# Labelbox vs mcp.so

Labelbox 每月有 762,803 次造訪，月增率 -22.8%，定價模式為需聯絡報價。mcp.so 每月有 286,704 次造訪，成長率 -3%，定價模式為免費。

| 指標 | [Labelbox](https://openaitools.app/tw/tool/labelbox) | [mcp.so](https://openaitools.app/tw/tool/mcp-server) |
| :--- | :--- | :--- |
| 網站網址 | https://labelbox.com | https://mcp.so |
| 分類 | AI 開發者工具, AI API, AI Workflow, AI 生產力工具 | AI 工具目錄, Large Language Models (LLMs), AI 開發者工具 |
| 定價模式 | 需聯絡報價 | 免費 |
| 每月造訪次數 | 762,803 | 286,704 |
| 月成長率 | -22.8% | -3% |
| 主要市場 | 美國 | 美國 |
| 直接造訪 | 370,024 | 107,648 |
| 評論分數 | 4.4 | 4.2 |
| 收藏數 | 0 | 0 |
| 支援平台 | 網站 | 網站 |

## Labelbox

Labelbox 在 AI 技術堆疊中占據特殊位置：它主要賣的不是聊天機器人或生成工具，而是模型學習所需的環境與資料，以及接手例行工程與研究工作的代理。首頁的說法很直接——前沿 AI 實驗室用 Labelbox 的環境與專家資料訓練模型，而工程與研究團隊把反覆出現的待辦事項交給在 Recursion 上運作的代理。近期超過 1 億美元的 E 輪募資，顯示這個主張獲得充足資金支持。,對企業而言，較新的一半是 Recursion。代理由真實訊號觸發——建置失敗、PagerDuty 告警、新的相依套件版本、新的模型檢查點，或週一早晨的排程——然後在背景工作到完成。官方強調的例子是具體交付物而非摘要：附預覽連結且已測試的 pull request、每個事件都有出處的 Confluence 事故檢討草稿、點名關鍵變更的消融實驗表，或重大 CVE 後針對每個受影響服務的修補。評分代理會為每次執行打分，評分後的工作階段留下記憶、筆記與技能，供下一次執行前讀取。,最初的核心仍是資料業務：由專家審閱者支援的標註、註記、策展與模型評估，用於電腦視覺、NLP、監督式微調、RLHF 與紅隊測試。實務上兩半相互強化，因為產出高品質訓練資料的環境，正是代理學習真實工作的環境。價格屬企業模式，透過業務洽談決定，並取決於資料量與代理使用情形，沒有公開的自助式方案。

**價格與方案:** 價格另洽。Labelbox 未公布自助式方案或公開價目表，其價格入口引導有興趣的團隊與業務洽談，費用取決於資料產出規模、代理部署與企業需求。官方未公布免費方案。有意導入者應依自身用量與使用情境索取報價。

- **資料標註與專家註記:** 涵蓋視覺、語言與生成任務的結構化標註、資料策展、模型評估與人機協作審閱，是訓練與評估資料的基礎。
- **自主代理工作階段:** Recursion 代理會從建置、告警、提交、檢查點與排程自動啟動，並在背景持續工作直到任務完成可審查。
- **依職能分工的專業代理:** 專業代理涵蓋軟體工程、可靠性、資安、ML 研究、評估、研發、產品與財務，從修復不穩定測試到撰寫事故檢討草稿。
- **可累積的評分成果:** 每次執行都由評分代理打分，評分後的工作階段留下記憶、筆記與技能，供下一次執行前讀取。
- **原生工具與資料整合:** 代理直接在團隊既有工具上運作，包括 GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery、Databricks、Vercel 與雲端服務商。

**優勢:** 同時涵蓋問題兩端：訓練與評估資料的產出，以及處理例行工作的代理; 近期超過 1 億美元的 E 輪募資與前沿 AI 實驗室的採用，代表資金與需求皆有實據; 代理執行產出可驗證的具體成果——測試、重跑、消融實驗——而非未經檢核的建議; 可與既有工具鏈整合：GitHub、Jira、Linear、Slack、Datadog、PagerDuty、BigQuery 與 Databricks

**限制:** 沒有自助式定價或公開註冊，一切都得透過業務洽談，評估流程較慢; 平台預設使用者已有實際的工程與研究基礎設施（GitHub、雲端、資料倉儲）; 定位快速轉向自主代理工作階段，只想做標註的團隊可能覺得過於龐大

[Profile (Markdown)](https://openaitools.app/tw/tool/labelbox.md)

## mcp.so

mcp.so 把快速擴張的 Model Context Protocol 生態集中到一處便於檢索的地方。你可以依分類瀏覽伺服器（開發者工具、AI 與代理、雲端基礎設施、記憶與知識、媒體與設計），查看遠端端點，並在把伺服器接入 Claude、Cursor 或其他相容 MCP 的客戶端之前先了解安裝細節。精選與趨勢區塊會展示熱門或新上線的伺服器，排行榜則有助判斷社群正在採用什麼。

除了伺服器清單，站點也收錄 MCP 客戶端（支援該協定的應用、IDE 與框架）、官方 CLI 工具（如 Bun、Cloudflare Wrangler、DuckDB、FFmpeg）、可重複使用的代理 loops 與技能，以及精選合集。動態流追蹤最新收錄，提交／認領流程則讓維護者新增或接管自己的條目。

對於以 AI 代理開發應用的人來說，mcp.so 是發現與參考層：選定一項能力，確認伺服器如何連線與認證，依安裝指引操作，並關注社群每週在裝什麼。它本身是目錄，並不託管或執行其中列出的伺服器。

**價格與方案:** 瀏覽與使用目錄免費。廣告、精選版位與條目認領透過站點處理；日常瀏覽無需訂閱。

- **可檢索的 MCP 伺服器目錄:** 依名稱、分類、標籤、執行環境或整合查找伺服器，並透過精選、趨勢與最新區塊追蹤社群活躍度。
- **遠端端點與安裝指引:** 在接入之前查看託管的 MCP 端點、認證要求以及針對不同客戶端的設定說明。
- **客戶端、CLI 工具與技能:** 在專門區塊中發現相容 MCP 的客戶端、官方命令列工具、代理 loops 以及可重複使用的 Claude/Codex 技能。
- **提交與認領條目:** 維護者可發布新伺服器並認領既有條目，讓資訊保持準確且可歸屬。
- **分類、排行榜與動態:** 瀏覽熱門分類、比較精選合集，並關注新增伺服器、工具與技能的即時動態。

**優勢:** 對 MCP 伺服器與客戶端的收錄廣且更新頻繁; 把安裝與認證細節集中在一處; 免費使用，瀏覽無需帳號; 除清單外還包含 CLI 工具、代理技能與精選合集

**限制:** 條目由社群提交，品質與新鮮度不一; 它只是目錄，無法執行或託管 MCP 伺服器; 廣告與精選版位可能把相關性較低的結果排在前面

[Profile (Markdown)](https://openaitools.app/tw/tool/mcp-server.md)

## 常見問題

### Labelbox 與 mcp.so 的每月流量相比如何？

Labelbox 每月有 762,803 次造訪，而 mcp.so 有 286,704。流量估算反映受眾規模，並非產品品質。

### 兩者的成長率相比如何？

Labelbox 的月增率為 -22.8%；mcp.so 為 -3%。

### 價格相比如何？

Labelbox：需聯絡報價。價格另洽。Labelbox 未公布自助式方案或公開價目表，其價格入口引導有興趣的團隊與業務洽談，費用取決於資料產出規模、代理部署與企業需求。官方未公布免費方案。有意導入者應依自身用量與使用情境索取報價。 mcp.so：免費。瀏覽與使用目錄免費。廣告、精選版位與條目認領透過站點處理；日常瀏覽無需訂閱。

## 替代方案

| # | 工具名稱 | 每月造訪次數 | 月成長率 | 定價模式 | Summary | Profile (Markdown) |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| 1 | [Roboflow](https://openaitools.app/tw/tool/roboflow) | 1,431,204 | +6.6% | 免費增值、需聯絡報價 | 簡化從標註到模型部署的端到端電腦視覺工作流程，但缺乏 Labelbox 的一般企業代理編排功能。 | [.md](https://openaitools.app/tw/tool/roboflow.md) |
| 2 | [Appen](https://openaitools.app/tw/tool/appen-com) | 665,840 | +0.2% | 需聯絡報價 | 高度依賴真人參與的託管人力服務來進行資料驗證，相比 Labelbox 提供較少的自助式技術工具。 | [.md](https://openaitools.app/tw/tool/appen-com.md) |
| 3 | [Scale](https://openaitools.app/tw/tool/scale) | 616,915 | +12.5% | 需聯絡報價 | 提供大規模的企業級標註與模型評估，但通常需要比 Labelbox 更高的企業預算。 | [.md](https://openaitools.app/tw/tool/scale.md) |
| 4 | [Dang.ai](https://openaitools.app/tw/tool/dang-ai) | 552,907 | +17.5% | 免費 | 精選目錄與搜尋引擎，收錄數千個通用 AI 產品而非 MCP 開發者整合。 | [.md](https://openaitools.app/tw/tool/dang-ai.md) |
| 5 | [Futurepedia](https://openaitools.app/tw/tool/futurepedia-find-the-best-ai-tools-software) | 527,719 | +22.5% | 免費 | 海量的通用 AI 工具目錄，提供更廣泛的軟體探索，但較少專注於特定的 MCP 伺服器。 | [.md](https://openaitools.app/tw/tool/futurepedia-find-the-best-ai-tools-software.md) |
| 6 | [SkillsMP — Agent 技能市集](https://openaitools.app/tw/tool/agent-skills-marketplace) | 470,744 | -3.7% | 免費 | 為 AI 開發者索引開源代理技能檔案與 MCP 整合的獨立公開目錄。 | [.md](https://openaitools.app/tw/tool/agent-skills-marketplace.md) |
| 7 | [SuperAnnotate](https://openaitools.app/tw/tool/super-annotate) | 386,034 | +37.4% | 免費試用、需聯絡報價 | 提供強大的多模態標註與工作流程自動化，並為電腦視覺團隊提供更直觀的資料策展管線。 | [.md](https://openaitools.app/tw/tool/super-annotate.md) |
| 8 | [Weights & Biases（CoreWeave Forge）](https://openaitools.app/tw/tool/prompts) | 315,624 | -80.2% | 免費增值、需聯絡報價、免費 | 在互聯環境中追蹤、評估並交付 AI 模型與代理。 | [.md](https://openaitools.app/tw/tool/prompts.md) |
| 9 | [Encord](https://openaitools.app/tw/tool/encord-com) | 244,204 | +9.4% | 需聯絡報價 | 專門用於先進的電腦視覺與物理 AI 資料管線，不過其焦點比一般的文字與圖像標註更窄。 | [.md](https://openaitools.app/tw/tool/encord-com.md) |
| 10 | [Stork](https://openaitools.app/tw/tool/stork) | 201,544 | +2.3% | 免費 | Developer-focused AI tools directory and pricing tracker, though less dedicated to community-contributed MCP server lists. | [.md](https://openaitools.app/tw/tool/stork.md) |

---
來源：https://openaitools.app/tw/compare/labelbox-vs-mcp-server

More Markdown: [分類](https://openaitools.app/tw/categories.md) · [流量排名](https://openaitools.app/tw/rankings.md) · [llms.txt](https://openaitools.app/tw/llms.txt)
