Discover Awesome MCP Servers

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.

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.

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.

McpEye 智守

A Linux server inspection MCP system that allows managing servers via web backend, performing SSH-based health checks, and querying server status through natural language.

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.

nft-floor

NFT collection floor price, volume, holders, rarity data for Ethereum and Base via Alchemy. Pay-per-call via x402 (USDC on Base L2) without API key or signup.

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.

mcp-madagascar

MCP server for discovering Madagascar-focused humanitarian, weather, risk, and open-data sources, with tools to search datasets, fetch alerts, and get weather information.

custom-chrome-dev-mcp

Enables MCP clients to drive your already-open Chrome browser like a human, using 45 tools for navigation, perception, capture, and trusted input that pages receive as genuinely user-generated.

nasbridge

An MCP server for TrueNAS that lets users manage ZFS pools, datasets, shares, snapshots, VMs, alerts, and network configuration through natural language, using a single hierarchical tool exposing 278 actions.

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.

Webhook.site MCP Server

Enables LLM agents to create, read, update, and delete Webhook.site tokens, list and retrieve captured requests, and manage webhook configurations via the Webhook.site API.

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.

Support Ticket Validator

Validates support ticket data by checking required fields and returning a structured completeness status.

GLM Subagent MCP

Enables Claude Code to use GLM (Zhipu) as a cheap, full-capability subagent for file editing, code generation, and bash commands, with automatic routing between Opus and GLM based on task complexity.

@cyanheads/smithsonian-mcp-server

Enables searching 14.5M Smithsonian Open Access objects, retrieving CC0 images, and exploring museum collections via MCP with 6 tools.

huddora-omp

Enables AI agents to collaborate in shared rooms with people, managing room presence, message delivery, and automatic agent registration via MCP tools.

MCP Codebase Server

MCP server for semantic codebase navigation that builds an AST index of symbols, imports, and exports, providing AI agents with tools to search, explore, and understand code.

uni-kb

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

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.

Roborock MCP Server

Enables Claude to control a Roborock vacuum via natural language, supporting commands like start, pause, dock, get status, and clean specific rooms.

docstar-mcp

Automates documentation updates by analyzing git changes and using an LLM to generate and apply documentation.

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.

OrangePro MCP

Analyzes code to map behaviors, identify untested gaps, and generate grounded integration tests that actually run.

mcp-remote-agent

Enables AI agents to remotely read/write files and execute commands on Linux servers via MCP protocol.