mcp（Model Context Protocol）
MCP（Model Context Protocol，模型上下文协议）是一种用于连接大语言模型与外部工具、数据源和服务的开放协议，使 AI Agent 可以通过标准化接口访问和调用各种系统能力。 https://hub.docker.com/u/mcp
特色镜像推荐
Desktop Commander（mcp/desktop-commander）
Docker Hub 描述为“Search, update, manage files and run terminal commands with AI”。适合让 AI Agent 在受控环境中执行文件与终端相关自动化流程。
SonarQube MCP Server（mcp/sonarqube）
用于与 SonarQube Cloud/Server/Community 的 Web API 交互，支持代码分析与质量问题识别，适合接入 CI 质量门禁流程。
AWS Core MCP Server（mcp/aws-core-mcp-server）
Docker Hub 页面将其标注为 awslabs MCP 系列的起点镜像，可作为接入 AWS 相关 MCP 能力的基础入口。
Mapbox MCP Server（mcp/mapbox）
提供 Mapbox API 的 MCP 接入能力，面向地理编码、POI 与路线等地理空间任务，适合需要位置智能的 Agent 场景。
mcp（Model Context Protocol）集合
推荐技术栈
本地与开发者工具
代码质量与测试
AWS 服务能力
行业 API 与业务集成
典型使用场景
构建可扩展的 Agent 工具链
基于 mcp 命名空间按能力模块选择 MCP Server，让 Agent 通过统一协议对接本地工具、SaaS API 与云服务。
代码质量与测试自动化
将 SonarQube 与 Testkube 相关 MCP Server 集成到研发流程中，让 Agent 参与质量扫描、测试编排与结果回传。
云平台运维与成本治理
通过 AWS 系列 MCP Server 连接 CloudWatch、IAM、DynamoDB、Cost Explorer 等服务，支持运维与成本分析自动化。
常见问题 (FAQ)
Q1:mcp 命名空间和普通应用镜像仓库有什么区别？
mcp 命名空间的核心定位是为 AI Agent 提供 MCP Server 能力，而不是传统单体应用发布仓库。其镜像通常围绕“让 Agent 通过 MCP 调用外部系统”来设计，适合工具接入与自动化流程编排。
Q2:Docker Hub 上 mcp 的可信度如何判断？
在你提供的 Docker Hub 页面中，mcp 组织显示为 Verified Publisher。实践中仍建议结合仓库说明、镜像标签策略与签名/供应链策略（例如 mcp/signatures 仓库）做二次校验，再用于生产环境。
Q3:初次接入 mcp 时，应该先选哪些镜像验证？
建议先从目标最明确的场景切入：本地自动化可先试 mcp/desktop-commander；代码质量可先试 mcp/sonarqube；云上能力可先从 mcp/aws-core-mcp-server 起步，再按需求增补 CloudWatch、IAM、DynamoDB 等专用镜像。
Q4:mcp 命名空间里既有 image 也有 artifact，使用上有什么差异？
Docker Hub 列表里可见 image 与 artifact 两类条目。image 可直接按容器镜像方式拉取运行；artifact 主要用于分发目录/元数据等制品（例如 catalog 类内容），通常用于索引、集成或供应链流程，不等同于可直接运行的服务容器。
Q5:如何在生产中更稳妥地使用这些 MCP Server？
通用做法是：固定镜像 tag 而非仅用 latest、在测试环境先做权限与接口回归、为关键服务配置最小权限访问、结合日志与告警监控调用链，并将关键镜像纳入内部镜像仓库与版本审计流程。