Discover Awesome MCP Servers

soc-siem-mcp

Unified SIEM MCP gateway for AI-driven SOC operations and threat hunting across Azure Sentinel, Splunk, Wazuh, IBM QRadar, and Securonix.

mcp-graph-loop

Enables AI agents to orchestrate tasks as a DAG with automated validation loops, executing validation commands, tracking statuses, and allowing iterative code fixes until tasks pass.

Odoo AI Telegram MCP

Exposes 104 Odoo tools across CRM, Sales, Inventory, Accounting, and Helpdesk, enabling natural-language control of an Odoo instance via a Telegram assistant with user-level authentication and multi-step orchestration.

open-search-mcp

Web search, page fetching, and research from the terminal or any MCP client — no API key required.

ProjectContext

A high-performance MCP server providing long-term memory storage with semantic and keyword search, along with a structured agenda engine for task management.

SRA Simple MCP Server

MCP server to control StarRailAssistant (SRA) on Windows. Enables listing task configurations and running SRA tasks with configurable timeout.

MCP Weather and Currency Assistant

A local MCP server that integrates FastMCP with OpenAI to enable natural language queries for current weather, forecasts, and currency conversion using ExchangeRate-API and Open-Meteo.

mercadolibre-mcp

Connects AI agents to MercadoLibre, the largest e-commerce marketplace in Latin America. Search products, get item details, browse categories, track trends, and convert currencies.

hetzner-mcp

Model Context Protocol server for full Hetzner Cloud + Storage API automation. Exposes all official Hetzner operations as MCP tools so AI agents can manage servers, networking, load balancers, firewalls, volumes, DNS zones, and storage boxes from one server.

open-splitwise

Enables AI agents to manage Splitwise expenses through natural language, including reading balances, splitting costs, and handling authentication and rate limits automatically.

Gemini MCP Server

A Model Context Protocol server that enables Claude to collaborate with Google's Gemini AI models, providing tools for question answering, code review, brainstorming, test generation, and explanations.

Deployable MCP Server

A simple and extendable MCP server that currently provides basic addition functionality and can be easily extended by defining new tools with docstrings.

figma-ui-mcp

Bidirectional MCP bridge enabling AI assistants to draw UI on Figma canvas and read designs back as structured data or code tokens via localhost, requiring Figma Desktop.

KeyShot MCP

A local MCP server that enables AI apps to control KeyShot Studio for scene inspection, rendering, model import, material application, camera adjustment, environment setting, and scene saving.

Gruenerator MCP Server

A Model Context Protocol server that gives AI assistants direct access to Green Party political programs from Germany and Austria.

ios-agent-driver

An MCP server that lets an AI agent drive the iOS Simulator in a loop, enabling tapping, typing, swiping, reading the screen via the accessibility tree, and verifying app state.

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.

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.

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.

uni-kb

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

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.

ultramem-mcp

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

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.

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.

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.

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.

gong-mcp

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

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.