Discover Awesome MCP Servers

Cloudflare Remote MCP Server (Authless)

A template for deploying custom MCP servers on Cloudflare Workers without authentication. Allows you to create and expose custom tools that can be accessed from remote MCP clients like Claude Desktop or Cloudflare AI Playground.

Remote MCP Server Authless

A deployable MCP server on Cloudflare Workers that allows you to create and expose custom tools to AI assistants without requiring authentication.

Aerith Admin MCP Server

Implementa un flujo de trabajo de desarrollo inspirado en MANUS para aplicaciones de panel de control RBAC con capacidades de automatización del navegador, diseñado para ser accedido por la integración MCP de Cursor IDE.

poof-mcp

An MCP server that enables AI agents to control the macOS Terminal.app using AppleScript and the zmx session manager. It allows agents to send keystrokes, type text, and capture screen output in real-time.

Giphy MCP Server

An MCP (Multi-Agent Conversation Protocol) Server that enables interaction with the Giphy API, allowing users to search, retrieve, and manipulate GIF content through natural language commands.

MCP Router

MCP Router: Una interfaz web para orquestar servidores MCP con integración del framework de agente Upsonic.

Esp Mcp

Esto es solo una prueba de concepto de MCP. Tal como lo veo, hay mucho que se puede hacer para que sea más útil con dispositivos integrados, asistentes domésticos o documentación. Si tienes alguna idea, podemos discutirlas en los "issues".

Power BI MCP Server

Enables AI assistants to programmatically manage Power BI workspaces, reports, and dashboards while executing DAX queries and triggering dataset refreshes. It supports secure OAuth2 authentication for operations like report exporting, workspace management, and real-time push dataset updates.

Microsoft Project MCP Server by CData

Microsoft Project MCP Server by CData

Interactive Feedback MCP

A Node.js MCP server that enables human-in-the-loop workflow for AI development tools, allowing users to run commands, view output, and provide textual feedback directly to AI assistants.

FastAPI MCP Server

Wraps a FastAPI application as an MCP server, enabling user and task management operations through Gemini CLI tool calling with full CRUD functionality.

Appointment Scheduler MCP Server

Enables scheduling and managing appointments through a PostgreSQL database, allowing users to create appointments with name, identification, phone number, and date information via natural language interactions.

DOCX MCP Server

A comprehensive Model Context Protocol server that processes Microsoft Word documents with full formatting support, enabling text extraction, HTML/Markdown conversion, structure analysis, and image extraction.

Gong MCP Server

Provides access to Gong.io sales conversation data, enabling users to query calls, retrieve transcripts, list users, and search calls with date filtering and pagination.

TrendRadar

A real-time news and hot spot aggregation server that monitors multiple platforms like Weibo, Zhihu, and Bilibili. It enables AI assistants to fetch, filter, and analyze trending topics through the Model Context Protocol for personalized information tracking.

OpenAI Agents MCP Server

A server that exposes OpenAI agents (web search, file search, computer actions, and multi-agent orchestration) through the Model Context Protocol, making them accessible to any MCP client including Claude Desktop.

Fusebase MCP Server

Enables AI assistants to manage Fusebase workspaces by providing 46 tools for handling pages, tasks, folders, and organizational administration. It features a two-tier tool system and secure session management using reverse-engineered internal endpoints.

MCP API Tools

FastAPI server with Google Gemini AI integration that provides auto-routing to multiple tools including weather, news, web search, dictionary, and quotes APIs through natural language prompts.

CCXT MCP Server: Empowering AI Trading Strategies

CCXT MCP Server cierra la brecha entre los modelos de IA y el comercio de criptomonedas al proporcionar una interfaz estandarizada a través del Protocolo de Contexto del Modelo. Creada para potenciar las estrategias de comercio automatizadas, esta herramienta permite que los asistentes de IA como Claude y GPT interactúen directamente con más de 100 exchanges de criptomonedas sin requerir que los usuarios escriban códi

Remote MCP Server on Cloudflare

Implementación de un servidor del Protocolo de Contexto de Modelos que se ejecuta en Cloudflare Workers con inicio de sesión OAuth, lo que permite a Claude y otros modelos de IA acceder a herramientas a través del estándar MCP.

AppSignal MCP Server

The official AppSignal MCP Server

Splitwise MCP Server

Enables AI assistants to manage Splitwise expenses with atomic duplicate prevention, smart fuzzy matching, and support for flexible split ratios between two people.

Cisco NSO MCP Server

Enables AI-powered network automation through natural language interactions with Cisco NSO, providing access to device management, configuration retrieval, sync operations, and service orchestration via the RESTCONF API.

DeepL MCP Server

Provides translation capabilities using the DeepL API, supporting text translation between numerous languages, rephrasing, batch translation, document translation, and language detection with formality control.

InfluxDB MCP Server

Un servidor de Protocolo de Contexto de Modelo que proporciona acceso seguro y de solo lectura a datos de series temporales almacenados en InfluxDB 1.8 a través de la autenticación JWT.

MCP Server Template 🚀

Aquí tienes una plantilla para construir servidores MCP (Protocolo de Contexto del Modelo) para Claude y otros asistentes de IA: **Título: Plantilla para Servidor MCP (Protocolo de Contexto del Modelo)** **Introducción:** Esta plantilla proporciona una estructura básica para construir un servidor MCP que permita a Claude (u otros asistentes de IA) acceder y utilizar información contextual externa. El Protocolo de Contexto del Modelo (MCP) define una interfaz estandarizada para que los modelos de lenguaje interactúen con fuentes de datos externas, mejorando su capacidad para responder preguntas, generar contenido y realizar tareas con mayor precisión y relevancia. **Componentes Clave:** 1. **API del Servidor MCP:** * **Punto Final Principal:** `/mcp/query` (o similar) * **Método:** `POST` * **Formato de Solicitud (JSON):** ```json { "query": "Pregunta o solicitud del modelo de lenguaje", "context_keys": ["lista", "de", "claves", "opcionales", "para", "filtrar", "el", "contexto"], "model_id": "identificador_del_modelo_de_lenguaje" // Opcional: para manejar diferentes modelos } ``` * **Formato de Respuesta (JSON):** ```json { "context": [ { "key": "clave_identificadora_del_contexto", "content": "Contenido relevante para la consulta", "source": "Fuente del contexto (e.g., base de datos, archivo)", "relevance_score": 0.85 // Opcional: puntuación de relevancia }, { "key": "otra_clave", "content": "Más contenido contextual", "source": "Otra fuente", "relevance_score": 0.92 } ], "metadata": { "processing_time": 0.123, // Opcional: tiempo de procesamiento en segundos "num_results": 2 // Opcional: número de resultados devueltos } } ``` 2. **Gestión de Datos de Contexto:** * **Almacenamiento:** Decide dónde almacenar los datos de contexto. Opciones comunes incluyen: * Bases de datos (SQL, NoSQL) * Almacenamiento de archivos (JSON, CSV, texto) * Bases de datos vectoriales (para búsqueda semántica) * **Indexación:** Implementa un sistema de indexación eficiente para buscar rápidamente el contexto relevante. * **Actualización:** Define un proceso para actualizar y mantener los datos de contexto al día. 3. **Lógica de Búsqueda de Contexto:** * **Algoritmos de Búsqueda:** Implementa algoritmos para encontrar el contexto más relevante para la consulta. Considera: * Búsqueda de palabras clave * Búsqueda semántica (usando incrustaciones de palabras o frases) * Filtrado basado en `context_keys` * **Puntuación de Relevancia:** Asigna una puntuación de relevancia a cada pieza de contexto para ayudar al modelo de lenguaje a priorizar la información más importante. 4. **Autenticación y Autorización (Opcional):** * Implementa mecanismos de autenticación y autorización para controlar el acceso al servidor MCP y a los datos de contexto. 5. **Registro y Monitorización:** * Registra las solicitudes, las respuestas y los errores para monitorizar el rendimiento del servidor MCP y diagnosticar problemas. **Implementación (Ejemplo en Python con Flask):** ```python from flask import Flask, request, jsonify import json app = Flask(__name__) # Simulación de una base de datos de contexto context_data = { "empresa_descripcion": { "content": "Somos una empresa líder en tecnología...", "source": "Base de datos interna" }, "producto_caracteristicas": { "content": "Nuestro producto ofrece características innovadoras...", "source": "Documentación del producto" } } @app.route('/mcp/query', methods=['POST']) def handle_query(): data = request.get_json() query = data.get('query', '') context_keys = data.get('context_keys', []) model_id = data.get('model_id', 'default') # Ejemplo de uso de model_id print(f"Consulta recibida del modelo {model_id}: {query}") # Lógica de búsqueda de contexto (simplificada) relevant_context = [] for key, value in context_data.items(): if not context_keys or key in context_keys: # Filtra por context_keys si se proporcionan relevant_context.append({ "key": key, "content": value["content"], "source": value["source"], "relevance_score": 0.9 # Puntuación fija para este ejemplo }) response = { "context": relevant_context, "metadata": { "processing_time": 0.05, "num_results": len(relevant_context) } } return jsonify(response) if __name__ == '__main__': app.run(debug=True) ``` **Consideraciones Adicionales:** * **Escalabilidad:** Diseña el servidor MCP para que pueda escalar horizontalmente para manejar un gran volumen de solicitudes. * **Seguridad:** Implementa medidas de seguridad para proteger los datos de contexto y el servidor MCP de accesos no autorizados. * **Pruebas:** Escribe pruebas unitarias y de integración para garantizar la calidad y la fiabilidad del servidor MCP. * **Documentación:** Documenta la API del servidor MCP y su configuración para facilitar su uso y mantenimiento. * **Integración con Claude (u otros modelos):** Asegúrate de que el formato de la solicitud y la respuesta del servidor MCP sean compatibles con la API del modelo de lenguaje que estás utilizando. En el caso de Claude, consulta la documentación oficial de Anthropic para conocer los detalles de la integración. **Ejemplo de Uso con Claude (Conceptual):** 1. Claude recibe una pregunta del usuario: "¿Cuál es la descripción de la empresa?" 2. Claude formatea la pregunta y la envía al servidor MCP como una solicitud POST a `/mcp/query`. 3. El servidor MCP busca en su base de datos de contexto y encuentra la descripción de la empresa. 4. El servidor MCP devuelve la descripción de la empresa a Claude en formato JSON. 5. Claude utiliza la descripción de la empresa para generar una respuesta para el usuario. **Conclusión:** Esta plantilla proporciona un punto de partida para construir un servidor MCP robusto y escalable para Claude y otros asistentes de IA. Recuerda adaptar la plantilla a tus necesidades específicas y seguir las mejores prácticas de desarrollo de software. La clave es diseñar un sistema que proporcione información contextual relevante de manera eficiente y segura para mejorar el rendimiento de los modelos de lenguaje.

ElevenLabs MCP Server

Enables seamless integration with ElevenLabs Conversational AI to manage agents, tools, and knowledge base sources. It supports RAG indexing, webhook integration, and document management for building advanced voice-enabled AI agents.

React + TypeScript + Vite

Una prueba para crear un editor de texto simple utilizando el servidor Figma MCP con Cursor. Esta prueba ha consistido en guiar a Cursor paso a paso a través de todos los componentes.

MySQL Database Server

Un servidor de Protocolo de Contexto de Modelo que permite a los modelos de IA interactuar con bases de datos MySQL, proporcionando herramientas para consultar, ejecutar sentencias, listar tablas y describir estructuras de tablas.