Remote OpenClaw

这对于任何认真用 coding agents 构建的人来说很有用。难点不只是找到某个 MCP server，而是要搞清楚它支持哪个 client、怎么安装，以及同一个场景下有没有更好的选择。

我很好奇，随着目录增长，你们怎么处理质量信号？服务器主要是根据 GitHub 活跃度和包信息这类元数据排序，还是计划加入使用量和可靠性信号？

Hey Product Hunt 👋

我过去老是浪费时间去搜罗适合我 AI 智能体的 MCP servers、智能体技能和插件，它们散落在 GitHub repos、npm、Discord 聊天的线程和半更新的文档里，没有一个地方能一次性找到并比较它们。

所以我建了 Remote OpenClaw：一个开放目录，包含 13000+ 个 MCP servers、智能体技能、插件和工作流，支持 Claude Code、Codex、OpenClaw 和 Hermes。按 client 或用例搜索，复制安装命令，几秒钟就能搞定。免费浏览，无需登录。

欢迎反馈。如果你觉得哪个 server 或技能应该收录进来，请在下面留言，我会加进去 🙏

13k+ 服务器上复制安装命令的流程是我实际会用到的——在 GitHub、npm 和 Discord 上搜罗 MCP servers 正是痛点。由于这些是第三方服务器，会在编程智能体内部以真实权限运行，你们在安装命令旁边会显示任何信任信号（源 repo、维护者、最后更新时间）吗？还是由用户自己审核？另外好奇你们会对近乎相同的服务器去重，还是全部列出来？

干净安装是基本要求，但真正让我放弃一些服务器的是仅仅连接它们所需的成本。我试过一个，它注册了 41 个工具，在智能体做任何事之前就消耗了约 12k token 的上下文，而挂上三个服务器后，它开始选错工具，因为列表太长没法推理。目录是否会暴露每个服务器的工具数量和总 schema 大小？那才是我会用来排序的指标。

太喜欢那个复制粘贴安装命令的流程了——省去在文档里翻找的这个小细节正是我需要的。

喜欢安装命令就在过滤器旁边，不需要额外点击。目录也很快很干净，不像通常那些臃肿的注册表页面。