MCPCorpus：用于模型上下文协议生态系统和安全分析的大规模可进化数据集
MCP语料库 是一个用于分析模型上下文协议（MCP）生态系统的综合数据集，包含约14K MCP服务器和300个MCP客户端，具有20多个规范化元数据属性。
📊 数据集概述
- 规模：约14K MCP服务器+300 MCP客户端
- 属性：每个工件20多个标准化元数据
- 来源：GitHub、社区中心、包管理器
- 应用程序生态系统分析、安全研究、互操作性研究
📁 结构
MCPCorpus/
├── Crawler/ # Data collection tools
│ ├── Servers/ # Server data
│ ├── Clients/ # Client data
│ ├── github_info_collector.py # GitHub metadata collector
| ├── data_cleaner.py # Data normalization
│ └── tool_extractor.py # mcp tool extract
└── Website/ # Web search interface
├── server.py # Local web server
└── index.html # Search interface
└── mcpso_servers_cleaned.json
└── mcpso_clients_cleaned.json🚀 快速开始
探索数据集
cd Website
python server.py
# Open http://localhost:8000以编程方式访问数据
import json
import pandas as pd
# Load datasets
with open('Crawler/Servers/mcpso_servers_cleaned.json', 'r') as f:
servers = json.load(f)
with open('Crawler/Clients/mcpso_clients_cleaned.json', 'r') as f:
clients = json.load(f)
# Convert to DataFrame
servers_df = pd.DataFrame(servers)
clients_df = pd.DataFrame(clients)更新数据集（可选）
# Collect new data
cd Crawler/Servers && python Server_request.py
cd ../Clients && python Client_request.py
# Add GitHub metadata
cd .. && python github_info_collector.py --token YOUR_GITHUB_TOKEN📚 引用
如果您在研究中使用MCPCorpus，请将其引用为：
@misc{lin2025largescaleevolvabledatasetmodel,
title={A Large-Scale Evolvable Dataset for Model Context Protocol Ecosystem and Security Analysis},
author={Zhiwei Lin and Bonan Ruan and Jiahao Liu and Weibo Zhao},
year={2025},
eprint={2506.23474},
archivePrefix={arXiv},
primaryClass={cs.CR},
url={https://arxiv.org/abs/2506.23474},
}