Discover Awesome MCP Servers

GitLab MCP Server

Una implementación de servidor personalizada que permite a los asistentes de IA interactuar con repositorios de GitLab, proporcionando capacidades para buscar, obtener archivos, crear/actualizar contenido y gestionar incidencias y solicitudes de fusión.

MCP Server for Replicate

Una implementación de servidor FastMCP que proporciona una interfaz estandarizada para acceder a modelos de IA alojados en la API de Replicate, actualmente compatible con la generación de imágenes con parámetros personalizables.

MCP Security Audit Server

Audita las dependencias de paquetes npm en busca de vulnerabilidades de seguridad, proporcionando informes detallados y recomendaciones de solución con integración MCP.

WolframAlpha LLM MCP Server

Permite consultar la API LLM de WolframAlpha para preguntas en lenguaje natural, proporcionando respuestas estructuradas y simplificadas optimizadas para el consumo de LLM.

MCP Intercom Server

Proporciona acceso a conversaciones y chats de Intercom a través del Protocolo de Contexto del Modelo, permitiendo a los LLM (Modelos de Lenguaje Grandes) consultar y analizar conversaciones de Intercom con varias opciones de filtrado.

Code Research MCP Server

Facilita la búsqueda y el acceso a recursos de programación en plataformas como Stack Overflow, MDN, GitHub, npm y PyPI, ayudando a los LLM a encontrar ejemplos de código y documentación.

Barnsworthburning MCP

Un servidor de Protocolo de Contexto de Modelo que permite buscar contenido de barnsworthburning.net directamente a través de clientes de IA compatibles como Claude para Escritorio.

MCP Server Template for Cursor IDE

Okay, here's a template and guide for creating custom tools for Cursor IDE using the Model Context Protocol (MCP), with instructions on deploying your MCP server to Heroku and connecting it to Cursor IDE. **I. Project Structure (Recommended)** ``` my-cursor-tool/ ├── server/ # MCP Server (Python/Node.js/etc.) │ ├── app.py # Main server file (e.g., Flask/FastAPI) │ ├── requirements.txt # Python dependencies │ ├── Procfile # Heroku deployment instructions │ └── ... # Other server files ├── cursor_tool/ # Cursor IDE Tool Definition (JSON) │ └── tool.json # Defines the tool for Cursor IDE ├── README.md # Project documentation └── .gitignore # Git ignore file ``` **II. MCP Server (Example: Python with FastAPI)** 1. **`server/app.py` (FastAPI Example):** ```python from fastapi import FastAPI, Request, HTTPException from fastapi.responses import JSONResponse from pydantic import BaseModel import os app = FastAPI() class Query(BaseModel): query: str context: dict # Contains editor context (file content, selection, etc.) @app.post("/query") async def handle_query(query: Query, request: Request): """ Handles queries from Cursor IDE. """ try: user_query = query.query context = query.context file_content = context.get("currentFileContent", "") selected_text = context.get("selectedText", "") # *** YOUR TOOL LOGIC HERE *** # Process the query and context to generate a response. # Example: Simple echo with context info response_text = f"You asked: {user_query}\n" response_text += f"File Content Snippet: {file_content[:100]}...\n" # Limit for brevity response_text += f"Selected Text: {selected_text}" return JSONResponse({"response": response_text}) except Exception as e: print(f"Error processing query: {e}") raise HTTPException(status_code=500, detail=str(e)) @app.get("/health") async def health_check(): """ Health check endpoint for Heroku. """ return {"status": "ok"} if __name__ == "__main__": import uvicorn port = int(os.environ.get("PORT", 8000)) # Heroku uses PORT env variable uvicorn.run(app, host="0.0.0.0", port=port) ``` 2. **`server/requirements.txt`:** ``` fastapi uvicorn pydantic ``` 3. **`server/Procfile`:** ``` web: gunicorn app:app --workers 3 --worker-class uvicorn.workers.UvicornWorker ``` **III. Cursor IDE Tool Definition (`cursor_tool/tool.json`)** ```json { "name": "My Custom Tool", "description": "A tool that interacts with my custom MCP server.", "version": "1.0.0", "protocol": "mcp", "url": "YOUR_HEROKU_APP_URL/query", // Replace with your Heroku app URL "actions": [ { "name": "Process Query", "description": "Sends the current query and context to the server.", "handler": "query" } ], "capabilities": { "currentFileContent": true, "selectedText": true, "languageId": true // Add other capabilities as needed } } ``` **IV. Heroku Deployment** 1. **Create a Heroku Account:** If you don't have one, sign up at [https://www.heroku.com/](https://www.heroku.com/). 2. **Install the Heroku CLI:** Follow the instructions on the Heroku website to install the Heroku Command Line Interface (CLI). 3. **Login to Heroku:** Open your terminal and run: ```bash heroku login ``` 4. **Create a Heroku App:** ```bash heroku create my-cursor-tool-app # Replace with your desired app name ``` 5. **Initialize Git Repository (if you haven't already):** ```bash git init git add . git commit -m "Initial commit" ``` 6. **Push to Heroku:** ```bash heroku git:remote -a my-cursor-tool-app # Replace with your app name git push heroku main ``` 7. **Check Logs:** After deployment, check the Heroku logs for any errors: ```bash heroku logs --tail ``` 8. **Set the PORT environment variable (if needed):** Heroku automatically sets the `PORT` environment variable. The Python code above already handles this. If you're using a different language/framework, make sure your server reads the `PORT` environment variable. 9. **Get Your Heroku App URL:** After successful deployment, you can find your app's URL in the Heroku dashboard or by running: ```bash heroku apps:info ``` The URL will be something like `https://my-cursor-tool-app.herokuapp.com`. **V. Connecting to Cursor IDE** 1. **Update `tool.json`:** Replace `YOUR_HEROKU_APP_URL` in your `cursor_tool/tool.json` file with the actual URL of your deployed Heroku app. Make sure to include `/query` at the end of the URL. 2. **Install the Tool in Cursor IDE:** * Open Cursor IDE. * Go to `Settings` (usually `Cmd + ,` or `Ctrl + ,`). * Search for "Custom Tools". * Click "Add Custom Tool". * Enter the path to your `cursor_tool/tool.json` file. 3. **Use the Tool:** * Open a file in Cursor IDE. * Use the command palette (`Cmd + Shift + P` or `Ctrl + Shift + P`) and type the name of your tool (e.g., "Process Query"). * Select the action you defined in `tool.json`. * The query and context will be sent to your Heroku server, and the response will be displayed in Cursor IDE. **VI. Important Considerations and Best Practices** * **Error Handling:** Implement robust error handling in your server code. Log errors and return meaningful error messages to Cursor IDE. * **Security:** Be mindful of security. If your tool handles sensitive data, implement appropriate authentication and authorization mechanisms. Consider using environment variables for sensitive configuration (API keys, etc.). Heroku provides a way to manage environment variables. * **Rate Limiting:** Implement rate limiting on your server to prevent abuse. * **Asynchronous Operations:** For long-running tasks, use asynchronous operations (e.g., `async` and `await` in Python) to avoid blocking the server. * **Logging:** Use a proper logging library (e.g., `logging` in Python) to log important events and errors. Heroku's logging system will capture these logs. * **Heroku Dyno Type:** The free Heroku dyno is suitable for testing. For production use, consider upgrading to a paid dyno for better performance and reliability. * **Environment Variables:** Use Heroku's environment variables to store configuration settings (API keys, database credentials, etc.) instead of hardcoding them in your code. Access these variables using `os.environ.get("VARIABLE_NAME")`. * **Testing:** Thoroughly test your tool before deploying it to production. * **Context Awareness:** Carefully consider which context information your tool needs. Request only the necessary capabilities in your `tool.json` file. * **Data Validation:** Validate the data you receive from Cursor IDE to prevent unexpected errors. * **User Feedback:** Provide clear and informative feedback to the user in Cursor IDE. * **Documentation:** Write clear and concise documentation for your tool. **VII. Example Workflow** 1. A user selects some code in Cursor IDE. 2. The user invokes the "Process Query" action from your custom tool. 3. Cursor IDE sends a JSON payload to your Heroku app's `/query` endpoint. The payload includes the selected code, the current file content, and other context information. 4. Your Heroku app processes the request, performs some action (e.g., code analysis, code generation, API call), and generates a response. 5. Your Heroku app sends a JSON response back to Cursor IDE. 6. Cursor IDE displays the response to the user. **VIII. Spanish Translation of Key Terms** * **Tool:** Herramienta * **Model Context Protocol (MCP):** Protocolo de Contexto del Modelo (PCM) * **Server:** Servidor * **Query:** Consulta * **Context:** Contexto * **Deployment:** Despliegue / Implementación * **Heroku App:** Aplicación de Heroku * **Endpoint:** Punto final * **JSON Payload:** Carga útil JSON * **Response:** Respuesta * **Capabilities:** Capacidades * **Action:** Acción * **Handler:** Manejador * **Environment Variable:** Variable de entorno * **Dyno:** Dyno (Heroku term, often used as-is) * **Logging:** Registro (de eventos) * **Rate Limiting:** Limitación de velocidad * **Asynchronous Operations:** Operaciones asíncronas This template provides a solid foundation for building custom tools for Cursor IDE using the Model Context Protocol and deploying them to Heroku. Remember to adapt the code and configuration to your specific needs. Good luck!

Seq MCP Server

El servidor Seq MCP permite la interacción con los puntos finales de la API de Seq para el registro y la monitorización, proporcionando herramientas para la gestión de señales, eventos y alertas con amplias opciones de filtrado y configuración.

BioMCP

Un servidor de Protocolo de Contexto de Modelo que mejora los modelos de lenguaje con capacidades de análisis de estructura de proteínas, permitiendo un análisis detallado del sitio activo y búsquedas de proteínas relacionadas con enfermedades a través de bases de datos de proteínas establecidas.

Jenkins Server MCP

A Model Context Protocol server that enables AI assistants to interact with Jenkins CI/CD servers, providing tools to check build statuses, trigger builds, and retrieve build logs.

API Tester MCP Server

Un servidor de Protocolo de Contexto de Modelo que permite a Claude realizar solicitudes de API en tu nombre, proporcionando herramientas para probar varias APIs, incluyendo solicitudes HTTP e integraciones de OpenAI, sin compartir tus claves de API en el chat.

Redmine MCP Server

Un servidor de Protocolo de Contexto de Modelo para interactuar con Redmine utilizando su API REST, permitiendo la gestión de tickets, proyectos y datos de usuario a través de la integración con LLMs (Modelos de Lenguaje Grandes).

Morpho API MCP Server

Permite la interacción con la API GraphQL de Morpho, proporcionando herramientas para acceder a datos de mercado, bóvedas, posiciones y transacciones a través de un servidor de Protocolo de Contexto de Modelo (MCP).

mcp-omnisearch

🔍 Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona acceso unificado a múltiples motores de búsqueda (Tavily, Brave, Kagi), herramientas de IA (Perplexity, FastGPT) y servicios de procesamiento de contenido (Jina AI, Kagi). Combina búsqueda, respuestas de IA, procesamiento de contenido y funciones de mejora a través de una única interfaz.

Better Auth MCP Server

Habilita la gestión de autenticación de nivel empresarial con manejo seguro de credenciales y soporte para autenticación multiprotocolo, complementado con herramientas para analizar, configurar y probar sistemas de autenticación.

video-editing-mcp

Sube, edita y genera videos desde el LLM y la Jungla de Videos favoritos de todos.

MCP Salesforce Connector

A Model Context Protocol server that enables LLMs to interact with Salesforce data through SOQL queries, SOSL searches, and various API operations including record management.

MCP Node Fetch

Un servidor MCP que permite obtener contenido web utilizando la biblioteca undici de Node.js, compatible con varios métodos HTTP, formatos de contenido y configuraciones de solicitud.

Webflow MCP Server

Permite a Claude interactuar con las APIs de Webflow para gestionar sitios, recuperar información y ejecutar tareas utilizando lenguaje natural.

Cloudflare MCP Server

Un servidor MCP que permite usar lenguaje natural para administrar recursos de Cloudflare (Workers, KV, R2, D1) a través de Claude Desktop, VSCode y otros clientes MCP.

ClickSend MCP Server

Este servidor permite que los modelos de IA envíen mensajes SMS e inicien llamadas de texto a voz de forma programática utilizando la API de ClickSend, con limitación de velocidad y validación de entrada integradas.

DigitalFate MCP Server

Facilitates multi-client processing for high-performance operations within the DigitalFate framework, enabling advanced automation through task orchestration and agent integration.

Coolify MCP Server

Enables interaction with Coolify applications and resources through the Coolify API via a standardized interface, supporting application management operations such as listing, starting, stopping, restarting, and deploying.

Scraper.is MCP Server

Permite extraer datos de sitios web utilizando indicaciones en lenguaje natural, lo que permite a los usuarios especificar exactamente qué contenido desean en inglés sencillo y devuelve datos JSON estructurados.

JVM MCP Server

Un servidor de plataforma de monitorización y control de JVM basado en Arthas que proporciona una interfaz de Python para monitorizar y analizar procesos Java con capacidades para análisis de hilos, monitorización de memoria y diagnósticos de rendimiento.

mitmproxy-mcp MCP Server

Un servidor para gestionar y resumir notas utilizando un esquema URI personalizado, con herramientas para añadir notas y crear resúmenes con estilo.

Whois MCP

Un servidor de Protocolo de Contexto de Modelo que permite a los agentes de IA realizar búsquedas WHOIS, permitiendo a los usuarios preguntar directamente a la IA sobre la disponibilidad de dominios, la propiedad, los detalles de registro y otra información del dominio.

LinkedIn Browser MCP Server

Un servidor basado en FastMCP que permite la automatización programática de LinkedIn y la extracción de datos a través de la automatización del navegador, ofreciendo autenticación segura y herramientas para operaciones de perfil e interacciones con publicaciones, respetando al mismo tiempo los límites de velocidad de LinkedIn.

Ideogram MCP Server

Un servidor de Protocolo de Contexto de Modelo que proporciona capacidades de generación de imágenes utilizando la API de Ideogram, permitiendo a los usuarios crear imágenes a partir de indicaciones de texto con parámetros personalizables.