Discover Awesome MCP Servers

blastengine-mailer

Un servidor MCP basado en TypeScript que implementa un sistema de envío de correos electrónicos, permitiendo a Claude enviar correos electrónicos a través del servicio Blastengine.

MSSQL MCP Server

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

Codebase MCP

Un servidor de Protocolo de Contexto de Modelo que permite a los agentes de IA recuperar y comprender bases de código completas de una sola vez, proporcionando herramientas para analizar espacios de trabajo locales o repositorios remotos de GitHub.

MCP2Tavily

Un servidor de protocolo MCP que habilita la funcionalidad de búsqueda web utilizando la API de Tavily, permitiendo a los asistentes de IA realizar búsquedas en internet en tiempo real.

azure-devops-mcp

Este servidor proporciona una API conveniente para interactuar con los servicios de Azure DevOps, lo que permite a los asistentes de IA y otras herramientas administrar elementos de trabajo, repositorios de código, paneles, sprints y más. Construido con el Protocolo de Contexto de Modelo, proporciona una interfaz estandarizada para comunicarse con Azure DevOps.

MCP-DBLP

Un servidor de Protocolo de Contexto de Modelo que proporciona acceso a la base de datos bibliográfica de informática DBLP, permitiendo a los modelos de IA buscar publicaciones, procesar citas y generar entradas BibTeX precisas.

GitHub MCP Server Plus

Servidor MCP para la API de GitHub, que proporciona funciones para operaciones de archivos, gestión de repositorios y búsqueda avanzada, con creación automática de ramas y manejo integral de errores.

Home Assistant MCP Server

Un servidor que permite la interacción con dispositivos y automatizaciones de Home Assistant a través del Protocolo de Contexto de Modelo, permitiendo a los usuarios monitorear el estado de los dispositivos, controlar dispositivos, activar automatizaciones y listar entidades.

MongoDB MCP Server

Un servidor de Protocolo de Contexto de Modelo que proporciona acceso de solo lectura a bases de datos MongoDB, permitiendo a los asistentes de IA consultar y analizar directamente datos de MongoDB, manteniendo al mismo tiempo la seguridad de los datos.

PyTorch HUD MCP Server

Proporciona acceso a datos analíticos de CI/CD de PyTorch, incluyendo flujos de trabajo, trabajos, ejecuciones de pruebas y análisis de registros a través de una interfaz MCP.

Bitcoin MCP Server

Facilita la interacción con la red Bitcoin a través del Protocolo de Contexto del Modelo, permitiendo la generación de claves, la validación de direcciones, la decodificación de transacciones y la recuperación de datos de la cadena de bloques.

mcp-server-tmdb

Se integra con la API de The Movie Database (TMDB) para proporcionar información sobre películas, capacidades de búsqueda y recomendaciones.

BrianKnows MCP Server

An MCP server that connects Claude to BrianKnows' blockchain knowledge base, allowing users to search for blockchain/DeFi information and interact with a specialized agent across multiple knowledge bases.

Time Server

Un servidor MCP que proporciona conversiones de zona horaria y operaciones relacionadas con el tiempo a través de puntos finales de API RESTful, con un manejo integral de errores e integración de una base de datos de zonas horarias.

KNMI Weather MCP

Un servidor FastMCP que proporciona datos meteorológicos en tiempo real de las estaciones meteorológicas de KNMI, permitiendo a los usuarios acceder a la temperatura, la humedad, la velocidad del viento y otras métricas meteorológicas para cualquier ubicación en los Países Bajos a través de consultas en lenguaje natural.

Tavily MCP Server with Proxy Support

Permite que los LLM realicen búsquedas web sofisticadas a través de servidores proxy utilizando la API de Tavily, lo que permite búsquedas web exhaustivas, respuestas directas a preguntas y la recuperación de artículos de noticias recientes con contenido extraído por IA.

Worldpay MCP Server

Un servidor que implementa el Protocolo de Contexto del Modelo para realizar y consultar pagos a través de las APIs de Worldpay, permitiendo el procesamiento de pagos, la consulta de pagos y la generación de formularios de pago.

Python Docs Server

Un servidor MCP que permite a los usuarios obtener documentación de Python utilizando la API de Brave Search a través de consultas en lenguaje natural.

Tiny Cryptography MCP Server

Un servidor de Protocolo de Contexto de Modelo construido con Express.js que proporciona herramientas criptográficas incluyendo la generación de pares de claves, la derivación de secretos compartidos y el cifrado/descifrado de mensajes.

Typesense MCP Server

Una implementación de servidor MCP que permite a los modelos de IA descubrir, buscar y analizar datos almacenados en colecciones de Typesense a través de herramientas para consultar documentos, recuperar elementos específicos y acceder a estadísticas de la colección.

MCP Server Enhanced SSH

Un servidor SSH robusto que facilita la ejecución segura de comandos remotos con gestión de sesiones TMUX, soporte multi-ventana y recuperación inteligente de sesiones para una interacción humano-IA mejorada.

MCP Firecrawl Server

Un servidor que proporciona herramientas para rastrear sitios web y extraer datos estructurados de ellos utilizando las API de Firecrawl, que admite tanto el rastreo básico de sitios web en múltiples formatos como la extracción de datos personalizada basada en esquemas.

MCP Project Orchestrator

Un servidor MCP que ayuda con la orquestación de nuevos proyectos de software aplicando plantillas estandarizadas y mejores prácticas en patrones de diseño y arquitectura de software.

Eventbrite MCP Server

Este servidor proporciona herramientas para que los asistentes de IA interactúen con la API de Eventbrite, lo que permite a los usuarios buscar eventos, obtener detalles de eventos, recuperar información del lugar y enumerar las categorías de eventos.

Meme MCP Server

Un servidor simple de Protocolo de Contexto de Modelo que permite a los modelos de IA generar imágenes de memes utilizando la API de ImgFlip, permitiendo a los usuarios crear memes a partir de indicaciones de texto.

Memory Box MCP Server

Integración de Cline MCP que permite a los usuarios guardar, buscar y formatear recuerdos con comprensión semántica, proporcionando herramientas para almacenar y recuperar información utilizando incrustaciones vectoriales para la búsqueda basada en el significado.

TranscriptionTools MCP Server

Ofrece capacidades inteligentes de procesamiento de transcripciones para Claude, que incluyen formato natural, reparación contextual y resumen inteligente impulsado por LLM de pensamiento profundo.

Mozilla Readability Parser MCP Server

Aquí tienes una implementación en Python de un servidor MCP que extrae contenido de páginas web, elimina anuncios y elementos no esenciales, y lo transforma en Markdown limpio optimizado para LLM: ```python import requests from bs4 import BeautifulSoup import markdownify import re from flask import Flask, request, jsonify app = Flask(__name__) def extract_and_clean_content(url): """ Extrae el contenido de una página web, elimina anuncios y elementos no esenciales, y lo transforma en Markdown limpio optimizado para LLM. """ try: response = requests.get(url, timeout=10) response.raise_for_status() # Lanza una excepción para códigos de error HTTP html_content = response.text soup = BeautifulSoup(html_content, 'html.parser') # Eliminar scripts, estilos y otros elementos no esenciales for tag in soup(["script", "style", "meta", "link", "noscript", "iframe", "img", "svg"]): tag.decompose() # Eliminar elementos basados en clases o IDs (ejemplos comunes de anuncios) for tag in soup.find_all(class_=["ad", "advertisement", "adsbygoogle", "sidebar", "related-articles"]): tag.decompose() for tag in soup.find_all(id=["ad-container", "sidebar", "related"]): tag.decompose() # Eliminar comentarios HTML for comment in soup.find_all(string=lambda text: isinstance(text, comment)): comment.extract() # Extraer el contenido principal (ajustar según la estructura del sitio web) # Este es un ejemplo, puede que necesites inspeccionar el HTML de la página # y encontrar el contenedor principal del contenido. main_content = soup.find("div", {"class": "main-content"}) or soup.find("article") or soup.body if not main_content: return "No se pudo encontrar el contenido principal en la página." # Convertir a Markdown markdown = markdownify.markdownify(str(main_content), heading_style="atx") # Limpieza adicional del Markdown (opcional) markdown = re.sub(r'\n{3,}', '\n\n', markdown) # Eliminar líneas en blanco excesivas markdown = re.sub(r' +', ' ', markdown) # Eliminar espacios en blanco excesivos return markdown except requests.exceptions.RequestException as e: return f"Error al acceder a la URL: {e}" except Exception as e: return f"Error durante el procesamiento: {e}" @app.route('/extract', methods=['POST']) def extract_endpoint(): """ Endpoint para recibir una URL y devolver el contenido Markdown limpio. """ data = request.get_json() if not data or 'url' not in data: return jsonify({"error": "Se requiere una URL en el cuerpo de la solicitud JSON."}), 400 url = data['url'] markdown_content = extract_and_clean_content(url) return jsonify({"markdown": markdown_content}) if __name__ == '__main__': app.run(debug=True) ``` **Explicación del código:** 1. **Importaciones:** - `requests`: Para obtener el contenido HTML de la página web. - `BeautifulSoup`: Para analizar el HTML y facilitar la manipulación. - `markdownify`: Para convertir el HTML limpio a Markdown. - `re`: Para realizar limpieza adicional del Markdown con expresiones regulares. - `flask`: Para crear un servidor web simple que exponga un endpoint. 2. **`extract_and_clean_content(url)`:** - **Obtiene el HTML:** Usa `requests.get()` para obtener el contenido HTML de la URL proporcionada. Incluye un `timeout` para evitar que el script se quede colgado si la página no responde. `response.raise_for_status()` lanza una excepción si la solicitud HTTP falla (código de error 4xx o 5xx). - **Analiza el HTML:** Crea un objeto `BeautifulSoup` para analizar el HTML. - **Elimina elementos no esenciales:** - Elimina etiquetas como `<script>`, `<style>`, `<meta>`, `<link>`, `<iframe>`, `<img>`, `<svg>` y `<noscript>` que generalmente no son necesarias para el contenido principal. - Elimina elementos basados en clases e IDs comunes utilizados para anuncios y barras laterales. **Importante:** Esta parte es la que más probablemente necesite ser ajustada para cada sitio web. Inspecciona el HTML de las páginas que quieres procesar y añade o modifica las clases e IDs que se deben eliminar. - Elimina comentarios HTML. - **Extrae el contenido principal:** - Intenta encontrar el contenedor principal del contenido usando `soup.find()`. El código busca un `<div>` con la clase "main-content", un `<article>`, o, si no encuentra ninguno de los anteriores, usa el `<body>` como último recurso. **Esta es la parte más importante que debes adaptar a la estructura de cada sitio web.** Necesitas inspeccionar el HTML de la página y encontrar el elemento que contiene el contenido principal que quieres extraer. - **Convierte a Markdown:** Usa `markdownify.markdownify()` para convertir el HTML limpio a Markdown. `heading_style="atx"` especifica que los encabezados se creen con el estilo "atx" (usando `#` al principio de la línea). - **Limpieza adicional del Markdown (opcional):** - Elimina líneas en blanco excesivas y espacios en blanco redundantes para obtener un Markdown más limpio. - **Manejo de errores:** Incluye bloques `try...except` para capturar excepciones que puedan ocurrir durante la solicitud HTTP o el procesamiento del HTML. Devuelve mensajes de error descriptivos. 3. **`extract_endpoint()`:** - **Endpoint Flask:** Define un endpoint `/extract` que acepta solicitudes `POST`. - **Recibe la URL:** Espera que la URL se envíe en el cuerpo de la solicitud JSON como `{"url": "la_url"}`. - **Llama a `extract_and_clean_content()`:** Llama a la función principal para extraer y limpiar el contenido. - **Devuelve el Markdown:** Devuelve el contenido Markdown limpio en un objeto JSON como `{"markdown": "el_markdown"}`. - **Manejo de errores:** Devuelve un error 400 si la URL no se proporciona en el cuerpo de la solicitud. 4. **`if __name__ == '__main__':`:** - **Ejecuta el servidor:** Inicia el servidor Flask en modo de depuración (`debug=True`). Esto permite que el servidor se reinicie automáticamente cuando se realizan cambios en el código. **Cómo usarlo:** 1. **Instala las dependencias:** ```bash pip install requests beautifulsoup4 markdownify flask ``` 2. **Guarda el código:** Guarda el código como un archivo Python (por ejemplo, `mcp_server.py`). 3. **Ejecuta el servidor:** ```bash python mcp_server.py ``` 4. **Envía una solicitud POST:** Usa `curl`, `Postman` o cualquier otra herramienta para enviar una solicitud POST al endpoint `/extract` con la URL en el cuerpo JSON: ```bash curl -X POST -H "Content-Type: application/json" -d '{"url": "https://es.wikipedia.org/wiki/Inteligencia_artificial"}' http://localhost:5000/extract ``` Reemplaza `"https://es.wikipedia.org/wiki/Inteligencia_artificial"` con la URL que quieras procesar. 5. **Recibe la respuesta:** El servidor devolverá una respuesta JSON con el contenido Markdown limpio: ```json { "markdown": "# Inteligencia artificial\n\nLa **inteligencia artificial** (**IA**), también llamada **inteligencia artificial**, es la inteligencia mostrada por las máquinas. En informática, una máquina «inteligente» ideal es un agente racional que percibe su entorno y lleva a cabo acciones que maximicen sus posibilidades de éxito.\n\nColoquialmente, el término «inteligencia artificial» se aplica cuando una máquina imita las funciones «cognitivas» que los humanos asocian con otras mentes humanas, como por ejemplo: «aprender» y «resolver problemas».\n\n..." } ``` **Puntos importantes a considerar y adaptar:** * **Adaptación a la estructura del sitio web:** La parte más importante es la función `extract_and_clean_content()`. Necesitas inspeccionar el HTML de los sitios web que quieres procesar y ajustar el código para eliminar los elementos no deseados y extraer el contenido principal correctamente. Presta especial atención a las clases e IDs de los elementos que contienen anuncios, barras laterales y otros elementos no esenciales, y al elemento que contiene el contenido principal. * **Manejo de errores:** El código incluye manejo de errores básico, pero puedes mejorarlo para que sea más robusto. Por ejemplo, puedes agregar registro de errores o implementar estrategias de reintento. * **Configuración:** Considera agregar opciones de configuración para personalizar el comportamiento del servidor, como la lista de clases e IDs a eliminar, el estilo de encabezado Markdown, etc. Puedes usar variables de entorno o un archivo de configuración para esto. * **Escalabilidad:** Si planeas procesar muchas páginas web, considera usar un framework asíncrono como `asyncio` y `aiohttp` para mejorar el rendimiento. También puedes usar una cola de mensajes como RabbitMQ o Kafka para distribuir el trabajo entre varios servidores. * **Seguridad:** Si vas a exponer este servidor a Internet, asegúrate de implementar medidas de seguridad adecuadas, como la validación de la entrada del usuario y la protección contra ataques de denegación de servicio. * **Optimización para LLMs:** La limpieza del Markdown es importante para los LLMs. Asegúrate de eliminar cualquier ruido innecesario y de estructurar el contenido de manera clara y concisa. Considera agregar metadatos relevantes al Markdown, como el título de la página, la URL y la fecha de extracción. También puedes experimentar con diferentes estilos de Markdown para ver cuál funciona mejor con tu LLM. * **Robots.txt:** Respeta el archivo `robots.txt` del sitio web para evitar rastrear páginas que no están permitidas. Puedes usar la biblioteca `robotparser` para verificar si una URL está permitida antes de extraerla. Este es un punto de partida. La clave para que funcione bien es la adaptación a los sitios web específicos que quieres procesar. ¡Buena suerte!

MCP Redmine

Conecta Claude Desktop a Redmine para una gestión de proyectos y problemas fluida, incluyendo la búsqueda, creación, actualización y seguimiento de tareas utilizando la API de Redmine.

Overseerr MCP Server

Permite que Claude interactúe con Overseerr, lo que permite a los usuarios buscar, solicitar y administrar contenido multimedia para su biblioteca de Plex a través del lenguaje natural.