MCPCorpusは、モデルコンテキストプロトコル(MCP)エコシステムを分析するための包括的なデータセットで、~14K MCPサーバーと20以上の正規メタデータ属性を持つ300 MCPクライアントが含まれています。

データセットの概要

-Scale:〜14K MCPサーバー+ 300 MCPクライアント

• 属性:アーティファクトあたり20以上の正規メタデータ
• Sources: GitHub、コミュニティハブ、パッケージマネージャ -アプリケーション:エコシステム分析、セキュリティ調査、相互運用性調査

📁構造

すぐにスタート

データセットの探索

##アクセスデータプログラム

更新データセット(オプション)

ビザ

あなたの研究でMCPCorpusを使用する場合は、次のようにしてください

MCPCorpus: A Large-Scale Evolvable Dataset for Model Context Protocol Ecosystem and Security Analysis

MCPCorpus is a comprehensive dataset for analyzing the Model Context Protocol (MCP) ecosystem, containing ~14K MCP servers and 300 MCP clients with 20+ normalized metadata attributes.

📊 Dataset Overview

• Scale: ~14K MCP servers + 300 MCP clients
• Attributes: 20+ normalized metadata per artifact
• Sources: GitHub, community hubs, package managers
• Applications: Ecosystem analysis, security research, interoperability studies

📁 Structure

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

🚀 Quick Start

Explore Dataset

cd Website
python server.py
# Open http://localhost:8000

Access Data Programmatically

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)

Update Dataset (Optional)

# 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

📚 Citation

If you use MCPCorpus in your research, please cite it as:

@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}, 
}