引言

MCP（Model Context Protocol） 是一个面向 AI 应用的开放协议，旨在规范 AI 模型与外部工具、数据源和智能体的交互方式。通过 MCP，AI 能够安全、高效地访问文件、数据库、API 等外部资源，从而极大地提升智能体的能力边界。

借助 MCP 协议的标准化能力，开发者们可以将有价值的MCP Server 开放出来，形成类似 App Store 的生态。当前，MCPHub、Smithery、Glama、mcp.so 等平台正积极推动 MCP Server 的共享与分发。本文将对这些代表性平台进行深入介绍，助力更多人理解并掌握 MCP 的应用与实践。

不同的平台在设计理念、功能支持和使用体验上各有侧重，适用于不同的用户和场景。那么，mcphub、Smithery 和 Glama 这三个平台有哪些相同与不同？它们各自擅长什么？面对实际需求时该如何选择？本文将从多个维度为大家带来一份详尽的对比分析。

在开始之前，先把这三个平台的官网地址提供给大家，建议收藏认准官网，避免使用非官方版本：

一、 基础功能对比总览

先说结论：在开箱即用和易用性上，mcphub 表现最佳；Smithery 在调试和可控性上更优；Glama 目前限制较多，对新手门槛偏高。

一、功能对比总览

项目 MCPHub Smithery Glama
MCP 使用方式 开箱即用，可以手动添加 需手动添加，显示添加状态 需手动添加，显示添加状态
多 MCP 调用 可同时调用多个 MCP 仅调用最靠前的一个 多调用常报错
Tool 调用显示 显示调用的 tool 显示调用流 & tool 显示调用的 tool
Key 管理 无需注册 key 需自己注册 key 需注册，GPT 要组织验证
AI 类型 多种 AI，免注册 仅 3 种 AI 多种 AI，但 GPT 有限制
Prompt & 参数 不能手动改 prompt/设置超时 可改 prompt，可设超时 可以自己设计agent：改prompt、选择模型，不能设超时
收费计划 500 免费额度，不限 MCP 未公开 免费计划仅能部署 3 个 MCP
聊天记录搜索 不支持 不支持 可搜索
传参与交互 仅能在提问时写参数 生成过程可 Approve/Decline 仅能在提问时写参数
界面体验 简洁直观 科技感强，交互半自动 交互慢，演示视频做得好

二、详细介绍

1. MCP 使用方式：开箱即用 vs 手动配置

目前，​MCPHub​、Smithery 和 Glama 三个平台都提供了基于 AI 聊天窗口的在线体验，允许用户直接体验 MCP 功能，但在使用流程上差异显著。

​MCPHub

在这里插入图片描述

进入mcphub的首页https://mcphub.com/，点击 Online Client 进入 AI 在线聊天界面。这里有两种使用方法：
1.​直接对话​：直接对ai进行提问，即无需 MCP，单纯和ai进行交互
在这里插入图片描述

2.​使用 MCP​：点击 ​Use MCP​，可以看到右侧侧边栏出现了搜索框和默认提供的mcp，此时对ai进行提问，ai就会自动调用相关的mcp工具来回答问题
在这里插入图片描述

​总结​：对新手极其友好，做到了真正的“零配置”，学习成本最低。

Smithery
在这里插入图片描述
进入Smithery的首页https://smithery.ai/，点击Playground 进入在线聊天界面。使用方式与 mcphub 类似，也分为两种：
1.​直接提问​：普通 AI 对话
2.​使用 MCP​：在其 “Playground” 中，用户需点击 “Add Server” 手动搜索并添加所需的 MCP，并勾选 auto 与 yolo 按钮。待 mcp 部署完成后，即可在AI对话中使用mcp。过程中，部分 MCP 如需 API Key 还需用户自行注册配置。
在这里插入图片描述

​总结​：需要用户手动添加 MCP，部分mcp配置需要用户自己注册key，流程相对复杂，更适合有一定技术背景、喜欢手动控制的用户。

Glama
在这里插入图片描述

进入Glama的首页https://glama.ai/mcp，点击 Playground 进入聊天界面。
同样有两种使用方式：
1.​直接提问​：普通 AI 对话
2.​使用 MCP​：使用方式与 Smithery 类似，需要用户在左侧栏点击 ​MCP Servers → Browser MCP Servers​，进入 MCP 库，手动搜索、部署 MCP 到账户。然后返回 Playground 页面，在对话框下方选择所需的 MCP Server，添加想要使用的mcp，最后输入问题即可使用。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

​总结​：Glama 同样需要用户手动添加 MCP，并且如果某些 MCP 需要 key，必须由用户自行注册才能部署到账户上。此外，免费账户最多只能添加​ 3​ 个 MCP。​使用门槛最高​，限制了用户的探索自由度。

​对比总结​：如果你希望立即开始体验而无需折腾，mcphub 是最优选择。

2.多 MCP 调用能力：并行处理 vs 单一调用

处理复杂任务时，同时调动多个工具能极大提升效率。

  • ​MCPHub​：支持对单一问题​同时调用多个 MCP Tool​，适合处理需要综合信息的复杂任务。
  • ​Smithery​：即使添加了多个 MCP，在实际调用时也​仅会触发最靠前的一个​，无法实现真正的并行调用。
  • ​Glama​：平台声称支持，但在实际测试中，同时调用多个 MCP** ​极易出现报错**​，稳定性不足。

MCPHub：在这里插入图片描述对比总结​：​mcphub 在多 MCP 协同工作上优势明显​，更适合高级工作流。

3.Tool 显示方式：简洁直观 vs 详细调试

工具调用过程的透明度影响用户的理解和信任。

  • ​MCPHub​：清晰显示​当前正在调用的 Tool 名称​，让用户快速了解执行过程，简洁直观。
  • ​Smithery​：不仅显示调用的 Tool，还会展示​**详细的调用流（Call Flow）**​，包括调用顺序和逻辑，并提供了prompt和超时信息的设置，非常适合开发者调试和分析。
  • ​Glama​：基础地显示被调用的 Tool，没有额外信息。

MCPHub：
在这里插入图片描述
Smithery：在这里插入图片描述
Glama：在这里插入图片描述

对比总结​：​普通用户可选 mcphub，开发者调试可选 Smithery​。

4. Key 管理与 AI 支持：无忧体验 vs 自主配置

账号和密钥管理是影响体验的关键环节。

  • ​MCPHub​：最大优势是​ 无需用户管理 Key​。平台集成多种 AI 模型和 MCP Server，用户注册后即可直接使用，提供了最无缝的体验。如果需要使用自己的key也可以传入。
  • ​Smithery​：支持多种 AI，但部分 MCP 需要用户​自行注册并提供 API Key​，增加了使用复杂度。
  • ​Glama​：限制最多，不仅需要用户自己准备 Key，在使用 GPT 等模型时还需通过OpenAI 组织验证​，门槛较高。

对比总结​：希望​省心省力选 mcphub​，拥有丰富 API Key 且喜欢控制的用户可考虑 ​Smithery。

Smithery部署mcp的时候配置key:
在这里插入图片描述
Glama部署mcp的时候配置key:

在这里插入图片描述

5. Prompt、参数与交互方式

  • ​MCPHub​：不支持手动修改 prompt，无法自定义超时设置，参数交互也较为局限：需要在提问的时候写清楚参数或者AI自动生成参数。
  • ​Smithery​：支持手动修改 prompt、设置超时，尤其在生成过程中允许用户对参数进行“批准/拒绝”（Approve/Decline），交互更细致，技术控制感强。
  • ​Glama​：支持修改 prompt，可以定制自己的agent：包括修改prompt、选择模型；但不支持设置超时时间，参数交互和mcphub一样仅限于提问阶段传入。

对比总结​：Smithery 在交互灵活性和控制深度上优势明显，适用于对mcp较为熟悉的开发者 ，Glama也具有一定的灵活性，mcphub 的操作逻辑最简单，灵活性较低。

6. 收费计划与限制

  • ​MCPHub​：提供​500 条免费额度​，且不限制可用的 MCP 数量，超出后按需购买，策略灵活。
  • ​Smithery​：目前免费​，尚未找到收费计划。
  • ​Glama​：免费计划限制较大，每个账户​最多只能部署 3 个 MCP​，严重限制了深度使用的可能性。

MCPHub：
在这里插入图片描述
Glama：
在这里插入图片描述

对比总结​：​Smithery完全免费​，mcphub 的免费政策​较为慷慨​，Glama最贵。

7. 聊天记录管理

  • ​MCPHub​：暂不支持聊天记录搜索功能。
  • ​Smithery​：暂不支持聊天记录搜索功能。
  • ​Glama​：支持对历史 AI 聊天记录进行搜索，便于回溯和整理对话内容。

对比总结​：​Glama 在对话管理和历史追溯方面表现更佳。

三、总结与选择建议

经过以上对比，我们可以为这三个平台画出清晰的用户画像：

  • ​选择 MCPHub​：如果你是​新手用户或希望快速构建原型的开发者​，追求开箱即用、无配置的爽快体验，MCPHub 是你的不二之选。它用最低的门槛让你充分感受 MCP 的强大。
  • ​选择 Smithery​：如果你是​开发者或研究员​，需要详细查看工具调用流程，喜欢手动控制每一个环节，甚至修改 Prompt，Smithery 提供的调试信息和控制权会更符合你的胃口。
  • ​选择 Glama​：如果你是​开发者或研究员且你所在的组织已经​具备 OpenAI 团队权限​，且愿意花时间学习（观看教程视频），并能接受一定的使用限制和报错，Glama 可以作为一个备选，因为Glama支持自定义模型和 Prompt，可以定制Agent。

总而言之，三者并无绝对优劣之分，只有是否适合之别。mcphub 在易用性和用户体验上做出了表率，降低了 MCP 的体验门槛；Smithery 为技术用户提供了更深度的控制；Glama 则仍在成长中。希望这篇对比能帮助你找到最适合自己的 MCP 平台！

看完有收获的话，就点个赞、收藏支持一下吧！

# 人工智能 # 语言模型
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

LLM支持的AI Agent对话状态跟踪

随着人工智能技术的飞速发展，基于大语言模型（LLM）的AI Agent在对话系统中的应用越来越广泛。对话状态跟踪作为对话系统中的关键环节，其目的在于让AI Agent能够准确记录和理解对话的上下文信息，从而根据当前对话状态做出合理的回应。本文的范围涵盖了LLM支持的AI Agent对话状态跟踪的核心概念、算法原理、数学模型、项目实战、实际应用场景以及未来发展趋势等方面，旨在为读者提供一个全面而深入

avatar 2048 AI社区

提示工程架构师必备：领域驱动设计（DDD）落地实战指南，从理论到代码全流程！

在当今的软件开发领域，随着业务的不断发展和变化，软件系统变得越来越复杂。传统的开发方式往往注重数据和技术，而忽略了业务领域的本质。这就导致了软件系统与业务需求之间的脱节，代码难以理解和维护，开发效率低下。领域驱动设计（Domain - Driven Design，简称 DDD）正是为了解决这些问题而诞生的。它强调以业务领域为核心，通过深入理解业务领域的知识和规则，将业务概念和逻辑映射到软件系统中，

avatar 2048 AI社区
cover

覆盖天体物理/地球科学/流变学/声学等19种场景，Polymathic AI构建1.3B模型实现精确连续介质仿真

avatar 2048 AI社区