Discover Awesome MCP Servers

ethereum-tools

Un conjunto de herramientas integral para el análisis de la cadena de bloques de Ethereum dentro de Claude AI, que permite la auditoría de contratos, el análisis de billeteras, el seguimiento de la rentabilidad y la recuperación de datos en la cadena.

Hi-AI

A simple AI development tool that helps users interact with AI through natural language commands, offering 29 tools across thinking, memory, browser, code quality, planning, and time management capabilities.

ZenML MCP Server

Un servidor que implementa el Protocolo de Contexto del Modelo (Model Context Protocol) que permite a los LLMs interactuar con la plataforma ZenML, proporcionando acceso a datos de pipelines, información de la pila (stack) y la capacidad de activar nuevas ejecuciones de pipelines.

Aiyogg_tinypng Mcp Server

Espejo de

Airbnb MCP Server

Permite buscar anuncios de Airbnb y obtener información detallada sobre alojamientos con enlaces directos a las páginas de Airbnb.

ROS MCP Server

Facilitates robotic movement control by providing functions that enable precise manipulation of linear and angular velocities through natural language commands, compatible with both ROS and ROS2.

Scansca - MCP Database Connector (under-development)

Servidor MCP para bases de datos principales

MCP Replicate FLUX

A Model Context Protocol server that generates images using Replicate's FLUX model and stores them in Cloudflare R2, allowing users to create images through simple prompts and retrieve accessible URLs.

Firebase Realtime Database

Firebase Realtime Database

mcp-task

Here are a few options for translating "MCP server demoing task management," depending on the specific context you want to convey: **Option 1 (Most General):** * **Spanish:** Demostración de un servidor MCP que muestra la gestión de tareas. * This is a straightforward translation. **Option 2 (More Technical):** * **Spanish:** Demostración de un servidor MCP que demuestra la administración de tareas. * "Administración" is a more formal and technical term for "management." **Option 3 (Focus on Functionality):** * **Spanish:** Demostración de un servidor MCP para la gestión de tareas. * This emphasizes the server's purpose. **Option 4 (If "demoing" means "demonstrating the capabilities of"):** * **Spanish:** Demostración de las capacidades de gestión de tareas de un servidor MCP. * This focuses on the server's capabilities. **Which option is best depends on the specific context. Consider:** * **Your audience:** Are they technical or non-technical? * **The purpose of the translation:** Are you trying to be precise or just give a general idea? I would lean towards **Option 1** or **Option 2** unless you have a specific reason to choose one of the others.

Resource Settings MCP Server

An MCP Server that provides a natural language interface to Google Cloud Resource Settings API, enabling users to view and manage settings for Google Cloud resources through conversation.

Opentrons MCP Server

A server that provides both comprehensive API documentation and direct robot control capabilities for Opentrons Flex and OT-2 robots, enabling users to manage protocols, control runs, and monitor robot health through natural language.

MCP Server TypeScript Template

Aquí tienes una plantilla de TypeScript para crear servidores del Protocolo de Contexto de Modelos que permiten a los modelos de IA utilizar herramientas externas, incluyendo operaciones de ejemplo y una funcionalidad simple de suma de números: ```typescript // Importa las bibliotecas necesarias import express, { Request, Response } from 'express'; import bodyParser from 'body-parser'; // Define la interfaz para una operación interface Operation { name: string; description: string; parameters: { [key: string]: { type: string; description: string } }; execute: (params: { [key: string]: any }) => Promise<any>; } // Define la interfaz para la respuesta del protocolo de contexto del modelo interface ModelContextResponse { result: any; error?: string; } // Define las operaciones disponibles const operations: Operation[] = [ { name: 'add_numbers', description: 'Suma dos números.', parameters: { num1: { type: 'number', description: 'El primer número.' }, num2: { type: 'number', description: 'El segundo número.' }, }, execute: async (params: { num1: number; num2: number }) => { const { num1, num2 } = params; return num1 + num2; }, }, // Agrega más operaciones aquí ]; // Crea la aplicación Express const app = express(); const port = 3000; // Usa middleware para analizar el cuerpo de la solicitud como JSON app.use(bodyParser.json()); // Define el endpoint para el protocolo de contexto del modelo app.post('/execute', async (req: Request, res: Response) => { const { operationName, parameters } = req.body; try { // Encuentra la operación solicitada const operation = operations.find((op) => op.name === operationName); if (!operation) { return res.status(400).json({ error: `Operación no encontrada: ${operationName}` }); } // Valida los parámetros for (const paramName in operation.parameters) { if (!parameters.hasOwnProperty(paramName)) { return res.status(400).json({ error: `Parámetro faltante: ${paramName}` }); } // Puedes agregar validación de tipo aquí si es necesario } // Ejecuta la operación const result = await operation.execute(parameters); // Envía la respuesta const response: ModelContextResponse = { result }; res.json(response); } catch (error: any) { console.error("Error al ejecutar la operación:", error); const response: ModelContextResponse = { result: null, error: error.message || "Error desconocido" }; res.status(500).json(response); } }); // Define el endpoint para obtener la lista de operaciones disponibles app.get('/operations', (req: Request, res: Response) => { const operationList = operations.map(op => ({ name: op.name, description: op.description, parameters: op.parameters })); res.json(operationList); }); // Inicia el servidor app.listen(port, () => { console.log(`Servidor escuchando en el puerto ${port}`); }); ``` **Explicación del código:** * **Importaciones:** Importa las bibliotecas `express` para crear el servidor web, `body-parser` para analizar el cuerpo de las solicitudes JSON. * **Interfaces:** Define las interfaces `Operation` y `ModelContextResponse` para estructurar los datos. `Operation` define la estructura de cada operación que el servidor puede realizar, incluyendo su nombre, descripción, parámetros esperados y la función `execute` que realiza la operación. `ModelContextResponse` define la estructura de la respuesta que el servidor envía al modelo de IA. * **Operaciones:** Define un array `operations` que contiene las operaciones disponibles. En este ejemplo, solo hay una operación: `add_numbers`. Puedes agregar más operaciones a este array. * **Aplicación Express:** Crea una instancia de la aplicación Express y configura el middleware `body-parser` para analizar las solicitudes JSON. * **Endpoint `/execute`:** Define el endpoint principal para ejecutar las operaciones. * Recibe el `operationName` y los `parameters` en el cuerpo de la solicitud. * Busca la operación correspondiente en el array `operations`. * Valida que todos los parámetros requeridos estén presentes. * Ejecuta la operación utilizando los parámetros proporcionados. * Envía una respuesta JSON con el resultado o un error. * **Endpoint `/operations`:** Define un endpoint para obtener la lista de operaciones disponibles. Esto permite al modelo de IA descubrir las capacidades del servidor. * **Inicio del servidor:** Inicia el servidor Express en el puerto especificado. **Cómo usar esta plantilla:** 1. **Instala las dependencias:** ```bash npm install express body-parser @types/express @types/body-parser ``` 2. **Guarda el código:** Guarda el código como un archivo TypeScript (por ejemplo, `server.ts`). 3. **Compila el código:** ```bash tsc server.ts ``` 4. **Ejecuta el servidor:** ```bash node server.js ``` 5. **Envía una solicitud POST a `/execute`:** Puedes usar `curl`, `Postman` o cualquier otra herramienta para enviar una solicitud POST a `http://localhost:3000/execute` con el siguiente cuerpo JSON: ```json { "operationName": "add_numbers", "parameters": { "num1": 5, "num2": 10 } } ``` La respuesta será: ```json { "result": 15 } ``` 6. **Obtén la lista de operaciones:** Envía una solicitud GET a `http://localhost:3000/operations` para obtener la lista de operaciones disponibles. **Consideraciones adicionales:** * **Validación de tipos:** Agrega validación de tipos más robusta para los parámetros de las operaciones. Puedes usar bibliotecas como `zod` o `yup` para definir esquemas de validación. * **Manejo de errores:** Implementa un manejo de errores más detallado y registra los errores para facilitar la depuración. * **Autenticación y autorización:** Si el servidor necesita acceder a recursos protegidos, implementa autenticación y autorización para controlar el acceso a las operaciones. * **Escalabilidad:** Considera la escalabilidad del servidor si esperas un alto volumen de solicitudes. Puedes usar un balanceador de carga y múltiples instancias del servidor. * **Seguridad:** Implementa medidas de seguridad para proteger el servidor contra ataques, como la validación de entrada y la protección contra ataques de inyección. * **Documentación:** Documenta las operaciones disponibles y sus parámetros para que los modelos de IA puedan utilizarlas correctamente. Puedes usar herramientas como Swagger/OpenAPI para generar documentación automáticamente. Esta plantilla proporciona un punto de partida sólido para crear servidores del Protocolo de Contexto de Modelos en TypeScript. Puedes adaptarla y ampliarla para satisfacer las necesidades específicas de tu aplicación.

Query MCP

Permite el acceso al IDE a las bases de datos de Supabase con ejecución de consultas SQL, gestión de esquemas, operaciones de administración de Auth y controles de seguridad integrados para evitar acciones destructivas accidentales.

Coreflux MCP Server

Conecta a Claude y otros asistentes de IA compatibles con MCP a un broker MQTT de Coreflux, permitiéndoles descubrir y ejecutar comandos de Coreflux para gestionar modelos, acciones, reglas y rutas a través del lenguaje natural.

Cal Server

Un calculador de expresiones matemáticas que procesa expresiones ingresadas por el usuario y devuelve los resultados calculados, admitiendo operaciones básicas y constantes integradas como PI y E.

TaxJar MCP Server by CData

This project builds a read-only MCP server. For full read, write, update, delete, and action capabilities and a simplified setup, check out our free CData MCP Server for TaxJar (beta): https://www.cdata.com/download/download.aspx?sku=JTZK-V&type=beta

MCP Obsidian Docker

Versión Dockerizada del servidor MCP Obsidian para la integración de la API REST Local de Obsidian.

toyMCP To-Do List Server

Este es un servidor de ejemplo sencillo que implementa una API CRUD de lista de tareas pendientes utilizando los conceptos del Protocolo de Contexto del Modelo (MCP), específicamente utilizando JSON-RPC 2.0 sobre HTTP. Utiliza Node.js, Express y PostgreSQL (a través de Docker) para la persistencia.

tl;dv MCP for Zoom, Google Meet and MS Teams

lets you interact with your meeting data (to list, ask, summarize, extract - virtually anything about your meeting) through Claude’s desktop client across Zoom, Google Meet and MS Teams via tl;dv.

Multichat MCP Server

Un servidor que permite la comunicación simultánea con múltiples servidores MCP basados en unichat, permitiendo a los usuarios consultar diferentes modelos de lenguaje y combinar sus respuestas para obtener resultados más completos.

JFrog MCP Server

Servidor experimental del protocolo de contexto del modelo que permite el acceso a las capacidades de la API de la plataforma JFrog, incluyendo la gestión de repositorios, el seguimiento de compilaciones, la búsqueda de artefactos y el análisis de seguridad de paquetes.

Looking-Glass-MCP

A Model Context Protocol server that provides network probing capabilities through Looking Glass vantage points, allowing users to perform global network diagnostics like ping, BGP route lookups, and traceroute operations from multiple locations worldwide.

Redis MCP Server

Permite a los usuarios realizar operaciones en la base de datos Redis utilizando las herramientas del Protocolo de Contexto de Modelo (MCP), lo que permite una gestión eficiente de los datos a través de comandos como establecer, obtener y escanear campos hash.

MCP Vector Sync

A multi-tenant service that automatically monitors Supabase database changes, generates OpenAI embeddings, and maintains synchronized vector search capabilities for each tenant's projects.