What is Smithery?
构建复杂的 AI 代理通常涉及将它们连接到各种外部工具和数据源。 管理这些集成很快就会变得复杂,需要为每个连接编写自定义代码,并导致系统碎片化且难以维护。 Smithery 为使用代理式 AI 的开发人员提供了一个专用平台,以简化此流程。 我们提供了一个集中的注册中心和托管解决方案,专门用于代理式服务 —— 这些服务器旨在使用 Model Context Protocol (MCP) 与语言模型代理无缝通信。 我们的目标是通过使这些基本服务可被发现、标准化和易于部署,来加速代理式 AI 的开发。
主要特性
🔍 发现代理式服务: 通过我们的集中式注册中心,为您的 AI 应用程序找到合适的 MCP 服务器。 您可以浏览平台或使用 Registry API (
GET /servers) 以编程方式搜索,利用语义搜索和特定过滤器(例如owner:、repo:、is:deployed)来精确定位您需要的服务。 每个列表都提供详细信息,例如描述、端点和使用指标。🚀 部署和托管您的 MCP 服务器: 轻松与社区分享您自己的代理式服务。 Smithery 允许您部署标准输入/输出 (STDIO) MCP 服务器,并通过 WebSocket 连接托管它们。 这提供了诸如自动生成用于用户测试的 Playground、提高在搜索结果中的可见性以及简化用户访问(无需本地安装)等好处。 部署在无服务器环境中运行。
🧩 与 MCP 无缝集成: 利用 Model Context Protocol (MCP),这是一种将 LLM 与外部工具和数据连接的开放标准。 通过使用 Smithery 上列出的 MCP 服务器,您无需为每个数据源或工具编写自定义集成代码。 这种标准化方法简化了构建和维护诸如智能 IDE、聊天界面和自定义 AI 工作流程等代理的过程。
⚙️ 标准化配置和连接: 通过一致的界面与各种 MCP 服务器进行交互。 Smithery 利用服务器作者提供的 JSON 模式 (
configSchema) 来定义连接所需的配置。 无论是通过 WebSocket (wss://server.smithery.ai/${qualifiedName}/ws?config=${base64encode(config)}) 还是其他方法连接,您都将预先了解所需的参数。
使用案例
使用实时数据增强 AI 助手: 您正在开发一个需要访问当前天气信息的 AI 助手。 您无需构建自定义 API 包装器,而是使用 API (
GET /servers?q=weather) 在 Smithery 注册中心中搜索提供天气数据的 MCP 服务器。 您检索其详细信息 (GET /servers/{qualifiedName}),记下其所需的配置模式,并使用 MCP 客户端库将其集成到您的代理中,并通过提供的 WebSocket URL 进行连接。共享自定义内部工具: 您的团队构建了一个内部服务,允许 LLM 代理通过 MCP 接口查询您公司的文档数据库。 为了使公司内的其他开发人员和代理可以访问它,您将服务器添加到 Smithery 并使用 Deployments 功能。 Smithery 托管服务器,提供稳定的 WebSocket 端点,并通过注册中心使其可被发现,从而简化了其在不同项目中的采用。
构建多工具代理工作流程: 您正在构建一个需要获取学术论文、总结 Web 内容和管理引用的研究代理。 您使用 Smithery 来发现专门执行每项任务的单独的 MCP 服务器(例如,arXiv 搜索服务器、Web 抓取/摘要服务器、Zotero/书目服务器)。 因为它们都遵守 MCP 标准,所以将这些不同的工具集成到您的代理中比处理不同的 API 更加容易。
结论
Smithery 充当使用代理式 AI 进行构建的开发人员的重要枢纽。 通过提供用于发现 MCP 服务器的集中式注册中心,并提供简化的部署和托管,我们简化了将您的 LLM 代理连接到他们需要的工具和数据的过程。 通过 Smithery 采用 Model Context Protocol 意味着减少了花在样板集成代码上的时间,而将更多时间集中在构建智能、有能力的 AI 应用程序上。 浏览注册中心以查找现有服务,或部署您自己的服务并为不断增长的生态系统做出贡献。





