朋友们好，我收集了Github上热度最高的数百个AI领域的开源项目，按照开发者的视角做了分类，一共包含28个分类，分类列表如下图所示。

如果你对AI感兴趣或者正在从事AI相关的工作，可以关注我。

今天要分享的是，MCP/FunctionCall分类下的优质开源项目，这是该分类下的第1期。

01

awesome-mcp-servers

优秀的MCP Server合集。

447位贡献者，上千个MCP Server。

官方介绍

A collection of MCP servers.

一组MCP服务器。

项目截图

项目地址

https://github.com/punkpeye/awesome-mcp-servers

个人解读

MCP现在非常火，已经成为在模型调用方法领域的事实标准。

MCP的内容其实很简单，但是时代成就了它。

工具调用是大模型能力增强的一个非常重要的形式，是大模型在模仿人类处理事务的重要一步。

还有一个在线网站，https://mcp.so，也收集了上千个MCP Server。

还有一个类似的网站https://mcpmarket.cn/

02

browser-use

这是一个面向开发者的浏览器自动化库。

它提供了一套简洁而强大的接口，用于通过代码控制浏览器行为，

支持实现网页自动化测试、数据抓取和各种浏览器交互任务。

官方介绍

Make websites accessible for AI agents

让网站对人工智能代理可访问

核心特性

• 浏览器自动化: 通过代码精确模拟用户与浏览器的交互操作。
• Web 测试: 便于构建和执行自动化的网页端到端测试。
• 数据采集: 高效稳定地从网页中提取结构化或非结构化数据。
• 简洁接口: 提供对开发者友好的编程接口，易于上手和使用。

项目截图

项目地址

https://github.com/browser-use/browser-use

个人解读

让智能体使用浏览器是智能体增强的一大飞跃。

这个项目能够把人类使用浏览器的各种操作给封装成方法，供大模型调用。

让大模型能够模仿人一样的去工作。操作浏览器是非常核心的一个能力。

该项目可广泛应用于需要与网页交互的场景。例如自动化回归测试、竞品价格监控、网络信息聚合、以及自动完成在线表单填写或报告生成等重复性任务。

03

meilisearch

Meilisearch 是一款专为开发者打造的开源搜索引擎。支持MCP调用！

它致力于提供闪电般快速、高度相关的搜索体验，且部署和集成异常简单。

通过其直观的 RESTful API，您可以轻松地为您的应用程序或网站添加强大的即时搜索功能。

官方介绍

A lightning-fast search engine API bringing AI-powered hybrid search to your sites and applications.

一款极速搜索引擎应用程序编程接口（API），为你的网站和应用程序带来由人工智能驱动的混合搜索功能。

核心特性

• **极速搜索：**基于 Rust 构建，提供毫秒级的搜索响应，确保流畅的用户交互。
• **易于集成：**安装部署过程简单，提供清晰的 API 文档，开发者上手快。
• **智能容错：**内建拼写错误容忍机制，即使输入错误也能找到相关结果。
• **高度相关：**采用精心设计的排序算法，优先展示最匹配用户意图的结果。
• **开箱即用：**提供优化的默认配置，无需复杂调优即可获得良好搜索效果。
• MCP支持：支持使用MCP调用，官方提供MCP Server。

项目截图

项目地址

https://github.com/meilisearch/meilisearch

个人解读

Meilisearch 非常适合需要快速、即时搜索反馈的应用场景。

例如，在电子商务平台用于商品实时搜索、在文档或知识库中用于快速查找信息、或是在应用程序内部提供数据检索功能。

任何需要提升用户查找效率、优化搜索体验的系统，都可以考虑集成 Meilisearch 来增强其核心竞争力。

最重要的是支持MCP，能在大模型中使用它。

04

anything-llm

一款支持MCP Server的Chatbot。同时内置RAG，支持知识库，无代码构建Agent。

AnythingLLM 是一个开源、可私有化部署的全能型大语言模型应用平台。

它让开发者能轻松整合各种商业或本地 LLM 及向量数据库，构建基于自有文档的安全、智能的问答与工作流应用。项目提供友好的用户界面和清晰的 API，支持多用户、权限管理和精细化的工作空间设置。

官方介绍

The all-in-one Desktop & Docker AI application with built-in RAG, AI agents, No-code agent builder, MCP compatibility, and more.

一款集桌面应用与 Docker 功能于一体的人工智能应用程序，内置检索增强生成（RAG）、人工智能代理、无代码代理构建器，支持MCP，还有更多强大功能。

核心特性

• 私有化优先: 数据与模型完全自主可控，确保敏感信息的绝对安全与合规。
• 模型兼容性: 无缝对接 OpenAI、本地 Ollama 模型等，提供灵活的成本与性能选择。
• 支持MCP: 通过对接MCP Server，实现能力增强。

项目截图

项目地址

https://github.com/Mintplex-Labs/anything-llm

个人解读

现在支持MCP的客户端越来越多，如果想要私有化和定制化MCP客户端的，可以尝试下这个项目。

另外，并不是所有客户端都能支持MCP协议中的全部特性，只有Claude支持的最好，下面是常见MCP客户端及支持MCP特性一览表：

05

firecrawl

它的核心功能是：帮你轻松抓取任何公开的网站内容。

无论网页多复杂，它都能提取出关键信息，并将其转换为干净、结构化的格式，比如 Markdown。

官方介绍

🔥 Turn entire websites into LLM-ready markdown or structured data. Scrape, crawl and extract with a single API.

🔥 将整个网站转换为适合大语言模型（LLM）的 Markdown 格式或结构化数据。通过单一 API 实现网页抓取、爬取和数据提取。

核心特性

• 网页抓取 (Web Crawling)：能深入抓取单个页面或整个网站，并处理 JavaScript 渲染的动态内容。
• 数据转换 (Data Conversion)：将原始、混乱的 HTML 网页，智能转换为简洁、干净的 Markdown 或结构化数据。
• LLM 优化 (LLM-Optimized)：输出的数据格式特别适合直接用于大型语言模型，如 RAG (检索增强生成) 应用。
• 易于使用 (Easy to Use)：提供简单的 API 接口，开发者可以快速集成到自己的代码或工作流中。

项目截图

项目地址

https://github.com/mendableai/firecrawl

个人解读

Firecrawl 极大地简化了从网络获取信息并将其喂给 AI 模型的过程。

它降低了技术门槛，让开发者能更专注于 AI 应用本身的逻辑，而不是繁琐的数据抓取和清洗工作，对于快速迭代 AI 产品非常有价值。

Firecrawl 的应用场景很广泛。最核心的是为 RAG 系统（检索增强生成），或 AI 聊天机器人、AI 智能体， 提供干净、实时的网页数据来源。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！