Smithery AI

Qu'est-ce que Smithery AI ?

Smithery AI est une plateforme complète qui sert de hub principal pour les serveurs Model Context Protocol (MCP), offrant aux développeurs l'accès à plus de 7 300 outils et extensions prêts à l'emploi. La plateforme fonctionne à la fois comme un registre pour découvrir les serveurs MCP et comme une infrastructure d'hébergement pour les déployer. Les serveurs MCP permettent aux modèles linguistiques de se connecter à des applications externes, des API et des services, étendant efficacement leurs capacités au-delà de la génération de texte. Smithery prend en charge à la fois les installations locales où les outils s'exécutent sur les machines des utilisateurs et les solutions hébergées où les outils s'exécutent sur l'infrastructure de Smithery. La plateforme s'intègre aux environnements de développement populaires et prend en charge diverses méthodes de déploiement, notamment CLI et Docker.

Fonctionnalités clés

• Registre MCP étendu

  Accès à plus de 7 300 serveurs MCP créés par la communauté, couvrant l'automatisation web, la gestion de la mémoire, les intégrations API et les outils de développement, avec navigation par catégories et fonctionnalités de recherche.

• Options de déploiement doubles

  Choisissez entre des installations locales pour une sécurité et un contrôle maximaux, ou des solutions hébergées pour un accès instantané sans exigences de configuration.

• Outils adaptés aux développeurs

  Outils CLI complets, support Docker et intégration GitHub pour des flux de travail fluides de développement, de test et de déploiement de serveurs.

• Sécurité de niveau entreprise

  Gestion éphémère des configurations pour les données sensibles, options de gestion locale des jetons et fonctionnalités de sécurité de niveau entreprise pour les déploiements en production.

• Compatibilité universelle

  Fonctionne avec les clients de modèles linguistiques populaires, notamment Claude Desktop, Cursor et d'autres applications compatibles MCP.

Cas d'utilisation

• Automatisation web : Les développeurs peuvent intégrer l'automatisation du navigateur, le web scraping et les interactions API dans les flux de travail des modèles linguistiques pour un accès dynamique aux données.
• Amélioration du flux de développement : Les équipes logicielles peuvent connecter les modèles linguistiques à GitHub, VS Code, aux commandes de terminal et à d'autres outils de développement pour une assistance au codage automatisée.
• Gestion de la mémoire et du contexte : Les applications nécessitant une mémoire persistante entre les sessions peuvent utiliser des serveurs de mémoire spécialisés pour maintenir le contexte et les préférences des utilisateurs.
• Intégration d'entreprise : Les organisations peuvent connecter les modèles linguistiques aux systèmes internes, bases de données et applications métier via des serveurs MCP personnalisés ou existants.
• Recherche et analyse : Les chercheurs peuvent étendre les modèles linguistiques avec des capacités de recherche, des outils d'analyse de données et des fonctions spécialisées par domaine.

FAQ