Discover Awesome MCP Servers

Finance Tracker MCP Server

AI-powered personal finance analysis through Claude AI using Plaid integration, enabling natural language queries about transactions, subscriptions, budgets, and spending trends.

Stash MCP Server

An MCP server for querying and analyzing a Stash instance with advanced filters, caching, and personalized recommendations.

mcp-server-conceal

An MCP proxy that pseudo-anonymizes PII before data reaches external AI providers like Claude, ChatGPT, or Gemini.

wrapmcp

Universal MCP server that wraps any CLI tool, enabling AI assistants to run commands via natural language.

高德地图

高德地图

MCP Swift Example Server

Aquí tienes un ejemplo de implementación de un servidor MCP (Protocolo de Contexto de Modelo): ```python import socket import threading import json # Configuración del servidor HOST = '127.0.0.1' # Dirección IP del servidor PORT = 65432 # Puerto de escucha del servidor # Clase para manejar cada conexión de cliente class ClientHandler(threading.Thread): def __init__(self, conn, addr): threading.Thread.__init__(self) self.conn = conn self.addr = addr print(f"Conectado con {addr[0]}:{addr[1]}") def run(self): try: while True: # Recibir datos del cliente data = self.conn.recv(1024) if not data: break # Decodificar los datos (asumiendo que son JSON) try: request = json.loads(data.decode('utf-8')) print(f"Recibido: {request}") # Procesar la solicitud (ejemplo) response = self.process_request(request) # Enviar la respuesta al cliente self.conn.sendall(json.dumps(response).encode('utf-8')) except json.JSONDecodeError: print(f"Error: Datos no válidos recibidos de {self.addr[0]}:{self.addr[1]}") self.conn.sendall(json.dumps({"error": "Invalid JSON"}).encode('utf-8')) except Exception as e: print(f"Error al procesar la solicitud: {e}") self.conn.sendall(json.dumps({"error": str(e)}).encode('utf-8')) finally: # Cerrar la conexión self.conn.close() print(f"Conexión cerrada con {self.addr[0]}:{self.addr[1]}") def process_request(self, request): """ Procesa la solicitud recibida y devuelve una respuesta. Este es un ejemplo básico, debes adaptarlo a tu caso de uso específico. """ if "action" in request: action = request["action"] if action == "get_context": # Ejemplo: Devolver un contexto de modelo ficticio context = { "model_name": "MiModeloGenial", "version": "1.0", "description": "Un modelo de ejemplo para demostración." } return {"status": "success", "context": context} elif action == "process_data": # Ejemplo: Procesar datos (simplemente devolverlos) data = request.get("data", {}) return {"status": "success", "result": data} else: return {"status": "error", "message": "Acción desconocida"} else: return {"status": "error", "message": "Acción no especificada"} # Función principal del servidor def main(): with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s: s.bind((HOST, PORT)) s.listen() print(f"Servidor escuchando en {HOST}:{PORT}") while True: conn, addr = s.accept() client = ClientHandler(conn, addr) client.start() if __name__ == "__main__": main() ``` **Explicación del código:** 1. **Importaciones:** - `socket`: Para la comunicación de red. - `threading`: Para manejar múltiples clientes concurrentemente. - `json`: Para serializar y deserializar datos JSON. 2. **Configuración del servidor:** - `HOST`: La dirección IP en la que el servidor escuchará (aquí se usa `127.0.0.1` para localhost). - `PORT`: El puerto en el que el servidor escuchará. 3. **Clase `ClientHandler`:** - Hereda de `threading.Thread` para manejar cada conexión de cliente en un hilo separado. - `__init__`: Inicializa el hilo con la conexión (`conn`) y la dirección (`addr`) del cliente. - `run`: El método principal del hilo. Escucha datos del cliente, los decodifica como JSON, los procesa y envía una respuesta. Maneja errores de decodificación JSON y excepciones generales. Finalmente, cierra la conexión. - `process_request`: **Esta es la parte más importante y donde debes implementar la lógica específica de tu servidor MCP.** En este ejemplo, simplemente verifica la "acción" en la solicitud y devuelve una respuesta basada en ella. Las acciones de ejemplo son `get_context` (devuelve un contexto de modelo ficticio) y `process_data` (simplemente devuelve los datos recibidos). Debes adaptar esta función para que coincida con las acciones y el contexto de modelo que tu servidor necesita manejar. 4. **Función `main`:** - Crea un socket TCP (`socket.SOCK_STREAM`). - Enlaza el socket a la dirección y el puerto especificados (`s.bind((HOST, PORT))`). - Comienza a escuchar conexiones entrantes (`s.listen()`). - Entra en un bucle infinito para aceptar nuevas conexiones. - Para cada conexión, crea una instancia de `ClientHandler` y la inicia como un nuevo hilo (`client.start()`). **Cómo usarlo:** 1. **Guarda el código:** Guarda el código como un archivo Python (por ejemplo, `mcp_server.py`). 2. **Ejecuta el servidor:** Ejecuta el archivo desde la línea de comandos: `python mcp_server.py`. 3. **Crea un cliente:** Necesitarás un cliente que se conecte a este servidor y envíe solicitudes JSON. Aquí tienes un ejemplo básico de cliente en Python: ```python import socket import json HOST = '127.0.0.1' PORT = 65432 with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s: s.connect((HOST, PORT)) # Ejemplo de solicitud para obtener el contexto del modelo request = {"action": "get_context"} s.sendall(json.dumps(request).encode('utf-8')) data = s.recv(1024) print(f"Recibido: {data.decode('utf-8')}") # Ejemplo de solicitud para procesar datos request = {"action": "process_data", "data": {"input": "algún dato"}} s.sendall(json.dumps(request).encode('utf-8')) data = s.recv(1024) print(f"Recibido: {data.decode('utf-8')}") ``` 4. **Ejecuta el cliente:** Guarda el código del cliente como un archivo Python (por ejemplo, `mcp_client.py`) y ejecútalo: `python mcp_client.py`. **Puntos importantes a considerar:** * **Protocolo MCP:** Este es un ejemplo básico. Un protocolo MCP real podría tener una estructura de mensajes más definida, manejo de errores más robusto y mecanismos de autenticación/autorización. * **`process_request`:** Esta función es el corazón de tu servidor. Debes implementarla para que maneje las solicitudes específicas que tu modelo necesita. Esto podría incluir cargar el modelo, ejecutar inferencia, acceder a bases de datos, etc. * **Seguridad:** Si vas a usar este servidor en un entorno de producción, debes considerar la seguridad. Esto podría incluir el uso de TLS/SSL para cifrar la comunicación, autenticación para verificar la identidad de los clientes y autorización para controlar qué acciones pueden realizar los clientes. * **Manejo de errores:** El manejo de errores en este ejemplo es básico. Debes implementar un manejo de errores más robusto para manejar situaciones inesperadas y proporcionar información útil a los clientes. * **Escalabilidad:** Si necesitas manejar un gran número de clientes, debes considerar la escalabilidad. Esto podría incluir el uso de un servidor web asíncrono (como `asyncio` o `Tornado`) o la implementación de un sistema de colas de mensajes. * **Serialización:** JSON es un formato de serialización común, pero puedes usar otros formatos como Protocol Buffers o MessagePack si necesitas un mejor rendimiento o un esquema más estricto. Este ejemplo te proporciona un punto de partida para construir tu propio servidor MCP. Recuerda adaptarlo a tus necesidades específicas.

Browser MCP Server

A Docker-based workspace providing headless Chrome browser with CDP proxy and noVNC interface for browser automation and monitoring.

PostgreSQL MCP AllAccess

Enables interaction with PostgreSQL databases through a production-ready MCP server with global connection pooling, automatic AWS password rotation, and comprehensive SQL operations. Supports multiple concurrent Claude sessions while maintaining efficient connection limits to the database.

Android i18n MCP Server

An MCP server that automatically translates Android app string resources to multiple languages by detecting changes in default strings.xml files using Git diff. It supports batch translation, preserves formatting placeholders, and works with multiple Android modules.

claudemesh

Enables Claude Code agents to communicate and share context across sessions via a peer-to-peer mesh, allowing them to ask for help from other agents without human interruption.

Augments MCP Server

A next-generation framework documentation provider for Claude Code via Model Context Protocol (MCP). Returns types + prose + examples with context-aware formatting for any npm package — not just curated ones.

Yahoo Finance MCP Server

Enables AI assistants to access real-time financial data, historical stock prices, company information, financial statements, options data, market news, and analyst recommendations through Yahoo Finance. Built with FastMCP v2 for efficient HTTP streaming and comprehensive market analysis tools.

Mem0 MCP Server

Integrates the Mem0 Memory API with MCP-compatible clients to provide AI agents with persistent, long-term memory capabilities. It enables users to add, search, update, and delete memories to maintain context and personalization across different interactions.

Trello MCP Server

An MCP server for the Trello REST API that enables managing boards, lists, cards, labels, and checklists from any MCP-compatible client.

Salesforce MCP Server

A customizable MCP server for integrating Salesforce APIs with GenAI applications, supporting SOQL queries, record CRUD, metadata access, and more.

@paypal/mcp

Enables integration with PayPal APIs for managing invoices, payments, disputes, subscriptions, and more through natural language.

PS-MCP

An AI-driven integration server that enables natural language control of Adobe Photoshop through the Model Context Protocol. It automates design workflows by facilitating smart asset slicing, layer analysis, and the future generation of UI code from design files.

OpenProject MCP Server

Enables comprehensive management of OpenProject work packages, projects, comments, and relations through natural language. Supports creating, updating, and organizing tasks with assignees, watchers, hierarchies, and inter-task relationships.

ggui

Enables AI agents to generate and serve ephemeral, interactive user interfaces over MCP through natural language descriptions.

BenchClaw MCP Server

Register LLMs and agents on the P2PCLAW decentralized benchmark network and query live performance scores via the BenchClaw API.

PingOne 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 PingOne (beta): https://www.cdata.com/download/download.aspx?sku=POZK-V&type=beta

sql-assistant-mcp

A Model Context Protocol (MCP) server for SQL Server / Azure SQL that enables querying, monitoring, and analyzing databases directly from Claude.

ShipMCP

Enables LLMs to understand and work with shipbuilding terminology (Korean/English), including search, translation, and explanation of terms across 14 categories with 364 terms.

VibeCheck

An AI-powered MCP server that automates web testing workflows by enabling recording, execution, and discovery of tests through natural language prompts.

tuma250-mcp

Enables AI clients to search products, manage shopping carts, and browse order history on the Tuma 250 grocery site in Kigali, Rwanda.

神岛地图数据统计

Acceso a los datos de usuarios, la información de mapas y las estadísticas de la plataforma Shendao.

Company Records

Exposes a fictional B2B CRM database (companies, contacts, deals) as callable MCP tools, enabling AI agents to answer natural-language questions about company records, contacts, and pipeline data.

MCP Trello

Enables Claude to interact with Trello boards, lists, cards, and labels through a set of MCP tools.

Apple MCP

Integrates with Apple apps on macOS to enable AI-powered automation of Messages, Notes, Contacts, Mail, Reminders, Calendar, and Maps.

Athena MCP

An MCP server that provides a reasoning sidekick for tool-using agents with a single 'think' tool for tackling complex problems. It allows agents to consult powerful reasoning models like Claude Opus or GPT-5 only when needed, keeping costs low while maintaining control over side effects.