Discover Awesome MCP Servers

API for Chads

MCP server providing real-time crypto prices (Chainlink + Binance), Polymarket prediction market data, deep web research, and JS-rendered web scraping. All services available via x402 Solana micropayments.

Tibero MCP Server

Enables AI applications to securely connect to and interact with Tibero databases, supporting SQL queries, schema inspection, and data retrieval through the Model Context Protocol.

Ntropy MCP Server

Permite el enriquecimiento de datos bancarios a través de la API de Ntropy, incluyendo la creación de titulares de cuentas y el enriquecimiento de los detalles de las transacciones.

Sketch MCP Server

Provides a collaborative SVG canvas that allows Claude to create, read, and manipulate graphics in real-time through a browser-based Fabric.js editor. It enables seamless bidirectional interaction between the AI and user for visual tasks like UI prototyping, diagramming, and template management.

My Awesome MCP

A basic MCP server built with FastMCP framework that provides example tools including message echoing and server information retrieval. Serves as a template for building custom MCP servers with both stdio and HTTP transport support.

MCP Python Interpreter

Un servidor de Protocolo de Contexto de Modelo que permite a los LLM interactuar con entornos de Python, ejecutar código y administrar archivos dentro de un directorio de trabajo especificado.

Browserbase MCP Server

Enables cloud browser automation using Browserbase and Stagehand to interact with web pages, extract data, take screenshots, and perform automated actions with AI-powered natural language commands.

ATLAS Governance Gateway

A secure middleware that intercepts AI agent tool calls to evaluate risks and manage human-in-the-loop approvals via durable Inngest workflows. It ensures compliance with standards like the EU AI Act by pausing high-risk actions until authorized by a human reviewer.

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.

agentic-store-mcp

A collection of self-hosted, open-source tools that enable AI agents to perform web searching, content crawling, and code analysis tasks like linting and security scanning. It provides power-user capabilities for MCP-compatible clients without requiring external accounts or third-party infrastructure.

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.

Browser Automation MCP Server

Enables intelligent web scraping through a browser automation tool that can search Google, navigate to webpages, and extract content from various websites including GitHub, Stack Overflow, and documentation sites.

MCP Server UniFi

Una implementación de servidor que permite interacciones en lenguaje natural con dispositivos de red UniFi al encapsular la API de red UniFi para agentes de IA como Goose y Claude.

Notion Workflow MCP

Enables personal workflow management by turning Notion into a task and knowledge system via slash commands and 19 integrated MCP tools. It supports project-based task tracking, subtask management, and automated note summarization directly through the Claude interface.

Market Price Comparison Server (MCP)

Esta herramienta te ayuda a encontrar la tienda que ofrece el mejor precio para un producto específico entre varias cadenas de supermercados en Turquía. El sistema obtiene datos en tiempo real de diferentes mercados y devuelve el mejor precio junto con el nombre de la tienda correspondiente.

Character Counter MCP Server

Provides a tool to count occurrences of specific characters in text, serving as a simple example of building MCP servers with FastMCP and Python.

Baidu Digital Human MCP Server

Provides programmatic access to Baidu's Xiling Digital Human platform, enabling AI assistants to generate digital human videos, clone voices, and create synthesized speech through 13 standardized MCP protocol interfaces.

MCP Goodnews

Un servidor de Protocolo de Contexto de Modelo que obtiene y clasifica artículos de noticias positivas de NewsAPI utilizando el análisis de sentimiento de Cohere LLM, permitiendo a los usuarios acceder a noticias alentadoras a través de interfaces como Claude Desktop.

Python Memory MCP Server

A Python-based server providing persistent memory management for AI models with SQLite and Markdown dual backend storage. It features full-text search, RAG-enhanced querying, and cross-project knowledge sharing for integration with Claude, Cursor, and Rovo Dev.

nebulablock-mcp-server

This server integrates with the fastmcp library to expose the full range of NebulaBlock API functionalities as accessible tools, enabling seamless and efficient interaction within any MCP-compatible environment.

Web Search Server

Proporciona capacidades de búsqueda en Google, extracción de contenido web y funcionalidad de captura de pantalla con evasión avanzada de la detección de bots a través del protocolo MCP.

MCP NVD Server

A Model Context Protocol server that retrieves CVE information from the National Vulnerability Database, allowing AI models to access up-to-date vulnerability data.

MCP Database Server

Un servidor de Protocolo de Contexto de Modelo que proporciona herramientas para interactuar con bases de datos, incluyendo PostgreSQL, DuckDB y archivos Parquet de Google Cloud Storage.

MCP4Meme

Provides comprehensive tools for tracking meme coins on the Four.meme ecosystem, including bonding curve progress, market data, and trader analysis. It enables users to discover trending tokens and monitor real-time trading activity using Bitquery API data.

MCP of MCPs

A meta-server that aggregates multiple MCP servers into a single interface, reducing token usage by 98%+ through progressive tool discovery and direct code execution that processes data between tools without consuming context window space.

MCP Document Converter

Converts Markdown text to Word documents via HTTP API, providing temporary download links with automatic file cleanup after 2 hours.