5 個 MCP 伺服器
5 個 LobeHub MCP 伺服器，幫 agent 更快完成瀏覽、研究、寫程式、抓取與查詢資料庫。
這篇整理 5 個 LobeHub 的 MCP 伺服器，幫你判斷 agent 該用哪個工具來瀏覽、研究、寫程式、抓取資料或查資料庫。
LobeHub 的 MCP marketplace 列出 63,941 個伺服器，這 5 個最適合拿來做真正的工作，而不是只聊天。
| 項目 | 主要用途 | 重點需求 |
|---|---|---|
| Playwright MCP | 瀏覽器自動化 | 控制瀏覽器、截圖、上傳檔案 |
| Context7 MCP | 程式文件 | Node.js v18+ |
| Tavily MCP | 搜尋與研究 | 搜尋、擷取、爬取、地圖化 |
| Firecrawl MCP Server | 網頁抓取 | API key、雲端或自架 |
| MCP Toolbox for Databases | 資料庫存取 | tools.yaml 自訂工具 |
1. Playwright MCP
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Playwright MCP 適合 agent 需要直接操作真實瀏覽器的情境。它可以開頁、切換、調整視窗、關閉分頁、填表、點擊、懸停、拖放、上傳檔案，還能執行 JavaScript 與檢查網路流量。
這讓它很適合 QA、表單測試，或任何需要看見畫面狀態的任務。它也能抓截圖與 accessibility snapshot，讓 agent 拿到比純 HTML 更多的上下文。
- 瀏覽器控制：開頁、導覽、調整大小、關閉分頁
- 互動操作：輸入、點擊、懸停、鍵盤操作
- 檢查能力：network requests、console messages、page events
- 擷取能力：screenshots、accessibility snapshots
2. Context7 MCP
Context7 MCP 適合想在提示詞裡直接拿到最新文件的開發者。市場描述指出，它提供即時更新的文件與程式碼範例，能減少 API 變動帶來的猜測。
對 JavaScript、Python 和各種快速變動的框架特別實用。與其依賴過期範例，不如先把正確版本的上下文拉進來，再讓 agent 寫程式。
- 適合：函式庫文件與程式碼片段
- 用途：prompt-time 參考資料
- 需求：Node.js v18.0.0 以上
3. Tavily MCP
Tavily MCP 是偏研究導向的伺服器，結合搜尋、擷取、爬取與網站地圖功能。它主打即時網頁搜尋與內容擷取，並可輸出 markdown 或純文字，適合快速收集新資訊。
它也能從起始 URL 開始爬取，並整理站點結構，讓 agent 從單一頁面擴展到更完整的來源集合。做競品研究、題材蒐集、寫作前的資料盤點都很順手。
- 搜尋：即時網頁查詢
- 擷取：從 URL 取回 markdown 或 text
- 爬取：可調整深度的起始 URL 探索
- 地圖化：列出 base site 底下的 URL
4. Firecrawl MCP Server
Firecrawl MCP Server 適合需要結構化輸出的抓取流程。市場資訊提到它支援雲端與自架部署，也支援批次處理、結構化資料擷取與 LLM 輔助內容分析。
如果團隊已經在用 Firecrawl，這個 server 很容易接進既有流程。當你的目標是把雜亂網頁變成 agent 能直接使用的資料，它會比手動清理省事得多。
- 網頁抓取：單頁與批次流程
- 擷取：結構化資料輸出
- 部署：cloud 或 self-hosted
- 設定：FIRECRAWL_API_KEY、可選 FIRECRAWL_API_URL
5. MCP Toolbox for Databases
MCP Toolbox for Databases 是 agent 需要直接連資料庫時最強的選擇。摘要寫明它能把 AI agents、IDE 與應用程式直接連到企業資料庫，並提供預建通用工具與自訂工具框架。
這對內部系統、管理助理、資料庫感知型 coding agent 很有用。它也提到可用 tools.yaml 設定自訂工具，並透過環境變數管理資料庫連線。
tools.yaml
# custom tools framework example
connections:
- database: enterprise_db
env: DB_CONNECTION_STRING怎麼挑
如果你要的是瀏覽器操作員，選 Playwright MCP。若你在寫程式時最在意最新函式庫文件，Context7 MCP 會更合適。做研究與網頁探索時，Tavily MCP 最直接；如果你要的是結構化抓取與批次處理，Firecrawl MCP Server 更對路。
面向內部系統時，MCP Toolbox for Databases 最精準，因為它直接連企業資料庫。若你的 agent 同時要蒐集來源、再進系統處理，實務上可以先用 Tavily 或 Firecrawl 收集，再交給 MCP Toolbox 做資料庫工作。