Discover Awesome MCP Servers

javaDemo

javaDemo. Contribute to zf0497/mydemo development by creating an account on GitHub.

MCP Server for X/Twitter

Automate your X account using the real browser API - JoshMayerr/mcp-x

Minima

On-premises conversational RAG with configurable containers - dmayboroda/minima

NutJS Windows Control

Cross-platform MCP server for OS automation. Contribute to Cheffromspace/MCPControl development by creating an account on GitHub.

Academic Paper Search MCP Server

Permite la búsqueda y recuperación en tiempo real de información de artículos académicos de múltiples fuentes, proporcionando acceso a metadatos de los artículos, resúmenes y contenido de texto completo cuando esté disponible, con respuestas de datos estructurados para la integración con modelos de IA que admiten el uso de herramientas/funciones.

MCP Server for Ticketmaster Events

Proporciona herramientas para descubrir eventos en el Madison Square Garden a través de la API de Ticketmaster, devolviendo datos estructurados con detalles del evento como nombre, fecha, precio y enlaces para la compra de entradas.

Jenkins MCP

Permite gestionar operaciones de Jenkins, como listar trabajos, activar compilaciones y verificar el estado de las compilaciones, a través de un servidor MCP configurable.

CouchDB MCP Server

Un servidor MCP basado en TypeScript que permite a los asistentes de IA interactuar con bases de datos CouchDB a través de una interfaz sencilla, proporcionando herramientas para crear, leer y consultar bases de datos y documentos.

ArangoDB MCP Server

Una implementación del Protocolo de Contexto del Modelo que permite la interacción con bases de datos ArangoDB, permitiendo a los usuarios realizar consultas, listar bases de datos y colecciones a través del lenguaje natural.

Dart MCP Server

Una implementación de servidor MCP basada en Dart que permite la gestión de tareas asistida por IA, el manejo de documentos y la organización del espacio de trabajo a través de herramientas estandarizadas y una integración perfecta con Dart.

Safe MCP Server

Un servidor MCP que permite la interacción con billeteras de contratos inteligentes Safe (anteriormente Gnosis Safe), permitiendo a los usuarios consultar transacciones, obtener detalles de firmas múltiples y decodificar datos de transacciones a través del lenguaje natural.

salesforce-mcp-server

Una implementación de servidor del Protocolo de Contexto de Modelo para interactuar con Salesforce a través de su API REST.

Dataset Viewer MCP Server

Permite la interacción con la API del visor de conjuntos de datos de Hugging Face, lo que permite a los usuarios explorar, buscar, filtrar y analizar los conjuntos de datos alojados en Hugging Face Hub.

Release Notes MCP Server

Generates notas de lanzamiento completas y formateadas desde repositorios de GitHub, organizando eficientemente los commits por tipo e incluyendo estadísticas detalladas utilizando un uso inteligente de la API.

WeCom Bot MCP Server

Un servidor para enviar mensajes a través de bots de WeCom usando FastMCP, que admite comunicación asíncrona y seguimiento de mensajes mediante webhooks.

Snyk MCP Server

Un servidor independiente que permite el análisis de seguridad de Snyk a través del Protocolo de Contexto del Modelo, con soporte para análisis de repositorios y proyectos, verificación de tokens e integración con la CLI.

MCP Zotero

Permite que la IA interactúe con tu biblioteca de Zotero.

Manifold Markets MCP Server

Proporciona acceso integral a la plataforma de predicciones Manifold Markets a través de una interfaz MCP clara, permitiendo a los usuarios crear mercados, realizar apuestas, gestionar la liquidez y utilizar funciones sociales a través del lenguaje natural.

DevDocs MCP

Una implementación de Protocolo de Contexto de Modelo que permite el acceso a recursos de documentación impulsado por IA, con navegación basada en URI, coincidencia de plantillas y gestión estructurada de la documentación.

MCP Development Framework

Un potente marco de Protocolo de Contexto de Modelo que extiende Cursor IDE con herramientas para la recuperación de contenido web, el procesamiento de PDF y el análisis de documentos de Word.

Alchemy MCP Plugin

Este plugin permite la interacción con datos de blockchain y NFTs a través del SDK de Alchemy, permitiendo operaciones como recuperar metadatos de NFTs, obtener NFTs para direcciones de billetera y obtener el número de bloque más reciente.

Google OR-Tools server

MCP-ORTools integra el solucionador de programación de restricciones OR-Tools de Google con Modelos de Lenguaje Grandes a través del MCP, permitiendo que los modelos de IA puedan: Enviar y validar modelos de restricciones Establecer parámetros del modelo Resolver problemas de satisfacción y optimización de restricciones Recuperar y analizar soluciones

FastAPI MCP SSE

Aquí tienes una implementación de Server-Sent Events (SSE) usando el framework FastAPI que integra el Protocolo de Contexto de Modelo (MCP), permitiendo a los modelos de IA acceder a herramientas externas y fuentes de datos como información meteorológica: ```python from fastapi import FastAPI, Depends, HTTPException, Request from fastapi.responses import StreamingResponse from sse_starlette.sse import EventSourceResponse from typing import AsyncGenerator, Dict, Any import asyncio import aiohttp # Para peticiones asíncronas a la API meteorológica import json app = FastAPI() # --- Definición del Protocolo de Contexto de Modelo (MCP) --- # (Esto es un ejemplo simplificado, en una implementación real sería más robusto) async def get_weather(city: str) -> Dict[str, Any]: """ Obtiene información meteorológica para una ciudad dada. Simulación: En una implementación real, esto llamaría a una API meteorológica. """ # Reemplaza esto con tu clave de API meteorológica real API_KEY = "YOUR_WEATHER_API_KEY" WEATHER_API_URL = f"https://api.weatherapi.com/v1/current.json?key={API_KEY}&q={city}&aqi=no" async with aiohttp.ClientSession() as session: try: async with session.get(WEATHER_API_URL) as response: response.raise_for_status() # Lanza una excepción para errores HTTP data = await response.json() # Extrae la información relevante del JSON de respuesta weather_info = { "city": data["location"]["name"], "temperature_celsius": data["current"]["temp_c"], "condition": data["current"]["condition"]["text"], "humidity": data["current"]["humidity"] } return weather_info except aiohttp.ClientError as e: print(f"Error al obtener información meteorológica: {e}") raise HTTPException(status_code=500, detail=f"Error al obtener información meteorológica: {e}") except KeyError as e: print(f"Error al parsear la respuesta de la API meteorológica: {e}") raise HTTPException(status_code=500, detail=f"Error al parsear la respuesta de la API meteorológica: Error al parsear la respuesta. Asegúrate de que la API devuelve los campos esperados.") async def execute_tool(tool_name: str, arguments: Dict[str, Any]) -> Dict[str, Any]: """ Ejecuta una herramienta basada en el nombre y los argumentos. """ if tool_name == "get_weather": return await get_weather(arguments["city"]) else: raise ValueError(f"Herramienta desconocida: {tool_name}") async def process_user_query(query: str) -> AsyncGenerator[str, None]: """ Simula el procesamiento de la consulta del usuario por un modelo de IA. Integra el MCP para acceder a herramientas externas. """ yield "Procesando consulta...\n" # Simulación de la detección de la necesidad de usar una herramienta if "tiempo" in query.lower() or "clima" in query.lower(): yield "Detectada necesidad de información meteorológica.\n" try: # Simulación de la extracción de argumentos para la herramienta city = query.lower().split("en")[-1].strip() # Extrae la ciudad de la consulta yield f"Extrayendo ciudad: {city}\n" # Llamada al MCP para ejecutar la herramienta weather_info = await execute_tool("get_weather", {"city": city}) yield "Información meteorológica obtenida.\n" # Formateo de la respuesta para el usuario response = f"El tiempo en {weather_info['city']} es {weather_info['temperature_celsius']}°C y {weather_info['condition']}. Humedad: {weather_info['humidity']}%\n" yield f"Respuesta: {response}\n" yield response # Respuesta final para el usuario except Exception as e: yield f"Error al obtener información meteorológica: {e}\n" yield "Lo siento, no pude obtener la información meteorológica.\n" else: yield "No se requiere ninguna herramienta externa.\n" yield "Respuesta: No estoy seguro de cómo responder a eso.\n" # --- Endpoint SSE --- async def sse_stream(query: str) -> AsyncGenerator[Dict[str, Any], None]: """ Genera eventos SSE a partir del procesamiento de la consulta del usuario. """ async for message in process_user_query(query): yield {"data": message} @app.get("/stream") async def stream(query: str): """ Endpoint para el stream de eventos SSE. """ return EventSourceResponse(sse_stream(query)) # --- Endpoint de prueba --- @app.get("/") async def read_root(): return {"message": "Bienvenido! Usa /stream?query=<tu_consulta> para obtener un stream de eventos SSE."} if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **Explicación del código:** 1. **Importaciones:** Importa las bibliotecas necesarias, incluyendo `FastAPI`, `StreamingResponse`, `EventSourceResponse` (de `sse_starlette`), `asyncio`, `aiohttp` (para peticiones asíncronas) y `typing`. 2. **Definición del Protocolo de Contexto de Modelo (MCP):** * `get_weather(city: str)`: Esta función simula la llamada a una API meteorológica. **Debes reemplazar la URL y la clave de API con las tuyas reales.** Utiliza `aiohttp` para realizar la petición asíncrona. Maneja excepciones para errores HTTP y errores al parsear la respuesta JSON. * `execute_tool(tool_name: str, arguments: Dict[str, Any])`: Esta función actúa como un enrutador para diferentes herramientas. Recibe el nombre de la herramienta y sus argumentos, y llama a la función correspondiente. * `process_user_query(query: str)`: Esta función simula el procesamiento de la consulta del usuario por un modelo de IA. **Este es el núcleo de la integración del MCP.** Detecta si la consulta requiere información meteorológica, extrae la ciudad, llama a `execute_tool` para obtener la información, y formatea la respuesta para el usuario. Utiliza `yield` para generar mensajes progresivos que se enviarán como eventos SSE. 3. **Endpoint SSE:** * `sse_stream(query: str)`: Esta función es un generador asíncrono que llama a `process_user_query` y formatea cada mensaje como un evento SSE (un diccionario con la clave "data"). * `@app.get("/stream")`: Este endpoint define la ruta `/stream` que devuelve un `EventSourceResponse`. Recibe la consulta del usuario como un parámetro `query` y la pasa a `sse_stream`. 4. **Endpoint de prueba:** * `@app.get("/")`: Un endpoint simple para verificar que la aplicación está funcionando. 5. **Ejecución:** * El bloque `if __name__ == "__main__":` ejecuta la aplicación usando `uvicorn`. **Cómo ejecutar el código:** 1. **Instala las dependencias:** ```bash pip install fastapi uvicorn sse_starlette aiohttp ``` 2. **Reemplaza `YOUR_WEATHER_API_KEY` con tu clave de API meteorológica real.** Puedes obtener una clave gratuita en sitios como [https://www.weatherapi.com/](https://www.weatherapi.com/). 3. **Guarda el código como un archivo Python (por ejemplo, `main.py`).** 4. **Ejecuta la aplicación:** ```bash python main.py ``` 5. **Abre un navegador y ve a `http://localhost:8000/stream?query=tiempo en Londres`.** Verás un stream de eventos SSE que muestran el procesamiento de la consulta y la respuesta final. **Puntos importantes:** * **MCP Simplificado:** El MCP en este ejemplo es muy simplificado. En una implementación real, necesitarías un mecanismo más robusto para la detección de herramientas, la extracción de argumentos y el manejo de errores. Considera usar una biblioteca como LangChain o LlamaIndex para una implementación más completa del MCP. * **API Meteorológica:** Asegúrate de usar una API meteorológica real y manejar las excepciones correctamente. La API de ejemplo requiere una clave. * **Manejo de Errores:** El manejo de errores es crucial. Asegúrate de capturar excepciones y enviar mensajes de error informativos al cliente. * **Seguridad:** Si vas a usar este código en un entorno de producción, considera implementar medidas de seguridad como la autenticación y la autorización. * **Escalabilidad:** Para una aplicación de producción, considera usar un servidor ASGI más robusto como Gunicorn o Uvicorn con múltiples workers. * **Formato SSE:** El formato de los eventos SSE es `data: <data>\n\n`. La biblioteca `sse_starlette` se encarga de formatear los datos correctamente. * **Cliente SSE:** Para consumir los eventos SSE en el frontend, puedes usar la API `EventSource` de JavaScript. Este ejemplo proporciona una base sólida para construir una aplicación SSE con FastAPI que integra el MCP. Puedes expandir este código para agregar más herramientas, mejorar el manejo de errores y optimizar el rendimiento.

TfNSW Realtime Alerts MCP Server

Este servidor permite que los modelos de lenguaje grandes accedan e interactúen con alertas de transporte en tiempo real de la red de Transport for NSW, permitiendo el filtrado por modo de transporte y devolviendo información de alertas formateada sobre interrupciones y trabajos planificados.

Microsoft SQL Server MCP Server

Un servidor de Protocolo de Contexto de Modelo que permite la interacción segura con bases de datos Microsoft SQL Server, permitiendo a los asistentes de IA listar tablas, leer datos y ejecutar consultas SQL a través de una interfaz controlada.

Lichess MCP

Un servidor MCP que permite la interacción en lenguaje natural con la plataforma de ajedrez Lichess, permitiendo a los usuarios jugar partidas, analizar posiciones, gestionar su cuenta y participar en torneos a través de Claude.

mcp-server-ollama-deep-researcher

Esta es una adaptación del servidor del Protocolo de Contexto del Modelo (MCP) del Investigador Profundo LangChain Ollama. Proporciona las capacidades de investigación profunda como herramientas MCP que se pueden utilizar dentro del ecosistema del protocolo de contexto del modelo, lo que permite a los asistentes de IA realizar investigaciones exhaustivas sobre temas (localmente) a través de Ollama.

FreeAgent MCP Server

Un servidor Claude MCP que permite a Claude interactuar con tu cuenta de FreeAgent para registrar el tiempo, gestionar temporizadores y manejar operaciones de partes de horas.

MyAIServ MCP Server

Un servidor FastAPI de alto rendimiento que admite el Protocolo de Contexto de Modelo (MCP) para una integración perfecta con Modelos de Lenguaje Grandes, que ofrece APIs REST, GraphQL y WebSocket, junto con monitorización en tiempo real y capacidades de búsqueda vectorial.

mcp-summarizer

Servidor MCP para la Resumización con IA, Soporte para múltiples tipos de contenido: * Texto plano * Páginas web * Documentos PDF * Libros EPUB * Contenido HTML