Discover Awesome MCP Servers

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.

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.

docstar-mcp

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

word-mcp-live

Enables AI assistants to edit Microsoft Word documents live while they are open, with full support for tracked changes, comments, formatting, and 124 tools.

gong-mcp

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

perplexity-mcp

Official MCP server for Perplexity API Platform, enabling AI assistants with real-time web search, reasoning, and research capabilities through Sonar models and the Search API.

anki-mcp

Enables intelligent Anki vocabulary management with automatic TTS audio generation, batch card creation, and advanced search and analysis.

PGYER MCP Server

Enables uploading and managing iOS/Android apps on the PGYER platform through MCP tools.

Unreal Engine Knowledge Graph MCP Server

Enables intelligent exploration of Unreal Engine documentation through a Neo4j-based knowledge graph. Supports concept relationship searches, learning path discovery, and dependency tracking between engine features using bilingual Chinese-English queries.

SelfHub MCP Server

A personal AI memory hub that stores and retrieves personal data from any MCP-enabled AI assistant, enabling persistent memory across conversations.

rize-mcp-server

MCP server for Rize -- automatic time tracking for professionals and teams. 27 tools for managing projects, clients, tasks, sessions, time entries, and productivity analytics via the Rize GraphQL API. Works with Claude Desktop, Claude Code, Cursor, and any MCP-compatible client

mcp-iconify

Enables searching for icons by keyword, retrieving SVG data and dimensions for specific icons, and browsing available icon collections through the Iconify public API.

Spider MCP

Enables web searching and webpage scraping using pure crawler technology without requiring official APIs. Supports Bing web and news search, batch webpage scraping, and content extraction through Puppeteer automation.

relaycore

A lightweight, self-hostable MCP server for shared memory, structured command relay, and traceable decision evidence across AI runtimes.

Managed OPC UA MCP Server

A TypeScript MCP server that exposes OPC UA read access through server-side authorization and Operator-defined Semantic Controls for safe agent interaction.

mcp-contradiction-check

Scans markdown vaults to detect contradictory claims (quantitative and negation) between notes with high concept overlap, and provides tools for analysis and reconciliation.

sg-weather-mcp

Wraps NEA's 2-hour weather forecast API to provide rain alerts for central Singapore areas, enabling automations for rain detection.

33GOD Pipeline MCP Hub

A multi-domain MCP server that exposes a small, stable surface of three tools (list_domains, list_domain_tools, call_domain_tool) to gate access to various tool domains like Plane and BloodBank, preventing agent schema overload.

grocy-mcp

Enables AI assistants to manage household operations including groceries, inventory, chores, recipes, and shopping lists through the Grocy self-hosted ERP system.

Frida Game Hacking MCP

Provides Cheat Engine-like capabilities for game hacking and reverse engineering through Frida, enabling memory scanning, value modification, pattern matching, function hooking, and code injection across processes.

Power BI Modeling MCP SSE Bridge

This MCP server provides a web-ready SSE bridge for Microsoft's Power BI Modeling MCP Server, enabling URL-based interaction with Power BI semantic models from any programming language without local stdio piping. It features automatic Azure authentication and dynamic binary resolution for seamless Power BI data analysis.

Remote MCP Server (Authless) for Cloudflare Workers

A template for deploying remote Model Context Protocol servers to Cloudflare Workers using Server-Sent Events (SSE) without authentication. It enables developers to build and host custom tools that can be accessed by local clients like Claude Desktop or the Cloudflare AI Playground.

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.

Byakugan: Private, open-source AI-text checker

A private, open-source AI-text checker. Get a read on whether text looks AI-written, the exact AI-tell spans to fix, a reuse check, and a grammar pass.

Stocker

Enables NSE stock market research with screening, quotes, peer comparison, watchlists, alerts, and strategies using natural language.

moomoo-market-data-mcp

Provides read-only real-time market data, including snapshots, quotes, candlesticks, order book, tickers, and security search, from the Futu OpenAPI to MCP clients like Codex.

SimosMCP

MCP server for Simos 18.1 ECU tuning that reads, writes, diffs, and validates XDF/BIN files.

Remote MCP Server Authless

Enables deployment of MCP servers to Cloudflare Workers without authentication requirements. Allows users to create custom tools and connect them to MCP clients like Claude Desktop or Cloudflare AI Playground through remote URLs.