Bienvenue dans l'Initiative Open Data de Vinkius.

Nous ouvrons l'accès au catalogue Model Context Protocol (MCP) de Vinkius. Documentation automatiquement mise à jour pour 7 588 Connectors uniques.

Demandez à l’IA à propos de l’Initiative Open Data

Disponible sur

GitHubgithub.comHugging Facehuggingface.coKagglekaggle.comModelScopemodelscope.ai

Pourquoi c'est important

Ce corpus hautement structuré est conçu pour les chercheurs en IA, les data scientists et les développeurs de modèles de langage. Personne d'autre n'a compilé, structuré et publié l'écosystème des Connectors en tant que jeu de données ouvert à part entière. Nous sommes les premiers à traiter les métadonnées MCP pour ce qu'elles sont : des données d'infrastructure critiques qui appartiennent au domaine public.

0

Connectors

Entièrement documentés : le plus grand jeu de données MCP structuré jamais publié

4

Plateformes Globales

GitHub · Hugging Face · Kaggle · ModelScope, simultanément

12h

Synchronisation Auto

Rafraîchi toutes les 12 heures par des pipelines autonomes

CC0

Domaine Public

Utilisez, modifiez, redistribuez sans restriction, avec zéro limitation

Distribution mondiale

Un jeu de données.Quatre continents.

Nous avons mis en miroir l'ensemble du registre avec des intégrations natives sur les quatre plateformes où les chercheurs, data scientists et ingénieurs IA du monde travaillent réellement.

01

Kaggle

Notebooks

Exécutez des notebooks directement sur les données. Kernels Kaggle, instantanés versionnés, discussions communautaires et intégration instantanée avec les pipelines ML. Le jeu de données est prêt à l'analyse dès que vous l'ouvrez.

Utilisé par les data scientists étudiant les schémas d'adoption du MCP et construisant des systèmes de recommandation pour la sélection d'outils IA.

Ouvrir le jeu de données
02

Hugging Face

Streaming

Jeu de données compatible avec le streaming sur le Hub. Chargez-le en une seule ligne de Python avec la bibliothèque datasets. Prévisualisez-le dans le visualiseur de données. Intégrez-le directement avec transformers et les pipelines de fine-tuning.

Idéal pour entraîner des LLMs à comprendre et recommander des Connectors, la base de la découverte autonome d'outils.

Ouvrir le jeu de données
03

GitHub

Source

La source de vérité. Clonez, forkez ou contribuez. Documentation complète, définitions de schémas, scripts d'automatisation et pipelines CI/CD qui maintiennent les miroirs en aval synchronisés.

Infrastructure open source, auditez le pipeline, proposez des ajouts ou construisez votre propre miroir. Le système entier est transparent.

Ouvrir le jeu de données
04

ModelScope

Miroir

Miroir à parité complète pour l'écosystème des développeurs chinois. Intégration native avec Alibaba Cloud, PAI et le hub de modèles ModelScope, apportant les AI Connections à plus de 10 millions de développeurs en Chine.

Le seul jeu de données MCP structuré accessible derrière le Grand Firewall, reliant deux écosystèmes.

Ouvrir le jeu de données

Référence du schéma

13 colonnes.Un CSV. Prêt à interroger.

Chaque ligne capture le profil complet d'un Connector, des métadonnées et de l'inventaire d'outils aux notes de qualité attribuées par le Vinkius Debugger. Encodé en UTF-8, ~3 Mo, mis à jour toutes les 12 heures.

10 string1 integer1 float1 datetime
vinkius_mcp_servers.csvUTF-8CC0 1.0
vinkius_mcp_servers.csvMis à jour toutes les 12 heures
string

slug

Identifiant unique du serveur

string

title

Nom d'affichage du serveur

string

category

Classification principale (ex., Développement, Analyse de Données, Communication)

string

tags

Mots-clés descriptifs séparés par des virgules

string

short_description

Résumé des capacités en une ligne

string

description

Détails complets des capacités et intégrations

integer

tools_count

Nombre d'outils exposés par ce serveur

string

tool_names

Liste de noms d'outils séparés par des virgules

string

prompt_examples

Exemples de prompts d'utilisation réels conçus pour ce serveur

string

debugger_grade

Note de qualité automatisée (A+ à F)

float

debugger_score

Score numérique de fiabilité attribué par le Vinkius Debugger

datetime

created_at

Horodatage de création de la fiche

string

url

Lien direct vers la page du serveur (vinkius.com/ai-agent-connect/{slug})

Applications de recherche et formation

Pour la recherche en IA,le développement de produits et l'intelligence marché.

Quand l'ensemble de l'écosystème MCP est structuré, consultable et ouvert, les chercheurs, constructeurs et agents autonomes peuvent travailler avec des données réelles plutôt que des approximations.

Fine-Tuning de LLM

Schémas du monde réel pour entraîner des modèles sur les appels de fonctions avancés et l'utilisation d'outils. Utilisez tool_names et prompt_examples comme corpus structuré pour enseigner aux LLMs comment sélectionner et invoquer des Connectors.

Intelligence Écosystémique

Cartographiez la trajectoire de croissance des catégories de Connectors au fil du temps. Identifiez quels types d'outils (base de données, API, système de fichiers, communication) se développent le plus rapidement. Suivez les nouvelles inscriptions de serveurs comme indicateur de l'adoption de l'écosystème.

RAG & Fine-Tuning

Alimentez les systèmes de génération augmentée par récupération avec le registre. Entraînez un LLM qui comprend les serveurs disponibles, leurs outils et comment recommander la bonne intégration pour n'importe quelle tâche.

Analyse de Qualité et Fiabilité

Explorez la distribution de debugger_grade et debugger_score pour identifier les schémas dans les serveurs de haute qualité vs. mal entretenus. Corrélez tools_count avec les scores de fiabilité pour mesurer les compromis complexité vs. stabilité.

Machine Learning

Classification multi-labels, prédiction de catégorie ou tags à partir de descriptions en utilisant des modèles NLP. Systèmes de recommandation, construisez des recommandeurs d'outils basés sur la similarité des tags ou la distance d'embeddings. Détection d'anomalies, signalez les serveurs avec des schémas de scores anormaux.

Frameworks Agentiques

Métadonnées opérationnelles pour étudier l'orchestration multi-agents et l'interconnexion de systèmes. Analysez comment les plateformes logicielles externes sont mappées aux interfaces en langage naturel à travers 7 588 implémentations réelles.

Invitation ouverte

Nous avons ouvert le catalogue.Maintenant il est à vous.

CC0 1.0 Domaine Public. Utilisez, modifiez et distribuez sans restriction, à des fins commerciales ou non commerciales. La citation est appréciée mais pas obligatoire.

Cloner le DépôtOuvrir sur KaggleOuvrir sur Hugging Face

Citation

@dataset{vinkius_mcp_registry,
  title   = {Vinkius MCP Registry, Global Model Context Protocol Dataset},
  author  = {{Vinkius}},
  year    = {{2026}},
  url     = {https://www.kaggle.com/datasets/renato2marinho/vinkius-mcp-registry},
  note    = {Mis à jour toutes les 12 heures. 7 588 Connectors indexés.}
}
Mis à jour toutes les 12 heuresCC0 1.0, Domaine Public7 588 serveurs