MCPMIT
Apify MCP Server
把 Apify Store 的网页采集与自动化 Actor 接入 AI 助手，可用于搜索、提取和运行有明确输入输出的数据任务。
- 费用
- 服务器代码采用 MIT；Actor 运行、平台额度与支付方式单独计费，不代表所有采集免费。
- 平台
- 未标注
- 共同场景
- 网页自动化、研究与数据
- 差异
- 利用现成 Actor 完成特定网站任务；与从零编写浏览器操作脚本相比，重点是选择和配置 Actor。
Exa MCP 的替代品：8 个同类工具
把 Exa 网页搜索与内容读取接入 MCP 客户端，并提供可选的更复杂研究能力。适合把外部资料引入编码与研究任务。
按场景可替代的工具
MCPMIT
Tavily MCP
为 Agent 提供联网搜索与网页内容提取的 MCP 接口，支持远程连接及 OAuth 或 API Key 认证。
- 费用
- MCP 代码采用 MIT；Tavily 搜索服务有单独的额度与收费规则，连接器开源不代表后端无限免费。
- 平台
- 未标注
- 共同场景
- 网页自动化、研究与数据
- 差异
- 侧重面向 Agent 的搜索与提取接口；不应把搜索结果自动等同权威结论，也不是带登录态的浏览器自动化工具。
工具Apache-2.0
Jina Reader
把网页内容转换成便于 LLM 处理的文本，并提供搜索相关入口。
- 费用
- 代码采用 Apache-2.0；托管 API 的额度、速率和收费按官方说明核对。自托管分支与 SaaS 的存储层并不完全相同。
- 平台
- 未标注
- 共同场景
- 网页自动化、研究与数据
- 差异
- 侧重把页面变成易处理的输入，不是带登录态的浏览器操作工具。与 Firecrawl 相比，应按目标页面、输出结构和部署条件选择。
MCPApache-2.0
Playwright MCP
Microsoft 维护的浏览器 MCP 服务器，基于 Playwright 向 Agent 提供页面导航、元素操作和检查能力，适合网页流程验证与自动化。
- 费用
- 代码采用 Apache-2.0；运行浏览器的资源、AI 客户端和模型费用另计。
- 平台
- 未标注
- 共同场景
- 网页自动化
- 差异
- 更偏浏览器交互与页面流程；Chrome DevTools MCP 更侧重调试和性能分析，Agent Browser 提供 CLI 入口。
SkillMIT
Scientific Agent Skills
面向科研、文献、统计和科学写作的专业 Agent Skills。
- 费用
- MIT 开源，技能本体免费；技能里调用的数据源、模型与云服务按各家计费。
- 平台
- 未标注
- 共同场景
- 研究与数据
- 差异
- 以科研流程为中心组织技能（实验动作、数据库检索、学术幻灯片），比通用技能包更贴近论文与实验场景。
MCP仓库级许可未被 GitHub 识别（各 server 可能各有许可）
Fetch MCP
帮助 Agent 获取网页内容并转换成适合模型处理的格式。
- 费用
- 开源，本体免费；抓取目标站点的访问限制与第三方服务费用另计。
- 平台
- 未标注
- 共同场景
- 网页自动化
- 差异
- 官方参考实现里的「网页转可读内容」这一环，比让 Agent 自己写脚本更稳定，也比通用浏览器自动化更轻。
SkillMIT
AMD Skills
AMD 官方技能目录，为 Agent 补充 AMD 硬件和软件栈的使用指导，涵盖本地 AI、模型部署与相关工程流程。
- 费用
- 技能采用 MIT；模型权重、产品依赖与云资源费用另计。
- 平台
- 未标注
- 共同场景
- 研究与数据
- 差异
- 面向 AMD 生态的知识与步骤，不适合直接当作 NVIDIA 或其他硬件的通用部署脚本。
SkillApache-2.0
Elastic Agent Skills
Elastic 官方技能库，覆盖 Elasticsearch API、Kibana、可观测性与安全场景，为 Agent 提供贴近 Elastic 产品的操作知识。
- 费用
- 技能采用 Apache-2.0；Elastic 部署、产品功能许可与云服务收费各自核对。
- 平台
- 未标注
- 共同场景
- 研究与数据
- 差异
- 提供 Elastic 生态知识，不是独立日志平台；上游标注仍处于 Technical Preview。
怎么选
先看类型：Skill 是给编码 Agent 的指令与脚本，MCP 是给 Agent 接工具的服务端，工具本身则是可直接使用的产品。再看许可与费用——开源不等于免费托管，商业工具的先看免费额度与收费入口。最后看平台：CLI、IDE 插件、桌面应用的使用方式差别很大。
本站只做事实归纳，不评估哪一款「更好」；建议按上面的共同场景挑 2 个，各跑一个自己的真实任务再决定。