Discover Awesome MCP Servers

Yuque MCP Server

Enables searching and retrieving detailed document content from the Yuque platform through its API. It allows AI models to search for documentation and knowledge bases by keywords and access specific document details.

Gemini API with MCP Tool Integration

Agente de IA que recupera datos meteorológicos del servidor MCP para proporcionar pronósticos automatizados. Ideal para la integración en aplicaciones relacionadas con el clima.

Say MCP Server

A Model Context Protocol server that provides real-time voice notifications, utilizing a high-quality voice engine with automatic fallback to system voice.

Voice MCP

Aquí tienes un servidor MCP de voz básico que utiliza Piper: ```python import asyncio import websockets import json import subprocess async def handle_connection(websocket, path): print(f"Nueva conexión desde {websocket.remote_address}") try: async for message in websocket: try: data = json.loads(message) text = data.get("text") if not text: print("Mensaje sin texto recibido.") continue print(f"Texto recibido: {text}") # Ejecutar Piper para generar audio try: process = subprocess.Popen( ["/opt/piper/piper", "--model", "/opt/piper/en_US-lessac-medium.onnx", "--output_file", "/tmp/output.wav"], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE ) process.stdin.write(text.encode("utf-8")) process.stdin.close() process.wait() if process.returncode != 0: error_message = process.stderr.read().decode("utf-8") print(f"Error al ejecutar Piper: {error_message}") await websocket.send(json.dumps({"error": f"Error al ejecutar Piper: {error_message}"})) continue # Leer el archivo WAV generado with open("/tmp/output.wav", "rb") as f: audio_data = f.read() # Enviar los datos de audio al cliente await websocket.send(audio_data) print("Audio enviado.") except FileNotFoundError: print("Piper no encontrado. Asegúrate de que esté instalado y en la ruta correcta.") await websocket.send(json.dumps({"error": "Piper no encontrado."})) except Exception as e: print(f"Error al procesar el audio: {e}") await websocket.send(json.dumps({"error": f"Error al procesar el audio: {e}"})) except json.JSONDecodeError: print("Mensaje JSON inválido recibido.") await websocket.send(json.dumps({"error": "Mensaje JSON inválido."})) except Exception as e: print(f"Error al manejar el mensaje: {e}") finally: # Limpiar el archivo temporal try: subprocess.run(["rm", "/tmp/output.wav"], check=False) except Exception as e: print(f"Error al eliminar el archivo temporal: {e}") except websockets.exceptions.ConnectionClosedError: print(f"Conexión cerrada inesperadamente desde {websocket.remote_address}") except websockets.exceptions.ConnectionClosedOK: print(f"Conexión cerrada correctamente desde {websocket.remote_address}") except Exception as e: print(f"Error en la conexión: {e}") finally: print(f"Conexión con {websocket.remote_address} cerrada.") async def main(): start_server = await websockets.serve(handle_connection, "0.0.0.0", 8765) print("Servidor WebSocket escuchando en ws://0.0.0.0:8765") await asyncio.Future() # Ejecutar el servidor indefinidamente if __name__ == "__main__": asyncio.run(main()) ``` **Explicación:** 1. **Importaciones:** Importa las bibliotecas necesarias: `asyncio` para programación asíncrona, `websockets` para la comunicación WebSocket, `json` para manejar datos JSON y `subprocess` para ejecutar Piper. 2. **`handle_connection(websocket, path)`:** Esta función maneja cada conexión WebSocket individual. * Imprime un mensaje cuando se establece una nueva conexión. * Entra en un bucle asíncrono para recibir mensajes del cliente. * **Manejo de mensajes:** * Intenta decodificar el mensaje como JSON. * Extrae el texto del campo "text" del JSON. * Si no hay texto, imprime un mensaje y continúa. * Imprime el texto recibido. * **Ejecución de Piper:** * Utiliza `subprocess.Popen` para ejecutar Piper. **Asegúrate de que la ruta a `piper` y al modelo `.onnx` sean correctas para tu sistema.** El ejemplo asume que Piper está instalado en `/opt/piper` y el modelo en `/opt/piper/en_US-lessac-medium.onnx`. **Modifica estas rutas según tu configuración.** * Pasa el texto a Piper a través de la entrada estándar (`stdin`). * Especifica el archivo de salida como `/tmp/output.wav`. * Espera a que Piper termine. * Verifica el código de retorno de Piper. Si es diferente de 0, significa que hubo un error. Lee el mensaje de error de la salida de error estándar (`stderr`) y lo envía al cliente. * Lee los datos de audio del archivo `/tmp/output.wav`. * Envía los datos de audio al cliente a través del WebSocket. * Imprime un mensaje indicando que el audio fue enviado. * **Manejo de errores:** * Captura `FileNotFoundError` si Piper no se encuentra. * Captura otras excepciones que puedan ocurrir durante el procesamiento del audio. * Envía mensajes de error al cliente en formato JSON. * **Limpieza:** * Intenta eliminar el archivo temporal `/tmp/output.wav` después de cada mensaje, incluso si hubo un error. * **Manejo de cierre de conexión:** * Captura excepciones relacionadas con el cierre de la conexión WebSocket. * Imprime mensajes indicando el estado de la conexión. * Imprime un mensaje cuando se cierra la conexión. 3. **`main()`:** * Crea un servidor WebSocket que escucha en la dirección `0.0.0.0` (todas las interfaces) y el puerto `8765`. * Imprime un mensaje indicando que el servidor está escuchando. * Utiliza `asyncio.Future()` para mantener el servidor en ejecución indefinidamente. 4. **`if __name__ == "__main__":`:** Asegura que la función `main()` se ejecute solo cuando el script se ejecuta directamente (no cuando se importa como un módulo). **Cómo usarlo:** 1. **Instala las dependencias:** ```bash pip install websockets ``` 2. **Instala Piper:** Sigue las instrucciones de instalación de Piper en su repositorio de GitHub: [https://github.com/rhasspy/piper](https://github.com/rhasspy/piper). Asegúrate de descargar un modelo `.onnx` y saber dónde está ubicado. 3. **Modifica el script:** * Cambia las rutas a `piper` y al modelo `.onnx` en la línea `subprocess.Popen` para que coincidan con tu instalación. 4. **Ejecuta el servidor:** ```bash python tu_script.py ``` 5. **Crea un cliente WebSocket:** Necesitarás un cliente WebSocket para conectarte al servidor y enviarle texto. Aquí tienes un ejemplo básico en JavaScript: ```javascript const websocket = new WebSocket("ws://localhost:8765"); websocket.onopen = () => { console.log("Conectado al servidor WebSocket"); const text = "Hola, mundo. Esto es una prueba de Piper."; websocket.send(JSON.stringify({ text: text })); }; websocket.onmessage = (event) => { if (event.data instanceof Blob) { // Recibido audio como Blob const audioBlob = event.data; const audioUrl = URL.createObjectURL(audioBlob); const audio = new Audio(audioUrl); audio.play(); } else { // Recibido mensaje de texto (error) console.error("Error del servidor:", event.data); } }; websocket.onclose = () => { console.log("Conexión cerrada"); }; websocket.onerror = (error) => { console.error("Error de WebSocket:", error); }; ``` Guarda este código como un archivo HTML (por ejemplo, `cliente.html`) y ábrelo en tu navegador. **Puntos importantes:** * **Seguridad:** Este código es un ejemplo básico y no incluye ninguna medida de seguridad. Si vas a usarlo en un entorno de producción, debes agregar autenticación, autorización y otras medidas de seguridad. * **Manejo de errores:** El manejo de errores es básico. Debes mejorarlo para que sea más robusto y proporcione información más útil. * **Rendimiento:** Para un uso intensivo, considera optimizar el rendimiento, por ejemplo, utilizando un pool de procesos para ejecutar Piper. * **Rutas:** Asegúrate de que las rutas a `piper` y al modelo `.onnx` sean correctas. * **Dependencias:** Asegúrate de tener Piper instalado y configurado correctamente. * **Formato de audio:** El cliente asume que el audio se recibe como un Blob. Si Piper genera un formato diferente, deberás ajustar el código del cliente. * **Librerías:** Considera usar librerías más robustas para el manejo de audio en el cliente, como `Web Audio API`. Este es un punto de partida. Puedes expandirlo y adaptarlo a tus necesidades. Recuerda revisar la documentación de `websockets` y `piper` para obtener más información.

A2A MCP Server

An MCP server that enables Claude to interact with A2A-compatible agents by providing tools to fetch agent cards, retrieve stored cards, and send messages to specific agents.

Google Drive MCP Server

A server that provides a Machine Control Protocol (MCP) interface to search, access, and interact with Google Drive files and folders, enabling AI assistants to work with Google Drive content.

Remote MCP Server on Cloudflare

Enables deployment of MCP servers on Cloudflare Workers with OAuth authentication and remote connectivity. Provides a template for creating cloud-hosted MCP servers that can be accessed by Claude Desktop and other MCP clients over HTTP/SSE.

DateTime MCP Server

Provides timezone-aware date and time information with configurable time formats and timezone support. Enables users to get current date and time in their preferred timezone and format through simple MCP tools.

mcp-server-test

Prueba del servidor MCP.

Skulabs MCP Server

Enables AI agents to interact with Skulabs inventory management system through comprehensive tools for managing products, orders, customers, and analytics. Supports voice agents like Retell AI and desktop applications like Claude for natural language inventory operations.

MCP Presidio

An MCP server that enables LLMs to detect and anonymize over 25 types of Personally Identifiable Information (PII) using Microsoft Presidio. It supports various redaction strategies and can process both plain text and structured data to help ensure data privacy.

Research MCP

Enables LLMs to search, analyze, and summarize academic research papers in real-time from arXiv, Semantic Scholar, and PubMed. Provides automatic deduplication, citation analysis, and BibTeX generation across multiple research databases.

MCP Google Apps Script (GAS) Server

Bridges AI assistants with Google Apps Script to enable automated building, managing, and deploying of Google Workspace projects. It features a Unix-inspired command interface, local development synchronization, and a production deployment pipeline.

mcp-server

Un servidor MCP para InterviewReady

LibraryMcpServer

Okay, I understand. Please provide the English text you want me to translate to Spanish. I will do my best to provide an accurate and helpful translation, keeping in mind the technical context of C++ Standards committee discussions. To help me give you the best translation, please also consider providing: * **Context:** A brief explanation of what the text is about. This helps me choose the most appropriate terminology. * **Intended Audience:** Who will be reading the Spanish translation? (e.g., native Spanish speakers with C++ expertise, a more general audience). * **Specific Concerns:** Are there any specific words or phrases you're worried about translating correctly? I look forward to helping you!

Face-ID Photo Fusion MCP Server

A server that integrates with Claude to merge facial images with ID photo backgrounds using ComfyUI, allowing users to seamlessly replace faces in identity documents through natural language commands.

Flyworks MCP

A Model Context Protocol server that enables fast and free lipsync video creation for a wide range of digital avatars, supporting both audio and text inputs to generate synchronized lip movements.

Tavily Search

Este servidor MCP realiza búsquedas multi-tema en negocios, noticias, finanzas y política utilizando la API de Tavily, proporcionando fuentes de alta calidad y resúmenes inteligentes.

Bridgecontext

BridgeContext is a productivity tool designed to capture and transfer conversational context between different AI platforms (like ChatGPT, Claude, and Gemini) to improve workflow continuity.

Altary MCP Server

Enables Claude to integrate with Altary error management service for retrieving, analyzing, and completing errors directly within the IDE. Supports project management, AI-powered error analysis, and automated completion of similar errors through similarity detection.

Chess

An MCP server that provides chess FEN (Forsyth Edwards Notation) symbol validation and ASCII board visualization capabilities, which can be easily integrated into MCP compatible AI assistants.

Cloud Vision API MCP Server

An MCP (Multi-Agent Conversation Protocol) Server that provides a standardized interface for interacting with Google's Cloud Vision API, enabling AI agents to analyze images and extract visual information through natural language.

Enhanced PubMed MCP Server

A Node.js implementation that provides tools for advanced PubMed searching, including full abstract retrieval and PMC full-text search within open access articles. It features SQLite-backed search history and allows users to filter results by MeSH terms and specific publication dates.

mcp-cursor

Un servidor MCP para enviar prompts al IDE de Cursor.

LittleSis MCP

Provide access to the LittleSis API to track corporate power and accountability. Enable querying and exploring relationships and entities related to corporate influence. Facilitate integration of corporate data into LLM applications for enhanced context and insights.

GonMCPtool

Un kit de herramientas basado en TypeScript para el Protocolo de Contexto de Modelos que permite a la IA interactuar con archivos de código, gestionar traducciones, construir proyectos y buscar archivos y contenido de código.

Logseq MCP Server

Enables AI assistants to interact with your local Logseq knowledge base through advanced search, content creation, template management, and knowledge organization with privacy-first, local-only operations.

JLCPCB Parts MCP Server

A server that assists users in finding electronic components compatible with JLCPCB PCBA services through a searchable interface with filtering capabilities.