What is Smithery?
建構複雜的 AI 代理程式通常需要將它們連接到各種外部工具和資料來源。管理這些整合可能會迅速變得複雜,需要為每個連接編寫自訂程式碼,並導致系統變得零散且難以維護。Smithery 提供了一個專用的平台,可以為使用代理式 AI 的開發人員簡化此流程。我們提供一個中央註冊表和託管解決方案,專門用於代理式服務——這些伺服器旨在透過模型上下文協定(Model Context Protocol,MCP)與語言模型代理程式無縫通訊。我們的目標是透過使這些基本服務更容易被發現、標準化和部署,來加速代理式 AI 的開發。
主要功能
🔍 探索代理式服務: 透過我們的集中式註冊表,為您的 AI 應用程式尋找合適的 MCP 伺服器。您可以瀏覽平台,或使用 Registry API (
GET /servers) 以程式方式進行搜尋,利用語意搜尋和特定篩選條件(例如owner:、repo:、is:deployed)來精確定位您需要的服務。每個列表都提供詳細資訊,例如說明、端點和使用指標。🚀 部署和託管您的 MCP 伺服器: 輕鬆與社群分享您自己的代理式服務。Smithery 允許您部署標準輸入/輸出(STDIO)MCP 伺服器,並透過 WebSocket 連線託管它們。這提供了許多好處,例如自動產生用於使用者測試的遊樂場、提高在搜尋結果中的可見度,以及簡化使用者存取,無需進行本機安裝。部署在無伺服器環境中執行。
🧩 與 MCP 無縫整合: 利用模型上下文協定(Model Context Protocol,MCP),這是一個用於將 LLM 與外部工具和資料連接的開放標準。透過使用 Smithery 上列出的 MCP 伺服器,您無需為每個資料來源或工具編寫自訂整合程式碼。這種標準化的方法簡化了智慧 IDE、聊天介面和自訂 AI 工作流程等代理程式的建構和維護。
⚙️ 標準化配置和連接: 透過一致的介面與不同的 MCP 伺服器互動。Smithery 利用伺服器作者提供的 JSON 結構描述 (
configSchema) 來定義連接所需的配置。無論是透過 WebSocket (wss://server.smithery.ai/${qualifiedName}/ws?config=${base64encode(config)}) 還是其他方法進行連接,您都會事先了解所需的參數。
使用案例
使用即時資料增強 AI 助理: 您正在開發一個需要存取目前天氣資訊的 AI 助理。與其建構自訂 API 封裝器,不如使用 API (
GET /servers?q=weather) 在 Smithery 註冊表中搜尋提供天氣資料的 MCP 伺服器。您檢索其詳細資訊 (GET /servers/{qualifiedName}),記下其所需的配置結構描述,並使用 MCP 客戶端函式庫將其整合到您的代理程式中,透過提供的 WebSocket URL 進行連接。分享自訂內部工具: 您的團隊建構了一個內部服務,允許 LLM 代理程式透過 MCP 介面查詢您公司的文件資料庫。為了使公司內的其他開發人員和代理程式可以存取它,您將伺服器新增到 Smithery 並使用 Deployments 功能。Smithery 託管伺服器,提供穩定的 WebSocket 端點,並使其可透過註冊表發現,從而簡化了它在不同專案中的採用。
建構多工具代理程式工作流程: 您正在建構一個需要提取學術論文、摘要網頁內容和管理引用的研究代理程式。您使用 Smithery 來探索專門用於每個任務的單獨 MCP 伺服器(例如,arXiv 搜尋伺服器、網頁抓取/摘要伺服器、Zotero/書目伺服器)。由於它們都遵循 MCP 標準,因此將這些不同的工具整合到您的代理程式中,比處理不同的 API 更加容易管理。
結論
Smithery 是使用代理式 AI 進行建構的開發人員的基本樞紐。透過提供一個集中式註冊表來發現 MCP 伺服器,並提供簡化的部署和託管,我們簡化了將您的 LLM 代理程式連接到它們所需的工具和資料的流程。透過 Smithery 採用模型上下文協定意味著減少花費在樣板整合程式碼上的時間,而將更多時間集中在建構智慧、有能力的 AI 應用程式上。探索註冊表以尋找現有服務,或部署您自己的服務並為不斷增長的生態系統做出貢獻。





