. 编写服务器代码，使用 Smithery 的 TypeScript 或 Python SDK。
  2. 创建 smithery.yaml 配置文件，指定服务器功能和依赖。
  3. 使用 CLI 发布：

     smithery publish --repo=your-github-repo
     

  发布后，服务器会出现在 Smithery 注册中心，供全球用户使用。[](https://smitheryai.com/)

应用场景

1. 智能代码助手
   开发者使用 Smithery 的 GitHub 或 Obsidian MCP 服务器，让 AI 自动管理代码仓库或搜索项目笔记。这适合需要快速定位代码或文档的程序员。
2. 自动化工作流
   企业可以通过 Smithery 集成数据库查询或云服务操作的 MCP 服务器，实现 AI 驱动的自动化任务，如生成报告或管理云资源。
3. 教育与研究
   研究人员使用网页搜索或数据提取的 MCP 服务器，让 AI 收集和整理学术资料，加速论文撰写或数据分析。
4. 个人生产力
   个人用户可以通过 Gmail 或 Calendar MCP 服务器，让 AI 自动回复邮件或安排日程，提高日常效率。

QA

1. Smithery 的 MCP 服务器如何保证安全？
   Smithery 建议使用环境变量存储令牌，避免直接输入敏感信息。托管服务器的配置数据为临时存储，不长期保留。用户应检查每个服务器的隐私政策。
2. 是否支持非技术用户？
   非技术用户可以通过 Smithery 官网的图形界面选择和部署服务器，但 CLI 和 SDK 更适合有开发经验的用户。
3. 如何为 Smithery 贡献服务器？
   在 GitHub 上fork Smithery 的参考服务器仓库，编写代码并提交 pull request。使用 smithery publish 发布到注册中心。
4. Smithery 是否免费？
   Smithery 提供免费的 CLI 和 SDK，部分托管服务器可能需要付费。