AI-Agenten-Marktplatzindex MCP Server

Was macht der “AI Agent Marketplace Index” MCP Server?

Der AI Agent Marketplace Index MCP Server ist ein spezialisierter Model Context Protocol (MCP) Server, entwickelt von DeepNLP, um KI-Assistenten einen nahtlosen Zugriff auf einen umfassenden Index von KI-Agenten zu ermöglichen. Dieser Server erlaubt KI-basierten Tools und Assistenten, verfügbare KI-Agenten anhand von Stichwörtern oder Kategorien wie “KI Coding Agents”, “Healthcare AI Agents” oder “Mobile Use Agent” zu suchen und zu entdecken. Darüber hinaus bietet er Funktionen zur Überwachung der Web-Traffic-Performance dieser Agenten, einschließlich Metriken wie Google/Bing-Rankings und GitHub-Sterne, und stellt APIs zur Verfügung, um neue KI-Agenten im Marktplatz zu listen. Durch die Integration dieses MCP Servers können Entwickler ihre Workflows mit fortschrittlichen Such-, Kategorisierungs- und Überwachungsfunktionen für KI-Agenten erweitern, was eine effizientere Entwicklung, Forschung und Bereitstellung von KI-Lösungen ermöglicht.

Liste der Prompts

Im Repository oder der Dokumentation sind keine expliziten Prompt-Vorlagen genannt.

Liste der Ressourcen

Im Repository oder der Dokumentation wird keine explizite Liste von MCP-“Ressourcen” bereitgestellt.

Liste der Tools

• KI-Agenten nach Suchanfrage oder Kategorie durchsuchen
  Ermöglicht LLMs und Clients die Suche nach KI-Agenten mittels spezifischer Stichwörter oder Kategorien und gibt eine Liste verfügbarer Agenten aus dem Marktplatz-Index zurück.
• Web-Traffic-Performance von KI-Agenten überwachen
  Erlaubt die Abfrage von Web-Performance-Daten für KI-Agenten, einschließlich Metriken wie Google/Bing-Rankings und GitHub-Sterne.
• API zum Listeneintrag von KI-Agenten
  Bietet die Möglichkeit, neue KI-Agenten im Marktplatz-Index zu registrieren oder zu listen.
• Umfassendes Fehler-Handling
  Integriertes Fehler-Handling für robuste und zuverlässige Abläufe.

Anwendungsfälle dieses MCP Servers

• Relevante KI-Agenten entdecken
  Entwickler und Forschende können schnell nach KI-Agenten nach Kategorie oder Stichwort suchen und so passende Tools für bestimmte Aufgaben oder Branchen (z. B. Coding, HR, Finanzen) finden.
• Popularität und Performance von KI-Agenten überwachen
  Durch Zugriff auf Web-Traffic- und Rankingdaten können Nutzer die Beliebtheit und den Einfluss verschiedener KI-Agenten bewerten und fundierte Entscheidungen zur Nutzung treffen.
• Agenten-Discovery in eigene Workflows integrieren
  Teams können die Suchfunktionalität des Marktplatzes in ihre eigenen KI-Produkte oder Dashboards einbetten.
• Neue KI-Agenten promoten
  Entwickler können ihre Agenten einfach über den Marktplatz einem breiten Publikum vorstellen und bewerben.
• Anwendungsfälle und Funktionen aggregieren
  Erleichtert Forschung und Analyse, indem verfügbare Agentenfunktionen und Use Cases in einem durchsuchbaren Index gesammelt werden.

So richten Sie es ein

Windsurf

1. Stellen Sie sicher, dass Python 3.10+ auf Ihrem System installiert ist.

2. Installieren Sie den MCP-Server gemäß den Installation-Anweisungen im Repository.

3. Öffnen Sie Windsurfs Konfigurationsdatei (z. B. windsurf.json).

4. Fügen Sie den AI Agent Marketplace Index MCP Server zum Abschnitt mcpServers hinzu:

   {
     "mcpServers": {
       "ai-agent-marketplace-index": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

5. Speichern und starten Sie Windsurf neu.

6. Überprüfen Sie die Verbindung, indem Sie innerhalb von Windsurf nach KI-Agenten suchen.

Beispiel für die Absicherung von API-Keys:

{
  "env": {"BING_SEARCH_API_KEY": "your_api_key"},
  "inputs": {}
}

Claude

1. Richten Sie Python 3.10+ ein und installieren Sie die Abhängigkeiten des MCP-Servers.

2. Suchen Sie Claudes Konfigurationsdatei.

3. Fügen Sie die folgende MCP-Server-Konfiguration hinzu:

   {
     "mcpServers": {
       "ai-agent-marketplace-index": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

4. Speichern und starten Sie Claude neu.

5. Bestätigen Sie, dass der Server als Tool in Claude verfügbar ist.

Beispiel für die Absicherung von API-Keys:

{
  "env": {"BING_SEARCH_API_KEY": "your_api_key"},
  "inputs": {}
}

Cursor

1. Installieren Sie Python 3.10+ und klonen/installieren Sie den MCP-Server.

2. Öffnen Sie die MCP-Konfigurationsdatei von Cursor.

3. Fügen Sie den AI Agent Marketplace Index MCP Server hinzu:

   {
     "mcpServers": {
       "ai-agent-marketplace-index": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

4. Speichern Sie die Konfiguration und starten Sie Cursor neu.

5. Überprüfen Sie die Suche nach KI-Agenten innerhalb von Cursor.

Beispiel für die Absicherung von API-Keys:

{
  "env": {"BING_SEARCH_API_KEY": "your_api_key"},
  "inputs": {}
}

Cline

1. Stellen Sie sicher, dass Python 3.10+ installiert ist und der MCP-Server eingerichtet wurde.

2. Bearbeiten Sie Clines Konfigurationsdatei.

3. Fügen Sie den MCP-Server-Eintrag hinzu:

   {
     "mcpServers": {
       "ai-agent-marketplace-index": {
         "command": "python",
         "args": ["main.py"]
       }
     }
   }
   

4. Speichern und starten Sie Cline neu.

5. Bestätigen Sie, dass der AI Agent Marketplace Index MCP verfügbar ist.

Beispiel für die Absicherung von API-Keys:

{
  "env": {"BING_SEARCH_API_KEY": "your_api_key"},
  "inputs": {}
}

So nutzen Sie dieses MCP in Flows

Verwendung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Fügen Sie im Bereich System-MCP-Konfiguration Ihre MCP-Server-Details in diesem JSON-Format ein:

{
  "ai-agent-marketplace-index": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Nach der Konfiguration kann der KI-Agent dieses MCP als Tool mit Zugriff auf alle Funktionen und Fähigkeiten nutzen. Denken Sie daran, “ai-agent-marketplace-index” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL entsprechend Ihrem eigenen MCP-Server anzupassen.

Übersicht

Basierend auf obigen Punkten ist dieses MCP funktional und für seinen Zweck gut integriert, es fehlen jedoch explizite Prompt- und Ressourcen-Definitionen. Tooling und Einrichtung sind klar, fortgeschrittene MCP-Funktionen wie Sampling und Roots sind jedoch nicht dokumentiert.

Bewertung:
Ich würde diesem MCP-Server eine 6/10 geben. Er bietet solide Such- und Überwachungsfunktionen mit klaren Setup-Anweisungen, es fehlen jedoch explizite Unterstützung für fortgeschrittene MCP-Features sowie klare Prompt-/Ressourcen-Definitionen.

MCP-Score