最新

大家好！我们是Wen和Tobias，我们正在构建Metorial（[https://metorial.com](https://metorial.com)），这是一个集成平台，利用MCP将AI代理与外部工具和数据连接起来。 问题：虽然MCP在本地运行良好（例如，Cursor或Claude Desktop），但服务器端的部署却非常麻烦。运行MCP服务器意味着需要管理Docker配置、每个用户的OAuth流程、扩展并发会话，以及从头构建可观察性。这些基础设施工作使得简单的集成变成了数周的设置时间。 Metorial自动处理所有这些问题。我们维护着一个开放的约600个MCP服务器的目录（包括GitHub、Slack、Google Drive、Salesforce、数据库等），您只需三次点击即可部署。您也可以自带MCP服务器或分叉现有的服务器。 对于OAuth，您只需提供客户端ID和密钥，我们将处理整个流程，包括令牌刷新。每个用户将自动获得一个配置有自己OAuth凭据的独立MCP服务器实例。 我们的不同之处在于，我们的无服务器运行时会将闲置的MCP服务器休眠，并在恢复时实现亚秒级的冷启动，同时保持状态和连接。我们的自定义MCP引擎能够管理数千个并发连接，为您提供可扩展的服务，并实现用户隔离。其他替代方案要么运行共享服务器（存在安全问题），要么为每个用户配置单独的虚拟机（成本高且扩展缓慢）。 我们的Python和TypeScript SDK让您可以通过单个函数调用将LLM连接到MCP工具，抽象掉协议的复杂性。但如果您想深入了解，可以直接使用标准MCP和我们的REST API（[https://metorial.com/api](https://metorial.com/api)）连接到我们的平台。 您可以选择自托管（[https://github.com/metorial/metorial](https://github.com/metorial/metorial)）或使用托管版本（[https://metorial.com](https://metorial.com)）。 到目前为止，我们看到企业团队使用Metorial作为Salesforce等工具的中央集成中心，而初创公司则利用它在构建集成的AI代理时节省数周的基础设施工作。 演示视频：[https://www.youtube.com/watch?v=07StSRNmJZ8](https://www.youtube.com/watch?v=07StSRNmJZ8) 我们的代码库：Metorial：[https://github.com/metorial/metorial](https://github.com/metorial/metorial)，MCP容器：[https://github.com/metorial/mcp-containers](https://github.com/metorial/mcp-containers) SDK：Node/TypeScript：[https://github.com/metorial/metorial-node](https://github.com/metorial/metorial-node)，Python：[https://github.com/metorial/metorial-python](https://github.com/metorial/metorial-python) 我们非常希望听到您的反馈，特别是如果您曾经处理过大规模部署MCP的经验！

在过去的四年里，我一直在跟踪 Visual Studio Code 市场中 AI 编码扩展的安装数量（如 GitHub Copilot、Claude Code、OpenAI Codex 等）。<p>今天，我构建了一个互动仪表板，让您可以查看这些扩展的每日安装数量变化。<p>默认情况下，图表显示的是 GitHub Copilot，您可以叠加或替换其他 20 多种工具进行比较。您还可以查看每个工具历史上的重要日期（如定价变更、重大版本发布等），以及这些日期周围每日安装数量的变化。<p>重要说明：<p>1) 该数据仅跟踪 VS Code 扩展的安装情况，不包括命令行工具的使用或其他 IDE（如 JetBrains）。<p>2) Cursor 没有被包含在内，因为它是一个独立的编辑器（VS Code 的分支），而不是市场扩展。我添加了第二个图表，显示 Cursor 讨论论坛的活动，以此作为其增长的代理指标。<p>显然这不是完全对等的比较，但我觉得有必要以某种方式衡量 Cursor 的增长。<p>3) 该数据跟踪的是每日安装数量，而不是总安装数量。否则图表会很无趣，始终向右上角延伸。<p>4) 这个仪表板也是使用 AI 编码助手编写的。我使用的是常规的 Claude :)