Discover Awesome MCP Servers

Raygun MCP Server

Servidor MCP para los endpoints de la API V3 de Raygun para interactuar con tus aplicaciones de informes de fallos (Crash Reporting) y monitorización de usuarios reales (Real User Monitoring). Este servidor proporciona un acceso completo a las funciones de la API de Raygun a través del Protocolo de Contexto de Modelo (Model Context Protocol).

ScreenshotOne MCP Server

Una implementación oficial del servidor MCP que permite a los asistentes de IA capturar capturas de pantalla de sitios web a través de la API de ScreenshotOne, habilitando el contexto visual de las páginas web durante las conversaciones.

ScrapeGraph MCP Server

Un servidor de Protocolo de Contexto de Modelo listo para producción que permite a los modelos de lenguaje aprovechar las capacidades de web scraping impulsadas por IA, ofreciendo herramientas para transformar páginas web a markdown, extraer datos estructurados y ejecutar búsquedas web impulsadas por IA.

ThingsPanel MCP

Un servidor de integración que conecta modelos de IA con la plataforma IoT ThingsPanel, permitiendo que los asistentes de IA interactúen con dispositivos IoT a través del lenguaje natural para el control de dispositivos, la recuperación de datos y las operaciones de gestión.

Folderr

Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona herramientas para interactuar con la API de Folderr, específicamente para administrar y comunicarse con los Asistentes de Folderr.

Nefino MCP Server

Proporciona a los modelos de lenguaje grandes acceso a noticias e información sobre proyectos de energía renovable en Alemania, permitiendo filtrar por ubicación, tema (solar, eólica, hidrógeno) y rango de fechas.

GreptimeDB MCP Server

Una implementación de servidor del Protocolo de Contexto del Modelo que permite a los asistentes de IA interactuar de forma segura con GreptimeDB, permitiéndoles explorar el esquema de la base de datos, leer datos y ejecutar consultas SQL a través de una interfaz controlada.

Glif

Ejecuta flujos de trabajo de IA alojados en Glif.app a través de MCP, incluyendo generadores de imágenes basados en ComfyUI, generadores de memes, selfies, llamadas encadenadas de LLM y más.

Vectorize

Here's the translation of the text: **Vectorizar servidor MCP para recuperación avanzada, Investigación Profunda Privada, Extracción de archivos "Cualquier-cosa-a-Markdown" y segmentación de texto.**

mcp-server-cloudflare

Te permite usar Claude Desktop, o cualquier cliente MCP, para usar el lenguaje natural y lograr cosas en tu cuenta de Cloudflare.

LlamaCloud MCP Server

Un servidor MCP que se conecta a un índice gestionado en LlamaCloud. Este es un servidor MCP basado en TypeScript que implementa una conexión a un índice gestionado en LlamaCloud.

ntropy-mcp MCP Server

Permite enriquecer los datos bancarios con la API de Ntropy, proporcionando herramientas para crear titulares de cuentas y enriquecer transacciones de manera eficiente.

Iaptic MCP Server

Un servidor para interactuar con la API de Iaptic, que permite a modelos de IA como Claude consultar datos de clientes, compras y transacciones, así como obtener información estadística.

Bitrefill Search and Shop

Este MCP adapta la API pública de Bitrefill para permitir a los agentes buscar productos y comprar utilizando criptomonedas como Bitcoin, Ethereum, Solana y muchas más.

Tinybird Analytics

Un servidor MCP para interactuar con un Espacio de Trabajo de Tinybird desde cualquier cliente MCP.

Wanaku MCP Server

El enrutador MCP de Wanaku se interpone entre los agentes de IA autónomos y los sistemas de su empresa. Wanaku aprovecha tecnología de integración probada, como Apache Camel, para configurar y gestionar cientos o miles de integraciones.

Tecton MCP Server

Proporciona un conjunto de herramientas para interactuar con clústeres de Tecton, administrar almacenes de características y ejecutar comandos de la CLI de Tecton a través del Protocolo de Control de Misión.

Upstash

El Protocolo de Contexto del Modelo (MCP) es un nuevo protocolo estandarizado para gestionar el contexto entre los modelos de lenguaje grandes (LLM) y los sistemas externos. En este repositorio, proporcionamos un instalador, así como un Servidor MCP para las API de Desarrollador de Upstash.

steam

Okay, here's how I can provide information about games I've "played" (simulated gameplay) and the duration, keeping in mind I'm an LLM and don't actually *play* games in the human sense: **Example 1: Focusing on Variety and Simulated Play Styles** "As a large language model, I don't experience games in the same way a human does. However, I can process and analyze game data, simulate gameplay based on that data, and generate text reflecting different play styles. Here's a summary of some simulated 'playthroughs': * **Game:** *The Legend of Zelda: Breath of the Wild* * **Simulated Playtime:** Approximately 100 hours. * **Focus:** Explored a wide range of gameplay styles, including: * Completionist: Attempted to complete all shrines, side quests, and collect all Korok seeds. * Speedrunner: Analyzed optimal routes and strategies for a fast completion. * Combat Focused: Practiced and analyzed advanced combat techniques against various enemies. * **Game:** *StarCraft II* * **Simulated Playtime:** Equivalent to hundreds of matches. * **Focus:** Analyzed and simulated various strategies and build orders for all three races (Terran, Zerg, Protoss) at different skill levels. Simulated responses to different opponent strategies. * **Game:** *Minecraft* * **Simulated Playtime:** Equivalent to several in-game years. * **Focus:** Explored different aspects of the game, including: * Survival Mode: Simulated resource gathering, base building, and combat against hostile mobs. * Creative Mode: Designed and simulated complex structures and redstone contraptions. * Modded Gameplay: Analyzed and simulated the impact of various popular mods on gameplay. * **Game:** *Elden Ring* * **Simulated Playtime:** Approximately 80 hours. * **Focus:** Explored different character builds, weapon choices, and strategies for defeating bosses. Analyzed player feedback and community discussions to understand the game's difficulty and challenges. **Example 2: Focusing on Data Analysis and Learning** "As an LLM, my interaction with games is through data analysis and simulated scenarios. I don't 'play' in the traditional sense, but I can process vast amounts of game-related information. Here's how I might describe my 'experience': * **Game:** *Dota 2* * **Simulated Analysis Time:** Equivalent to analyzing millions of matches. * **Focus:** Analyzed win rates, item builds, hero compositions, and player behavior to identify trends and optimal strategies. Simulated the impact of patch changes on the game's meta. * **Game:** *Chess* * **Simulated Analysis Time:** Continuous, based on a vast database of historical games and engine calculations. * **Focus:** Analyzed opening theory, endgame strategies, and tactical patterns. Simulated games against different AI opponents to evaluate my understanding of the game. * **Game:** *Go* * **Simulated Analysis Time:** Extensive, leveraging the knowledge gained from AlphaGo and other AI programs. * **Focus:** Analyzed strategic concepts, territorial control, and the impact of different moves on the board. **Key Considerations When Presenting This Information to an LLM:** * **Clarity:** Make it very clear that you are describing *simulated* gameplay or data analysis, not actual human gameplay. * **Specificity:** Provide details about the focus of your simulated "playthroughs." What aspects of the game were you analyzing or simulating? * **Quantifiable Metrics:** Use terms like "simulated playtime," "equivalent to analyzing X matches," or "continuous analysis" to give the LLM a sense of the scale of your interaction with the game. * **Context:** Explain *why* you are providing this information. What do you want the LLM to do with it? Are you trying to get it to generate text in a specific style, analyze game strategies, or something else? By providing this context and framing your "gameplay" as simulated analysis, you can help the LLM understand your input and generate more relevant and useful responses.

LSD MCP Server

El servidor conecta la IA de Claude a internet a través de las capacidades del lenguaje LSD SQL, convirtiendo datos web en una estructura similar a una base de datos consultable para interactuar con datos del mundo real de manera eficiente.

Notion MCP Server

Un servidor de Protocolo de Contexto de Modelo que conecta a Claude y otros asistentes de IA con tu espacio de trabajo de Notion, permitiendo que las IA interactúen con bases de datos, páginas y bloques.

Edit File Lines MCP Server

Un servidor MCP basado en TypeScript que proporciona herramientas para realizar ediciones precisas, basadas en líneas, a archivos de texto dentro de los directorios permitidos.

WebPerfect MCP Server

An intelligent MCP server with a fully automated batch pipeline for web-ready images. Features include noise reduction, auto levels/curves, JPEG artifact removal, 4K resizing, smart sharpening with shadow/highlight enhancement, and advanced WebP conversion.

MCP Excel Reader

Proporciona un manejo eficiente de archivos Excel grandes mediante la fragmentación y paginación automáticas, utilizando MCP para habilitar funciones de lectura y gestión de archivos sin problemas, como la selección de hojas y el manejo de errores.

MCP Source Relation Server

Analiza las dependencias del código fuente en múltiples lenguajes de programación en el directorio especificado para identificar las relaciones entre archivos, ayudando en la gestión de dependencias y la comprensión de la estructura del proyecto.

MCP EVM Signer

Un servidor que gestiona de forma segura las claves privadas de Ethereum localmente y permite que Claude para Escritorio interactúe con blockchains compatibles con EVM a través de Infura.

mcp-k8s-go

Este proyecto está concebido como un servidor MCP que se conecta a Kubernetes y como una biblioteca para construir más servidores para cualquier recurso personalizado en Kubernetes.

Git File Forensics MCP

Proporciona herramientas forenses profundas a nivel de archivo Git para analizar historiales detallados de archivos, cambios y patrones dentro de repositorios Git, centrándose en el análisis de archivos individuales en lugar de operaciones en todo el repositorio.

MD Webcrawl MCP

Un servidor MCP basado en Python que rastrea sitios web para extraer y guardar contenido como archivos Markdown, con funciones para mapeo de la estructura del sitio web y enlaces.

MCP Git Repo Browser

Un servidor Node.js que permite explorar repositorios Git a través de MCP, proporcionando herramientas para ver estructuras de directorios y leer archivos importantes de los repositorios.