Discover Awesome MCP Servers

Gmail MCP Server

Un servidor de Protocolo de Contexto de Modelo de Gmail para una integración fluida con asistentes de IA.

Spring AI MCP Server

Here are a few options for translating "스프링부트와 AI를 활용한 엑셀, PPT 생성 서버" depending on the nuance you want to convey: **Option 1 (Most Direct):** * **Servidor de generación de Excel y PPT utilizando Spring Boot e IA.** (This is a very literal and straightforward translation.) **Option 2 (Slightly More Natural):** * **Servidor para la generación de Excel y PPT con Spring Boot e IA.** (This emphasizes the server's *purpose*.) **Option 3 (Emphasizing "Leveraging"):** * **Servidor de generación de Excel y PPT que aprovecha Spring Boot e IA.** (This highlights the *use* of Spring Boot and AI.) **Option 4 (More Descriptive):** * **Servidor basado en Spring Boot para la generación de archivos Excel y PPT, impulsado por IA.** (This is a more descriptive translation, emphasizing that the server is *based on* Spring Boot and *powered by* AI.) **Which one is best depends on the context.** If you want a simple, direct translation, Option 1 is fine. If you want to emphasize the server's purpose, Option 2 is better. If you want to highlight the use of Spring Boot and AI, Option 3 is a good choice. Option 4 is suitable if you want a more descriptive and detailed translation.

MCP FishAudio Server

An MCP (Model Context Protocol) server that provides seamless integration between Fish Audio's Text-to-Speech API and LLMs like Claude, enabling natural language-driven speech synthesis.

UniProt MCP Server

Un servidor MCP que permite a los modelos de lenguaje obtener información de proteínas de la base de datos UniProt, incluyendo detalles de proteínas, secuencias, funciones y estructuras.

MCP Security Analyst

Un servidor MCP (Protocolo de Contexto de Modelo) para permitir revisiones de seguridad del código utilizando

Context Manager MCP Server

Una implementación de servidor del Protocolo de Contexto del Modelo (MCP) para gestionar el flujo de trabajo de desarrollo con funciones como gestión de proyectos, seguimiento de tareas y soporte para la revisión de control de calidad.

WebSearch

Construido como un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona capacidades avanzadas de búsqueda web, extracción de contenido, rastreo web y "scraping" utilizando la API de Firecrawl.

MCP Server for Slack

Una implementación de servidor del Protocolo de Contexto de Modelo que permite a los asistentes de IA interactuar con espacios de trabajo de Slack, permitiéndoles explorar canales, enviar mensajes, responder a hilos, añadir reacciones y recuperar información de usuarios.

Remote MCP Server Authless

A tool that deploys an authentication-free Model Context Protocol server on Cloudflare Workers, allowing you to create and access custom AI tools from the Cloudflare AI Playground or Claude Desktop.

File Finder MCP Server

Permite la búsqueda de archivos por fragmentos de nombre a través de JSON-RPC o una API REST HTTP, con opciones para uso directo o integración con otras herramientas como VS Code.

Gallabox MCP Server

Implementación de un servidor de Protocolo de Contexto de Modelo (MCP) para las APIs de WhatsApp de Gallabox. Este servidor actúa como un middleware entre los clientes MCP y la API de Gallabox, proporcionando una interfaz estandarizada para enviar mensajes de WhatsApp.

MCP Server

Repositorio de desarrollo para el servidor MCP (Protocolo de Comunicación Gestionada).

ADLS2 MCP Server 🚀

Servidor MCP de Microsoft Azure Data Lake Storage

Clickzetta MCP Server

Un servidor de Protocolo de Contexto de Modelo que permite la interacción con la base de datos Clickzetta, permitiendo a los usuarios ejecutar consultas SQL, administrar tablas y mantener una nota actualizada dinámicamente de las ideas obtenidas de los datos.

Texas Holdem MCP Server

Un servidor de Protocolo de Contexto de Modelo (MCP) que permite a agentes de IA jugar partidas de póquer Texas Hold'em a través de una interfaz de cliente MCP.

MCP Server TypeScript Starter

Aquí tienes una plantilla inicial para crear un servidor de Protocolo de Contexto de Modelo (MCP) usando TypeScript: ```typescript // Importa las bibliotecas necesarias import { Server, ServerCredentials } from '@grpc/grpc-js'; import { ModelContextService } from './generated/model_context_grpc_pb'; // Reemplaza con la ruta correcta import { IModelContextServer } from './generated/model_context_grpc_pb'; // Reemplaza con la ruta correcta import { ModelRequest, ModelResponse } from './generated/model_context_pb'; // Reemplaza con la ruta correcta // Implementa la interfaz del servidor MCP class ModelContextServer implements IModelContextServer { // Implementa el método de inferencia async infer(call: any, callback: any): Promise<void> { const request: ModelRequest = call.request; // Lógica de inferencia del modelo aquí // ... const response: ModelResponse = new ModelResponse(); // Configura la respuesta // response.setResult(...); callback(null, response); // null indica que no hay error } // Implementa el método de información del modelo (opcional) async getModelInfo(call: any, callback: any): Promise<void> { // Lógica para obtener información del modelo aquí // ... // Ejemplo de respuesta (ajusta según tus necesidades) const response = { name: "MiModelo", version: "1.0", inputs: [], // Define las entradas del modelo outputs: [] // Define las salidas del modelo }; callback(null, response); } } // Función principal para iniciar el servidor function main() { const server = new Server(); server.addService(ModelContextService, new ModelContextServer()); const port = 50051; // Elige un puerto server.bindAsync(`0.0.0.0:${port}`, ServerCredentials.createInsecure(), (err, port) => { if (err) { console.error(`Error al iniciar el servidor: ${err.message}`); return; } server.start(); console.log(`Servidor MCP escuchando en el puerto ${port}`); }); } // Inicia el servidor main(); ``` **Explicación:** 1. **Importaciones:** - `@grpc/grpc-js`: La biblioteca gRPC para JavaScript/TypeScript. - `model_context_grpc_pb.ts`: Este archivo (y `model_context_pb.ts`) se genera a partir de tu definición de protocolo (archivo `.proto`). **Debes generar estos archivos usando el compilador `protoc` y el plugin `grpc_tools_node_protoc_ts`.** Consulta la sección "Generación de Código" más abajo. - `ModelRequest`, `ModelResponse`: Clases generadas a partir de tu definición de protocolo que representan las solicitudes y respuestas. 2. **`ModelContextServer` Class:** - Implementa la interfaz `IModelContextServer` (generada a partir del archivo `.proto`). - **`infer(call, callback)`:** Este es el método principal donde se realiza la inferencia del modelo. - `call.request`: Contiene la solicitud `ModelRequest` enviada por el cliente. - `callback(error, response)`: Se utiliza para enviar la respuesta `ModelResponse` al cliente. El primer argumento es `null` si no hay error, o un objeto `Error` si ocurre un error. - **`getModelInfo(call, callback)` (Opcional):** Este método proporciona información sobre el modelo (nombre, versión, entradas, salidas, etc.). Es útil para que los clientes descubran las capacidades del modelo. 3. **`main()` Function:** - Crea una instancia de `Server`. - `server.addService()`: Registra el servicio `ModelContextService` con la implementación del servidor `ModelContextServer`. - `server.bindAsync()`: Enlaza el servidor a un puerto específico. `0.0.0.0` significa que el servidor escuchará en todas las interfaces de red. `ServerCredentials.createInsecure()` crea credenciales inseguras (sin TLS). **Para producción, debes usar credenciales seguras (TLS).** - `server.start()`: Inicia el servidor. **Pasos para usar esta plantilla:** 1. **Instala las dependencias:** ```bash npm install @grpc/grpc-js @grpc/proto-loader google-protobuf npm install -D typescript ts-node @types/node ``` 2. **Define tu protocolo (archivo `.proto`):** Crea un archivo llamado `model_context.proto` (o el nombre que prefieras) con la definición de tu servicio y mensajes. Aquí tienes un ejemplo básico: ```protobuf syntax = "proto3"; package model_context; service ModelContext { rpc Infer (ModelRequest) returns (ModelResponse); rpc GetModelInfo (Empty) returns (ModelInfo); // Opcional } message ModelRequest { bytes input_data = 1; // Datos de entrada del modelo } message ModelResponse { bytes result = 1; // Resultado de la inferencia } message ModelInfo { string name = 1; string version = 2; repeated InputInfo inputs = 3; repeated OutputInfo outputs = 4; } message InputInfo { string name = 1; string type = 2; repeated int32 shape = 3; } message OutputInfo { string name = 1; string type = 2; repeated int32 shape = 3; } message Empty {} // Mensaje vacío para GetModelInfo ``` 3. **Generación de Código:** Usa el compilador `protoc` y el plugin `grpc_tools_node_protoc_ts` para generar los archivos TypeScript a partir del archivo `.proto`. Necesitarás instalar `grpc-tools`: ```bash npm install -g grpc-tools ``` Luego, ejecuta el siguiente comando (ajusta las rutas según tu configuración): ```bash protoc --plugin=protoc-gen-ts=./node_modules/.bin/protoc-gen-ts --js_out=import_style=commonjs,binary:. --grpc_out=grpc_js:. --ts_out=. model_context.proto ``` Esto generará los archivos `model_context_pb.js`, `model_context_grpc_pb.js`, `model_context_pb.d.ts`, y `model_context_grpc_pb.d.ts`. Puedes renombrar los archivos `.js` a `.ts` si prefieres usar módulos ES. **Importante:** Asegúrate de que la ruta a `protoc-gen-ts` sea correcta. Si tienes problemas, puedes intentar usar la ruta absoluta. 4. **Crea el archivo `index.ts` (o el nombre que prefieras) y pega el código de la plantilla.** 5. **Implementa la lógica de inferencia:** Reemplaza el comentario `// Lógica de inferencia del modelo aquí` en el método `infer()` con el código que carga tu modelo y realiza la inferencia. Esto dependerá del tipo de modelo que estés utilizando (TensorFlow, PyTorch, etc.). 6. **Configura la respuesta:** Configura el objeto `ModelResponse` con el resultado de la inferencia. Asegúrate de que el tipo de datos del resultado coincida con la definición en tu archivo `.proto`. 7. **Implementa `getModelInfo()` (opcional):** Si deseas proporcionar información sobre el modelo, implementa el método `getModelInfo()`. 8. **Compila y ejecuta el servidor:** ```bash npx tsc node index.js ``` **Consideraciones adicionales:** * **Manejo de errores:** Implementa un manejo de errores adecuado en los métodos `infer()` y `getModelInfo()`. Envía un error al cliente usando `callback(error, null)` si ocurre un error. * **Credenciales seguras (TLS):** Para producción, usa credenciales seguras (TLS) para proteger la comunicación entre el cliente y el servidor. Consulta la documentación de gRPC para obtener más información. * **Logging:** Implementa logging para registrar eventos importantes, como solicitudes, errores y el inicio/detención del servidor. * **Validación de entrada:** Valida los datos de entrada en el método `infer()` para asegurarte de que sean válidos y seguros. * **Escalabilidad:** Si necesitas manejar un gran volumen de solicitudes, considera usar un balanceador de carga y ejecutar múltiples instancias del servidor. * **Tipos de datos:** Asegúrate de que los tipos de datos en tu archivo `.proto` coincidan con los tipos de datos que utiliza tu modelo. * **Streaming:** gRPC también admite streaming, lo que puede ser útil para modelos que procesan grandes cantidades de datos. Este es un punto de partida. Necesitarás adaptar esta plantilla a tus necesidades específicas. Recuerda consultar la documentación de gRPC y el compilador `protoc` para obtener más información.

AgenticProductSearching

Búsqueda de Productos Agéntica que contiene Servidor MCP / DB / Fast API / SDK de Agente OpenAI

Spotify MCP Server

Conecta a Claude con Spotify para controlar la reproducción, buscar música, obtener información de las canciones y administrar la cola a través de la conversación.

GitLab MCP Server

Provides GitLab integration for AI assistants using Model Context Protocol, enabling repository operations, file management, issue tracking, merge requests, and branch/tag administration through natural language.

Create MCP

A CLI tool that sets up a Model Control Protocol server and deploys it to Cloudflare Workers, allowing you to quickly create custom tools for your Cursor Agent just by writing TypeScript functions.

calendar-mcp

calendar-mcp

kbg-viewer

Un componente personalizado de Vue.js para visualizar gráficos de bases de conocimiento generados a partir de servidores de memoria MCP.

DeepResearch MCP

A powerful research assistant that conducts intelligent, iterative research through web searches, analysis, and comprehensive report generation on any topic.

Knowledge Graph Memory Server

Servidor MCP independiente para habilitar la memoria para Claude a través de un grafo de conocimiento.

General MCP Server

A comprehensive Model Context Protocol server that enables AI assistants to search and retrieve content from Reddit, YouTube, and Twitter through simple API calls.