Discover Awesome MCP Servers

MCP Connect Client CLI

MCP Connect is a versatile command-line interface (CLI) client designed to connect to various Model Context Protocol (MCP) servers using stdio transport. It provides seamless integration with OpenAI models and supports dynamic tool and resource management across multiple servers.

Quarkus + MCP = Agentic

Este proyecto utiliza Quarkus y el Protocolo de Contexto de Modelo (Model Context Protocol)] para implementar una aplicación agentic simple usando múltiples servidores MCP y Quarkus + LangChain4j.

TypeScript Definition Finder MCP Server

Un servidor de Protocolo de Contexto de Modelo que ayuda a los editores de código de IA a localizar definiciones de símbolos de TypeScript en bases de código, particularmente útil para encontrar las definiciones originales de símbolos y clases importados.

Anki MCP Server

Conecta Claude Desktop a Anki, permitiendo la recuperación y el análisis de tarjetas etiquetadas como "leech" (sanguijuela) y la adición de etiquetas de revisión a través de solicitudes en lenguaje natural.

Tidymodels MCP Server

Un servidor que proporciona acceso al ecosistema tidymodels de R, permitiendo a los usuarios listar paquetes, buscar funciones, generar plantillas de código y buscar problemas a través de asistentes de IA como Cline.bot y Claude Desktop.

Semgrep

Un servidor MCP que proporciona una interfaz integral a Semgrep, permitiendo a los usuarios escanear código en busca de vulnerabilidades de seguridad, crear reglas personalizadas y analizar los resultados del escaneo a través del Protocolo de Contexto del Modelo.

[p]rog[mo]

Experimental project to create an MCP agent to help with coding

GitHub Notifications MCP Server

Un servidor MCP que permite a asistentes de IA como Claude ayudar a los usuarios a gestionar sus notificaciones de GitHub a través de comandos en lenguaje natural.

Starrocks Official MCP server

Mirror of

mcp-yahoo-finance

There isn't a direct "MCP server" specifically designed for Yahoo Finance. "MCP" likely refers to a **Message Control Protocol** or something similar, implying a system for managing and distributing data. To get data from Yahoo Finance programmatically, you would typically use an **API (Application Programming Interface)**. Here's how you'd approach it, and what might be meant by "MCP" in this context: **1. Using the Yahoo Finance API (or Alternatives):** * **Yahoo Finance API (Unofficial):** Yahoo officially discontinued their public API years ago. However, there are *unofficial* APIs and libraries built by the community that scrape data from the Yahoo Finance website. These are prone to breaking if Yahoo changes its website structure. Examples include: * `yfinance` (Python library): A popular Python library for accessing Yahoo Finance data. It's relatively easy to use. * Other scraping libraries (Beautiful Soup, Scrapy in Python, etc.): You could write your own scraper, but this is more complex and requires constant maintenance. * **Alternative APIs:** Consider using a paid financial data API from providers like: * **Alpha Vantage:** Offers a free tier with limitations and paid plans for more data. * **IEX Cloud:** Another popular option with a free tier and paid plans. * **Financial Modeling Prep:** Provides a wide range of financial data. * **Polygon.io:** Focuses on real-time and historical stock market data. **2. "MCP" in the Context of Data Distribution:** If you're thinking of "MCP" as a way to *manage* and *distribute* the data you get from Yahoo Finance (or another API), then you're talking about building your own data pipeline. Here's how that might work: * **Data Acquisition:** Your script (using `yfinance` or another API) fetches data from Yahoo Finance. * **Data Processing:** You clean, transform, and format the data as needed. * **Data Storage:** You store the data in a database (e.g., MySQL, PostgreSQL, MongoDB) or a data warehouse. * **Data Distribution (the "MCP" part):** You create a system to make the data available to other applications or users. This could involve: * **A custom API:** You build your own API that clients can query to get the data. This is the most common approach. * **Message Queue (e.g., RabbitMQ, Kafka):** You publish data to a message queue, and other applications subscribe to the queue to receive updates. This is good for real-time or near-real-time data. * **Shared Database:** Other applications can directly query the database where you store the data. This is simpler but can create performance issues if many applications are accessing the database at the same time. * **File-based distribution (e.g., CSV, JSON):** You periodically generate files containing the data and make them available for download. **Example (Python with `yfinance` and a simple API):** ```python import yfinance as yf from flask import Flask, jsonify app = Flask(__name__) @app.route('/stock/<ticker>') def get_stock_data(ticker): try: data = yf.Ticker(ticker).history(period="1d") # Get 1 day of data if data.empty: return jsonify({"error": "No data found for ticker"}), 404 return jsonify(data.to_dict(orient="records")) except Exception as e: return jsonify({"error": str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **Explanation of the Python Example:** 1. **`yfinance`:** Fetches data from Yahoo Finance. 2. **`Flask`:** Creates a simple web API. 3. **`/stock/<ticker>`:** An API endpoint that takes a stock ticker symbol as input. 4. **`yf.Ticker(ticker).history(period="1d")`:** Gets the historical data for the specified ticker for the last day. 5. **`jsonify()`:** Converts the data to JSON format. **To summarize:** * There's no pre-built "MCP server" for Yahoo Finance. * You'll likely use an API (unofficial Yahoo Finance API or a paid alternative) to get the data. * If you need to manage and distribute the data, you'll need to build your own data pipeline, which might involve a custom API, message queue, or other distribution mechanism. **Translation to Spanish:** No existe un "servidor MCP" directamente diseñado para Yahoo Finance. "MCP" probablemente se refiere a un "Protocolo de Control de Mensajes" o algo similar, lo que implica un sistema para administrar y distribuir datos. Para obtener datos de Yahoo Finance programáticamente, normalmente usarías una **API (Interfaz de Programación de Aplicaciones)**. Así es como lo abordarías, y lo que podría significar "MCP" en este contexto: **1. Usando la API de Yahoo Finance (o alternativas):** * **API de Yahoo Finance (no oficial):** Yahoo descontinuó oficialmente su API pública hace años. Sin embargo, existen APIs *no oficiales* y bibliotecas creadas por la comunidad que extraen datos del sitio web de Yahoo Finance. Estas son propensas a fallar si Yahoo cambia la estructura de su sitio web. Los ejemplos incluyen: * `yfinance` (biblioteca de Python): Una biblioteca popular de Python para acceder a los datos de Yahoo Finance. Es relativamente fácil de usar. * Otras bibliotecas de scraping (Beautiful Soup, Scrapy en Python, etc.): Podrías escribir tu propio scraper, pero esto es más complejo y requiere mantenimiento constante. * **APIs alternativas:** Considera usar una API de datos financieros de pago de proveedores como: * **Alpha Vantage:** Ofrece un nivel gratuito con limitaciones y planes de pago para obtener más datos. * **IEX Cloud:** Otra opción popular con un nivel gratuito y planes de pago. * **Financial Modeling Prep:** Proporciona una amplia gama de datos financieros. * **Polygon.io:** Se centra en datos del mercado de valores en tiempo real e históricos. **2. "MCP" en el contexto de la distribución de datos:** Si estás pensando en "MCP" como una forma de *administrar* y *distribuir* los datos que obtienes de Yahoo Finance (u otra API), entonces estás hablando de construir tu propio pipeline de datos. Así es como podría funcionar: * **Adquisición de datos:** Tu script (usando `yfinance` u otra API) obtiene datos de Yahoo Finance. * **Procesamiento de datos:** Limpias, transformas y formateas los datos según sea necesario. * **Almacenamiento de datos:** Almacenas los datos en una base de datos (por ejemplo, MySQL, PostgreSQL, MongoDB) o en un almacén de datos. * **Distribución de datos (la parte "MCP"):** Creas un sistema para que los datos estén disponibles para otras aplicaciones o usuarios. Esto podría implicar: * **Una API personalizada:** Construyes tu propia API que los clientes pueden consultar para obtener los datos. Este es el enfoque más común. * **Cola de mensajes (por ejemplo, RabbitMQ, Kafka):** Publicas datos en una cola de mensajes y otras aplicaciones se suscriben a la cola para recibir actualizaciones. Esto es bueno para datos en tiempo real o casi en tiempo real. * **Base de datos compartida:** Otras aplicaciones pueden consultar directamente la base de datos donde almacenas los datos. Esto es más simple, pero puede crear problemas de rendimiento si muchas aplicaciones acceden a la base de datos al mismo tiempo. * **Distribución basada en archivos (por ejemplo, CSV, JSON):** Generas periódicamente archivos que contienen los datos y los pones a disposición para su descarga. **Ejemplo (Python con `yfinance` y una API simple):** ```python import yfinance as yf from flask import Flask, jsonify app = Flask(__name__) @app.route('/stock/<ticker>') def get_stock_data(ticker): try: data = yf.Ticker(ticker).history(period="1d") # Obtener 1 día de datos if data.empty: return jsonify({"error": "No se encontraron datos para el ticker"}), 404 return jsonify(data.to_dict(orient="records")) except Exception as e: return jsonify({"error": str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **Explicación del ejemplo de Python:** 1. **`yfinance`:** Obtiene datos de Yahoo Finance. 2. **`Flask`:** Crea una API web simple. 3. **`/stock/<ticker>`:** Un punto final de la API que toma un símbolo de cotización de acciones como entrada. 4. **`yf.Ticker(ticker).history(period="1d")`:** Obtiene los datos históricos para el ticker especificado durante el último día. 5. **`jsonify()`:** Convierte los datos al formato JSON. **En resumen:** * No existe un "servidor MCP" preconstruido para Yahoo Finance. * Es probable que uses una API (API no oficial de Yahoo Finance o una alternativa de pago) para obtener los datos. * Si necesitas administrar y distribuir los datos, deberás construir tu propio pipeline de datos, lo que podría implicar una API personalizada, una cola de mensajes u otro mecanismo de distribución.

mcp-server-bluesky

MCP server for interacting with Bluesky

YouTube MCP Server

Permite que los modelos de lenguaje de IA interactúen con el contenido de YouTube a través de una interfaz estandarizada, proporcionando herramientas para recuperar información de videos, transcripciones, análisis de canales y análisis de tendencias.

Baidu Map

百度地图核心API现已全面兼容MCP协议，是国内首家兼容MCP协议的地图服务商。

Hypefury MCP Server

Servidor MCP de HF

Weights & Biases MCP Server

A collection of MCP (Model Context Protocol) tools and examples for wandb and weave

MCP Server - JavaScript SDK

Un SDK no oficial de JavaScript para crear servidores personalizados para el Protocolo de Contexto de Modelo, que permite la definición de prompts, recursos y herramientas para interacciones personalizadas.

MCP Server

Mission Control Protocol (MCP) server for GitHub and Windsurf integration

Axe Handle Project

An MCP server server

LND MCP Server

Un Protocolo de Contexto de Modelo (MCP) para consultar datos de nodos de la red Lightning (LND) utilizando lenguaje natural.

MCP Server Runner

Cursor extension to store MCP server configurations and run them

Snowflake MCP Service

Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona acceso a bases de datos Snowflake para cualquier cliente compatible con MCP, permitiendo la ejecución de consultas SQL con gestión automática de conexiones.

Model Context Protocol (MCP) Schema for Rust

A type-safe implementation of the official Model Context Protocol (MCP) schema in Rust.

Krep MCP Server

Una utilidad de búsqueda de cadenas de alto rendimiento con integración del Protocolo de Contexto de Modelo que permite a los asistentes de IA realizar búsquedas de patrones eficientes en archivos y cadenas de texto.

eRegulations MCP Server

Una implementación de servidor del Protocolo de Contexto de Modelo que proporciona acceso estructurado y amigable para la IA a los datos de eRegulations, facilitando que los modelos de IA respondan a las preguntas de los usuarios sobre los procedimientos administrativos.