Discover Awesome MCP Servers

ats-mcp

Test automation across web, mobile, desktop, API, and SAP GUI via ActionTestScript. 30 tools covering the Playwright MCP surface plus native multi-platform reach.

Context Mode

An MCP server that preserves LLM context by intercepting large data outputs and returning only concise summaries or relevant sections. It enables efficient sandboxed code execution, file processing, and documentation indexing across multiple programming languages and authenticated CLIs.

1Forge Finance MCP Server

An MCP (Multi-Agent Conversation Protocol) Server that provides an interface to the 1Forge financial APIs, allowing access to forex data and currency conversion services through natural language interactions.

MCP Memory Server

Gives AI coding assistants persistent memory, safety controls, and project awareness by tracking coding sessions, protecting critical files from modifications, and managing approval workflows with automatic changelog generation.

MCP Manim Server

A server-based tool that enables the generation of mathematical animations from natural language prompts by leveraging Manim.

MCP Server for eBay Marketing API

An MCP (Multi-Agent Conversation Protocol) Server that enables interaction with eBay's Sell Marketing API through natural language, auto-generated using AG2's MCP builder.

evmscope

Description: EVM blockchain intelligence toolkit for AI agents. 20 tools for token prices, gas comparison, swap quotes, yield rates, honeypot detection, and transaction simulation across 5 EVM chains. Zero config, no API keys required.

Sub-Agents MCP

Enables the creation and execution of task-specific AI sub-agents defined in markdown across any MCP-compatible tool like Cursor or Claude Desktop. It integrates with execution engines such as Claude Code, Cursor CLI, and Gemini CLI to provide portable and reusable specialized agent workflows.

Unusual Whales MCP Server

Provides access to the Unusual Whales API for real-time financial data, options flow analysis, dark pool activity, and congressional trading tracking. It enables users to perform comprehensive market intelligence and stock analysis across 33 different tools.

Orion Vision MCP Server

Enables AI systems to analyze documents and extract form data through Azure Form Recognizer/Document Intelligence, supporting various document types including receipts, invoices, and ID documents.

ts-refactor-mcp

An MCP server that enables AI agents to move TypeScript files and directories while automatically updating all affected imports using a persistent tsserver instance. This ensures atomic, error-free refactoring that maintains project integrity without manual intervention or wasted tokens.

Magic-API MCP Server

Provides comprehensive development tools for Magic-API including documentation lookup, API testing, resource management, debugging with breakpoints, backup operations, and code search capabilities. Enables developers to efficiently build, test, and maintain Magic-API projects through natural language interactions.

Douyin MCP

Enables automated Douyin video uploads and account management using Playwright for browser simulation. It supports QR code login, cookie persistence, and automated metadata handling for publishing videos through natural language or API commands.

Daraja API MCP Server

Provides AI assistants with access to comprehensive Safaricom Daraja API documentation for all 22 M-Pesa APIs through searchable tools, enabling developers to query payment processing, transaction management, and business operations documentation.

YouTube MCP Server

Provides distraction-free access to YouTube by allowing AI assistants to retrieve subscribed channels, latest videos, and transcripts without algorithmic recommendations. It enables searching within subscriptions and direct reading of video content through simple browser cookie authentication.

Glitchtip MCP Server

Enables interaction with Glitchtip error tracking platform through natural language. Provides access to issues, events, projects, teams, and organization management for comprehensive error monitoring and debugging.

NORNR MCP Control

A governance and control layer for MCP tools that manages tool requests as intents through policy-based approval, queuing, or blocking. It enables secure human oversight and audit trails for consequential agent actions across platforms like Claude Desktop and Cursor.

Symphony of One MCP

A multi-agent orchestration system that enables multiple Claude instances to collaborate through a centralized hub with a shared workspace and real-time communication. It features integrated task management, role assignment, and persistent memory to facilitate complex, synchronized agent workflows.

MCP Math Server

Provides basic mathematical operations including arithmetic, square root, and number theory functions like GCD and LCM. Built with TypeScript and includes proper error handling for edge cases like division by zero.

Mcp Forge

MCP-Forge es un potente marco de trabajo para generar, gestionar y monitorizar dinámicamente servidores del Protocolo de Contexto del Modelo (MCP). Utilizando el SDK oficial de MCP, esta herramienta le permite crear servidores MCP especializados bajo demanda a través de una interfaz centralizada.

estudIA-MCP

RAG-enabled MCP server that uses Google Gemini for embeddings and Supabase for vector storage, enabling semantic search and document similarity matching through natural language queries.

Docker MCP Server

Enables secure execution of shell commands and file operations within isolated Docker containers. Provides process management, interactive input handling, and comprehensive file system operations for containerized development environments.

Qdrant MCP Server

Provides semantic memory capabilities using Qdrant vector database with configurable embedding providers, allowing storage and retrieval of information using vector similarity.

Securities prices MCP server sample

Aquí tienes un ejemplo de un servidor MCP (Market Connectivity Platform) para precios de valores, información histórica, etc.: **Disclaimer:** Este es un ejemplo simplificado y requerirá una implementación más robusta para un uso en producción. Considera que la implementación real de un MCP es compleja y depende de los requisitos específicos. **Conceptos Clave:** * **MCP (Market Connectivity Platform):** Una plataforma que facilita la conexión a múltiples fuentes de datos del mercado (bolsas, proveedores de datos, etc.), normaliza los datos y los distribuye a los clientes. * **Proveedores de Datos:** Fuentes de datos del mercado (ej. Bloomberg, Refinitiv, IEX). * **Clientes:** Aplicaciones o usuarios que consumen los datos del mercado. * **Normalización de Datos:** El proceso de convertir datos de diferentes fuentes a un formato consistente. * **API (Application Programming Interface):** La interfaz que los clientes usan para interactuar con el servidor MCP. **Arquitectura Simplificada:** 1. **Conectores de Datos:** Módulos que se conectan a diferentes proveedores de datos. Cada conector es responsable de autenticarse, solicitar datos y convertir los datos al formato interno del MCP. 2. **Motor de Normalización:** Convierte los datos de los conectores a un formato común. Esto incluye mapear campos, convertir tipos de datos y manejar diferencias en la nomenclatura. 3. **Almacenamiento de Datos:** Almacena los datos normalizados. Esto puede ser una base de datos relacional, una base de datos de series temporales o un sistema de caché en memoria. 4. **API:** Proporciona una interfaz para que los clientes soliciten datos. Esto puede ser una API REST, una API WebSocket o una API basada en mensajes (ej. FIX). 5. **Distribución de Datos:** Envía los datos solicitados a los clientes. Esto puede ser en tiempo real (ej. para precios de mercado) o bajo demanda (ej. para datos históricos). **Ejemplo Simplificado (Pseudocódigo):** ```python # Pseudocódigo - NO FUNCIONA DIRECTAMENTE # Ilustra la lógica general class ConectorProveedorDatos: def __init__(self, proveedor): self.proveedor = proveedor # Inicializar la conexión al proveedor def obtener_precio(self, simbolo): # Lógica para conectarse al proveedor y obtener el precio precio_raw = self.proveedor.obtener_precio_raw(simbolo) precio_normalizado = self.normalizar_precio(precio_raw) return precio_normalizado def normalizar_precio(self, precio_raw): # Lógica para convertir el precio al formato interno # (ej. mapear nombres de campos, convertir tipos de datos) return precio_normalizado class MotorNormalizacion: def normalizar_datos(self, datos_raw, proveedor): # Lógica para normalizar datos de diferentes proveedores # (ej. mapear campos, convertir tipos de datos) return datos_normalizados class AlmacenamientoDatos: def __init__(self, tipo_almacenamiento="memoria"): self.tipo_almacenamiento = tipo_almacenamiento self.datos = {} # Diccionario en memoria para simplificar def guardar_datos(self, simbolo, datos): self.datos[simbolo] = datos def obtener_datos(self, simbolo): return self.datos.get(simbolo) class API: def __init__(self, motor_normalizacion, almacenamiento_datos): self.motor_normalizacion = motor_normalizacion self.almacenamiento_datos = almacenamiento_datos def obtener_precio(self, simbolo): # 1. Buscar en el almacenamiento de datos precio = self.almacenamiento_datos.obtener_datos(simbolo) if precio: return precio # 2. Si no está en el almacenamiento, obtenerlo del proveedor conector = ConectorProveedorDatos("ProveedorPredeterminado") # Reemplazar con la lógica real precio = conector.obtener_precio(simbolo) # 3. Guardar en el almacenamiento self.almacenamiento_datos.guardar_datos(simbolo, precio) return precio # Ejemplo de uso motor = MotorNormalizacion() almacenamiento = AlmacenamientoDatos() api = API(motor, almacenamiento) precio_AAPL = api.obtener_precio("AAPL") print(f"Precio de AAPL: {precio_AAPL}") ``` **Consideraciones Adicionales:** * **Escalabilidad:** Un MCP real debe ser escalable para manejar un gran volumen de datos y un gran número de clientes. Esto puede requerir el uso de técnicas como el balanceo de carga, el almacenamiento en caché distribuido y la mensajería asíncrona. * **Fiabilidad:** Un MCP debe ser fiable y tolerante a fallos. Esto puede requerir el uso de técnicas como la redundancia, la conmutación por error y la supervisión. * **Seguridad:** Un MCP debe ser seguro para proteger los datos del mercado de accesos no autorizados. Esto puede requerir el uso de técnicas como la autenticación, la autorización y el cifrado. * **Manejo de Errores:** Un MCP debe manejar los errores de forma elegante y proporcionar información útil a los clientes. * **Latencia:** La latencia es crítica para los datos del mercado en tiempo real. Un MCP debe estar optimizado para minimizar la latencia. * **Tecnologías:** Las tecnologías comunes para construir un MCP incluyen: * **Lenguajes de programación:** Java, Python, C++, Go * **Bases de datos:** PostgreSQL, TimescaleDB, InfluxDB, Redis * **Mensajería:** Kafka, RabbitMQ * **APIs:** REST, WebSocket, FIX **En resumen:** Este ejemplo proporciona una visión general simplificada de la arquitectura y la lógica de un servidor MCP. La implementación real requerirá un diseño y desarrollo más detallados, teniendo en cuenta los requisitos específicos de tu caso de uso. Es importante considerar la escalabilidad, la fiabilidad, la seguridad y la latencia al diseñar e implementar un MCP.

Modular MCP Server

A scalable, auto-discovering Model Context Protocol server that dynamically loads tools from the tools directory, enabling LLMs to access various capabilities through a standardized interface.

Software Management MCP Server

Enables AI agents to automate local software management workflows including installation, uninstallation, updates, and environment recommendations. It provides a standardized, non-interactive interface for managing system applications and tracking software versions safely.

AI Develop Assistant

Assists AI developers with intelligent requirement analysis and architecture design through guided clarification questions, branch-aware management, and automated architecture generation with persistent storage.

Thunder Client License Manager MCP Server

Provides tools for managing Thunder Client licenses through their API, enabling users to add, retrieve, and remove licenses with simple commands.

Gemini MCP Server

Enables multi-turn conversations with Google Gemini AI models, supporting file and image analysis, automatic model selection, deep thinking mode, and Google Search integration through the AIStudioProxyAPI backend.

Nagoya Bus MCP

Provides access to Nagoya bus system information and schedules. Enables users to query bus routes, stops, and real-time transit data for Nagoya's public transportation network.