mcp-apache-spark-history-server vs filesystem
并排对比，帮你在这两个 MCP server 之间做选择。
mcp-apache-spark-history-server by kubeflow | filesystem by modelcontextprotocol | |
|---|---|---|
| Stars | ★ 170 | ★ 85,748 |
| 30天用量 | — | — |
| 综合分 | 50 | 77 |
| 官方 | — | ✓ |
| 分类 | 开发者工具可观测性AI / LLM 工具 | 本地文件系统开发者工具效率工具 |
| 实现语言 | Python | TypeScript |
| 最近提交 | 本月 | 本月 |
mcp-apache-spark-history-server · 概述
MCP 服务器将 AI 代理连接到 Apache Spark 历史服务器，用于作业分析和性能监控。
filesystem · 概述
功能丰富的文件系统操作 MCP 服务器，具有动态目录访问控制功能。
mcp-apache-spark-history-server · 使用场景
- AI 代理使用自然语言查询调查失败或缓慢的 Spark 应用程序
- 比较不同 Spark 作业运行的性能指标以识别回归问题
- 通过与 AI 代理集成自动化 Spark 作业监控和告警
filesystem · 使用场景
- 使 AI 模型能够读取和写入项目文件进行开发
- 允许 Claude 或其他 MCP 客户端浏览和分析代码库
- 为内容生成提供对特定目录的安全沙盒访问
mcp-apache-spark-history-server · 安装
使用 pip 安装：
pip install mcp-apache-spark-history-server
spark-mcp直接使用 uvx 运行（无需安装）：
uvx --from mcp-apache-spark-history-server spark-mcp通过 config.yaml 配置（支持多个服务器）：
servers:
local:
default: true
url: "http://your-spark-history-server:18080"
auth:
username: "user"
password: "pass"
mcp:
transports:
- streamable-http
port: "18888"Claude Desktop 配置：
{
"mcpServers": {
"spark": {
"command": "spark-mcp",
"args": []
}
}
}filesystem · 安装
安装
使用 NPX
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/path/to/allowed/directory"
]
}
}
}使用 Docker
{
"mcpServers": {
"filesystem": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"--mount", "type=bind,src=/path/to/allowed/dir,dst=/projects/allowed/dir",
"mcp/filesystem",
"/projects"
]
}
}
}VS Code 扩展
点击 README 中的安装按钮直接在 VS Code 中安装。