Discover Awesome MCP Servers

render_mcp

A guide to deploy a remote MCP server on Render.com and connect it to Anthropic and OpenAI agents, enabling cloud-hosted tool access for AI models.

jp-pint-mcp

jp-pint-mcp

ssh-mcp-server

Enables AI assistants to securely execute remote SSH commands, perform file transfers, and monitor system status through a standardized interface. It features robust security controls including command whitelisting, blacklisting, and credential isolation to prevent unauthorized operations.

UE5 MCP Server

Bridges AI assistants to Unreal Engine 5 editor, enabling direct manipulation of levels, actors, Blueprints, and Animation Blueprints through natural language commands.

mcp-md-pdf

Converts Markdown files to Word (.docx) and PDF documents. Supports .dotx templates for branded styling and batch conversion.

ashare-mcp

Production-grade MCP server for Chinese A-share market data, offering 30 tools including real-time quotes, K-lines, fund flows, and financial reports, with stdio and HTTP transport support.

MCP-demo-blog-analyzer

Aquí tienes un inicio rápido para probar el cliente del analizador de blogs MCP y un servidor de visitantes de páginas web: **Título:** Inicio Rápido: Probando el Cliente del Analizador de Blogs MCP y el Servidor de Visitantes de Páginas Web **Introducción:** Esta guía te proporcionará los pasos básicos para configurar y probar rápidamente el cliente del analizador de blogs MCP y un servidor de visitantes de páginas web. Asumimos que tienes un conocimiento básico de desarrollo de software y herramientas de línea de comandos. **Pasos:** 1. **Configuración del Entorno:** * Asegúrate de tener instalado un entorno de desarrollo adecuado (por ejemplo, Python, Node.js, Java). * Instala las dependencias necesarias para el cliente del analizador de blogs MCP y el servidor de visitantes de páginas web. Esto generalmente se hace usando un gestor de paquetes como `pip` (para Python), `npm` (para Node.js) o Maven/Gradle (para Java). Consulta la documentación específica de cada proyecto para conocer las dependencias exactas. * Ejemplo (Python): `pip install requests beautifulsoup4` 2. **Descarga/Clonación del Código:** * Obtén el código fuente del cliente del analizador de blogs MCP y del servidor de visitantes de páginas web. Esto podría implicar descargar un archivo ZIP o clonar un repositorio Git. * Ejemplo (Git): `git clone <URL_DEL_REPOSITORIO_DEL_CLIENTE>` y `git clone <URL_DEL_REPOSITORIO_DEL_SERVIDOR>` 3. **Configuración del Cliente del Analizador de Blogs MCP:** * Configura el cliente del analizador de blogs MCP para que apunte a una URL de blog de prueba. Esto generalmente implica modificar un archivo de configuración o pasar la URL como un argumento de línea de comandos. * Asegúrate de que el cliente tenga las credenciales necesarias (si las hay) para acceder al blog. 4. **Configuración del Servidor de Visitantes de Páginas Web:** * Configura el servidor de visitantes de páginas web para que escuche en un puerto específico (por ejemplo, 8080). * Define las rutas (endpoints) que el servidor expondrá para recibir datos del cliente del analizador de blogs MCP. * Configura una base de datos (si es necesario) para almacenar los datos de los visitantes. 5. **Ejecución del Servidor de Visitantes de Páginas Web:** * Inicia el servidor de visitantes de páginas web. Esto generalmente se hace ejecutando un script o un comando desde la línea de comandos. * Ejemplo (Python): `python server.py` 6. **Ejecución del Cliente del Analizador de Blogs MCP:** * Ejecuta el cliente del analizador de blogs MCP. Esto generalmente se hace ejecutando un script o un comando desde la línea de comandos. * Ejemplo (Python): `python analyzer.py <URL_DEL_BLOG>` 7. **Verificación de Resultados:** * Verifica que el cliente del analizador de blogs MCP se ejecute correctamente y envíe datos al servidor de visitantes de páginas web. * Verifica que el servidor de visitantes de páginas web reciba los datos y los almacene correctamente (si corresponde). * Utiliza un navegador web para acceder a las rutas (endpoints) del servidor y verificar que los datos de los visitantes se muestren correctamente. **Ejemplo Simplificado (Python):** **`analyzer.py` (Cliente del Analizador de Blogs MCP):** ```python import requests from bs4 import BeautifulSoup def analyze_blog(url): try: response = requests.get(url) response.raise_for_status() # Lanza una excepción para códigos de error HTTP soup = BeautifulSoup(response.content, 'html.parser') # Aquí iría la lógica para analizar el blog (ejemplo: contar párrafos) paragraph_count = len(soup.find_all('p')) print(f"Número de párrafos en {url}: {paragraph_count}") # Enviar los datos al servidor (reemplaza con la URL correcta) server_url = "http://localhost:8080/visit" data = {"url": url, "paragraphs": paragraph_count} requests.post(server_url, json=data) print(f"Datos enviados a {server_url}") except requests.exceptions.RequestException as e: print(f"Error al acceder a la URL: {e}") if __name__ == "__main__": blog_url = "https://www.ejemplo.com" # Reemplaza con una URL real analyze_blog(blog_url) ``` **`server.py` (Servidor de Visitantes de Páginas Web - usando Flask):** ```python from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/visit', methods=['POST']) def visit(): data = request.get_json() print(f"Datos recibidos: {data}") # Aquí iría la lógica para almacenar los datos (ejemplo: en una base de datos) return jsonify({"status": "success", "message": "Datos recibidos correctamente"}), 200 if __name__ == '__main__': app.run(debug=True, port=8080) ``` **Instrucciones para el ejemplo:** 1. **Instala Flask:** `pip install flask` 2. **Guarda los códigos:** Guarda el primer código como `analyzer.py` y el segundo como `server.py`. 3. **Ejecuta el servidor:** Abre una terminal y ejecuta `python server.py`. 4. **Ejecuta el cliente:** Abre otra terminal y ejecuta `python analyzer.py`. Reemplaza `"https://www.ejemplo.com"` con una URL real. 5. **Verifica:** Observa la salida en ambas terminales. El servidor debería mostrar los datos recibidos del cliente. **Consideraciones Adicionales:** * **Manejo de Errores:** Implementa un manejo de errores robusto en ambos componentes. * **Seguridad:** Considera las implicaciones de seguridad, especialmente si el servidor está expuesto a la red. * **Escalabilidad:** Si planeas manejar un gran volumen de datos, considera utilizar una base de datos más robusta y técnicas de escalabilidad. * **Documentación:** Consulta la documentación específica del cliente del analizador de blogs MCP y del servidor de visitantes de páginas web para obtener información más detallada. Este inicio rápido te proporciona una base para comenzar a probar tus componentes. A partir de aquí, puedes expandir y refinar la funcionalidad según tus necesidades específicas. Recuerda reemplazar las URLs de ejemplo con las URLs reales de tu blog y servidor.

common_mcp

Provides system information through a single tool that returns platform details, Node version, architecture, current time, and uptime. Optionally includes hostname when specified in the request.

REAPER MCP Server

A Model Context Protocol server that enables AI agents to create fully mixed and mastered tracks in REAPER DAW, supporting project management, MIDI composition, audio recording, and mixing automation.

droplinked MCP Extension

Enables read-only discovery and verification of products across droplinked's KYB-attested merchant network via tools for inventory, merchant, and brand attestation lookups.

az-devops-cli-mcp

Azure DevOps MCP tools for Claude Code and Codex CLI, enabling interaction with boards, work items, repos, and pull requests via natural language.

MCP Environment Proxy

A dynamic MCP proxy that allows switching environment variables on-the-fly, enabling context switching for multiple AWS accounts or Kubernetes clusters without restarting the client.

Python MCP Server Examples

A collection of Python-based Model Context Protocol servers that extend AI assistant capabilities with tools for calculations, AWS services (S3 and RDS), and PostgreSQL database operations.

ultramem-mcp

Give any MCP client durable, cross-session memory by exposing an UltraMem deployment's memory layer.

mcp-localization-engine

An MCP server that provides comprehensive localization data for 174 locales, enabling AI agents to generate culturally-adapted multilingual content.

Korean Patent MCP (KIPRIS)

MCP server that enables searching Korean patents, trademarks, and designs via KIPRIS Plus open APIs. Supports keyword, advanced, applicant, and rightholder searches with detailed bibliographic lookup.

Property MCP Server

Connects Claude AI to real estate data via the ATTOM Data API, enabling property information lookup and analysis using natural language queries.

Flask-MCP-Plus

Flask-MCP-Plus enables developers to create MCP servers using Flask, with support for defining tools, resources, and prompts with automatic schema generation and type safety.

iTerm MCP

Controls iTerm2 terminal sessions with multi-pane support, allowing parallel command execution, session management, and role-based access for AI orchestration.

uni-kb

Enables parsing, indexing, and querying source code as structured knowledge, providing code exploration, spec generation, and migration tools via 20 MCP tools.

podcastindex-mcp

MCP server for the Podcast Index API — search podcasts, track appearances, monitor trending shows, check feed health

Scanpy MCP server

Here are a few ways to translate "MCP server for Scanpy," depending on the specific context: * **General translation:** "Servidor MCP para Scanpy" * **More descriptive (if "MCP" needs clarification):** "Servidor de MCP para usar con Scanpy" (MCP server to use with Scanpy) * **If "MCP" is a specific type of server:** "Servidor [Nombre específico del servidor MCP] para Scanpy" (e.g., "Servidor CellPhoneDB para Scanpy" if MCP refers to CellPhoneDB) **Explanation of Choices:** * **"Servidor"** is the standard translation of "server." * **"para"** is the standard translation of "for." * I've kept "Scanpy" as is, assuming it's a proper noun (the name of the software). * The more descriptive options are useful if the audience might not know what "MCP" refers to. To give you the *best* translation, please provide more context about what "MCP" means in this case.

SeedreamMCP

ByteDance Seedream AI image generation and editing (style transfer, background change, virtual try-on) with multiple models, multi-resolution up to 4K, and streaming delivery.

mcp-server-ladybug

Enables AI Assistants and IDEs to interact with LadybugDB graph databases using Cypher queries.

whiteboard-mcp-server

Shared context for multiple Claude Code sessions working on the same project.

mcp-Agentmemory

MCP-native memory layer for Claude Code, Cursor, Cline, Continue, and 16 other AI tools. Hybrid search (BM25 + pgvector + graph), self-hosted on Supabase + Vercel, 100% MIT, no paywall.

gong-mcp

MCP server for the Gong API, enabling search and retrieval of calls, transcripts, attendees, next steps, and more.

RichCorabbithole MCP Server

Project-aware MCP server for richcorabbithole-api development that reduces token usage by caching file contents and providing high-level operations like running tests, getting project status, and managing Asana tasks.

Sentry MCP

Un servidor remoto del Protocolo de Contexto de Modelos que actúa como middleware para la API de Sentry, permitiendo que asistentes de IA como Claude accedan a los datos y la funcionalidad de Sentry a través de interfaces de lenguaje natural.

monocle

Gives AI agents the ability to interact with iOS simulators through 21+ tools for mobile app testing.