Discover Awesome MCP Servers

Extend your agent with 84,517 capabilities via MCP servers.

All84,517
mcp-shoten-url

mcp-shoten-url

Enables creation of shortened URLs using the x.gd URL shortening service through its API.

Lanes Link

Lanes Link

One secure, self-hosted MCP endpoint connecting AI agents to your real accounts (mail, calendar, files, notes), with per-profile separation, explicit permission enforcement, and an append-only audit log.

mcp-paywall

mcp-paywall

HTTP 402 paywall middleware for MCP servers. XRPL/RLUSD native settlement, Phase 3 compliance receipts, zero API keys required.

Qdrant MCP Server

Qdrant MCP Server

Provides semantic memory capabilities using Qdrant vector database with configurable embedding providers, allowing storage and retrieval of information using vector similarity.

mcp-arcgis-princewilliam

mcp-arcgis-princewilliam

MCP server for accessing Prince William County, Virginia geospatial data (ArcGIS). Enables searching datasets, querying layers, and retrieving schema information.

Data 360 MCP Server

Data 360 MCP Server

Enables natural-language-driven exploration, querying, and full configuration management of Salesforce Data Cloud / Data 360 via MCP.

Remote MCP Server (Authless)

Remote MCP Server (Authless)

A remote MCP server template for Cloudflare Workers without authentication, supporting SSE connections and customizable tools.

CurrencyTransfer MCP Server

CurrencyTransfer MCP Server

Enables AI assistants to trade FX, manage beneficiaries, check balances, request quotes, and configure rate alerts and market orders via the CurrencyTransfer API.

whatsapp-mcp-assistant

whatsapp-mcp-assistant

MCP server that exposes a real WhatsApp account to Cursor through safe, approval-gated tools and a local Go bridge, enabling chat management, contact search, and message send with explicit confirmation.

illustrator-mcp

illustrator-mcp

Enables AI assistants to control Adobe Illustrator on Windows, including creating, opening, saving, and exporting documents, drawing shapes, adding text, and running arbitrary ExtendScript.

ML Lab MCP

ML Lab MCP

Transforms AI assistants into a full ML engineering environment for training and fine-tuning models across multiple backends (local GPU, Mistral, Together AI, OpenAI) and cloud providers (Lambda Labs, RunPod, SSH-accessible VPS), with dataset management, experiment tracking, cost estimation, and deployment to Ollama/Open WebUI.

google-workspace-mcp

google-workspace-mcp

Enables Claude to manage Google Workspace services such as Calendar, Gmail, and Docs with configurable access and safe-by-design limitations.

@pipeworx/nihr

@pipeworx/nihr

Enables searching and retrieving UK NIHR research and training awards with filters on programme, funding, organization, and award holders.

MultiAgent-MCP-Workflow

MultiAgent-MCP-Workflow

Enables enterprise multi-agent decision workflows that expose 8+ MCP tools such as SQL query, web search, Python sandbox, RAG, file access, data cleaning, chart generation, and HTTP calls, orchestrated with LangGraph, streaming output, and human-in-the-loop approvals.

vizio-tv

vizio-tv

Control a Vizio SmartCast TV over your local network via the SmartCast local API, with no cloud required.

Securities prices MCP server sample

Securities prices MCP server sample

Aquí tienes un ejemplo de un servidor MCP (Market Connectivity Platform) para precios de valores, información histórica, etc.: **Disclaimer:** Este es un ejemplo simplificado y requerirá una implementación más robusta para un uso en producción. Considera que la implementación real de un MCP es compleja y depende de los requisitos específicos. **Conceptos Clave:** * **MCP (Market Connectivity Platform):** Una plataforma que facilita la conexión a múltiples fuentes de datos del mercado (bolsas, proveedores de datos, etc.), normaliza los datos y los distribuye a los clientes. * **Proveedores de Datos:** Fuentes de datos del mercado (ej. Bloomberg, Refinitiv, IEX). * **Clientes:** Aplicaciones o usuarios que consumen los datos del mercado. * **Normalización de Datos:** El proceso de convertir datos de diferentes fuentes a un formato consistente. * **API (Application Programming Interface):** La interfaz que los clientes usan para interactuar con el servidor MCP. **Arquitectura Simplificada:** 1. **Conectores de Datos:** Módulos que se conectan a diferentes proveedores de datos. Cada conector es responsable de autenticarse, solicitar datos y convertir los datos al formato interno del MCP. 2. **Motor de Normalización:** Convierte los datos de los conectores a un formato común. Esto incluye mapear campos, convertir tipos de datos y manejar diferencias en la nomenclatura. 3. **Almacenamiento de Datos:** Almacena los datos normalizados. Esto puede ser una base de datos relacional, una base de datos de series temporales o un sistema de caché en memoria. 4. **API:** Proporciona una interfaz para que los clientes soliciten datos. Esto puede ser una API REST, una API WebSocket o una API basada en mensajes (ej. FIX). 5. **Distribución de Datos:** Envía los datos solicitados a los clientes. Esto puede ser en tiempo real (ej. para precios de mercado) o bajo demanda (ej. para datos históricos). **Ejemplo Simplificado (Pseudocódigo):** ```python # Pseudocódigo - NO FUNCIONA DIRECTAMENTE # Ilustra la lógica general class ConectorProveedorDatos: def __init__(self, proveedor): self.proveedor = proveedor # Inicializar la conexión al proveedor def obtener_precio(self, simbolo): # Lógica para conectarse al proveedor y obtener el precio precio_raw = self.proveedor.obtener_precio_raw(simbolo) precio_normalizado = self.normalizar_precio(precio_raw) return precio_normalizado def normalizar_precio(self, precio_raw): # Lógica para convertir el precio al formato interno # (ej. mapear nombres de campos, convertir tipos de datos) return precio_normalizado class MotorNormalizacion: def normalizar_datos(self, datos_raw, proveedor): # Lógica para normalizar datos de diferentes proveedores # (ej. mapear campos, convertir tipos de datos) return datos_normalizados class AlmacenamientoDatos: def __init__(self, tipo_almacenamiento="memoria"): self.tipo_almacenamiento = tipo_almacenamiento self.datos = {} # Diccionario en memoria para simplificar def guardar_datos(self, simbolo, datos): self.datos[simbolo] = datos def obtener_datos(self, simbolo): return self.datos.get(simbolo) class API: def __init__(self, motor_normalizacion, almacenamiento_datos): self.motor_normalizacion = motor_normalizacion self.almacenamiento_datos = almacenamiento_datos def obtener_precio(self, simbolo): # 1. Buscar en el almacenamiento de datos precio = self.almacenamiento_datos.obtener_datos(simbolo) if precio: return precio # 2. Si no está en el almacenamiento, obtenerlo del proveedor conector = ConectorProveedorDatos("ProveedorPredeterminado") # Reemplazar con la lógica real precio = conector.obtener_precio(simbolo) # 3. Guardar en el almacenamiento self.almacenamiento_datos.guardar_datos(simbolo, precio) return precio # Ejemplo de uso motor = MotorNormalizacion() almacenamiento = AlmacenamientoDatos() api = API(motor, almacenamiento) precio_AAPL = api.obtener_precio("AAPL") print(f"Precio de AAPL: {precio_AAPL}") ``` **Consideraciones Adicionales:** * **Escalabilidad:** Un MCP real debe ser escalable para manejar un gran volumen de datos y un gran número de clientes. Esto puede requerir el uso de técnicas como el balanceo de carga, el almacenamiento en caché distribuido y la mensajería asíncrona. * **Fiabilidad:** Un MCP debe ser fiable y tolerante a fallos. Esto puede requerir el uso de técnicas como la redundancia, la conmutación por error y la supervisión. * **Seguridad:** Un MCP debe ser seguro para proteger los datos del mercado de accesos no autorizados. Esto puede requerir el uso de técnicas como la autenticación, la autorización y el cifrado. * **Manejo de Errores:** Un MCP debe manejar los errores de forma elegante y proporcionar información útil a los clientes. * **Latencia:** La latencia es crítica para los datos del mercado en tiempo real. Un MCP debe estar optimizado para minimizar la latencia. * **Tecnologías:** Las tecnologías comunes para construir un MCP incluyen: * **Lenguajes de programación:** Java, Python, C++, Go * **Bases de datos:** PostgreSQL, TimescaleDB, InfluxDB, Redis * **Mensajería:** Kafka, RabbitMQ * **APIs:** REST, WebSocket, FIX **En resumen:** Este ejemplo proporciona una visión general simplificada de la arquitectura y la lógica de un servidor MCP. La implementación real requerirá un diseño y desarrollo más detallados, teniendo en cuenta los requisitos específicos de tu caso de uso. Es importante considerar la escalabilidad, la fiabilidad, la seguridad y la latencia al diseñar e implementar un MCP.

Mosaic MCP Server

Mosaic MCP Server

Provides 11 MCP tools for deterministic, local semantic search over your documents, including indexing, retrieval, exact-match facets, temporal truth, semantic diff, and agent-first JSON output. Enables LLMs and agents to search, retrieve, and analyze documents without cloud dependencies or per-query costs.

fylings-mcp

fylings-mcp

Search, verify and screen over 1 million African companies across 18 official government registries, along with the public contracts they have won and OFAC/UN sanctions screening. Every result carries its registry source, date and a confidence signal, and the server returns nulls rather than fabricating data.

inboxvalid-mcp

inboxvalid-mcp

An MCP server that exposes a mock email verification tool over stdio transport, providing structured JSON results with statuses valid, invalid, or risky.

just-runner-mcp

just-runner-mcp

Exposes Just recipes as MCP tools, allowing AI assistants to discover and execute project commands defined in Justfiles.

SP-MCP

SP-MCP

Bridge between Super Productivity app and MCP servers, allowing Claude Desktop to directly interact with Super Productivity for task management, project organization, and information retrieval.

CodeWiki MCP Server

CodeWiki MCP Server

Enables querying any GitHub, GitLab, or Bitbucket repository and getting AI-generated answers about the codebase, powered by Gemini.

Godot MCP Server

Godot MCP Server

AI-powered development assistant that bridges AI assistants with Godot game projects, enabling intelligent project analysis, smart code generation, debugging, and performance optimization.

Google Jules MCP Server

Google Jules MCP Server

Enables interaction with Google Jules API to automate software development tasks, such as managing sources, sessions, and activities for AI-powered coding assistance.

ERPNext MCP Server

ERPNext MCP Server

A comprehensive MCP server for ERPNext providing generic, doctype-agnostic access to any ERPNext document type with robust permission controls, audit logging, and enterprise-grade security.

@manansiingh/figma-react-mcp-server

@manansiingh/figma-react-mcp-server

Converts Figma designs into production-ready React components with design token extraction, widget registry integration, and micro-frontend module generation.

sentry-mcp-rs

sentry-mcp-rs

Fast and minimal Sentry MCP server written in Rust

mcp-feedback-enhanced-gw

mcp-feedback-enhanced-gw

Establishes feedback-oriented development workflows with Web UI and desktop application interfaces, enabling AI to confirm with users and consolidate tool calls into single feedback requests.

Telegram Bot MCP Server

Telegram Bot MCP Server

Enables sending Telegram messages, photos, and documents, and retrieving bot information through the Telegram Bot API.

CodeMore MCP Server

CodeMore MCP Server

Enables AI agents to scan code for security and quality issues and receive machine-readable reports with suggested fixes and verification criteria.