Discover Awesome MCP Servers

MCP SDD Server

An MCP server implementing Spec-Driven Development workflows for AI-agent CLIs and IDEs like Claude Code and Cursor, enabling spec-first development with automated workflow guidance and quality checks.

SkillMCP

Serves project-specific skills and behavioral rules to AI agents via MCP, enabling automatic injection of behavioral rules and on-demand knowledge for coding assistants like Claude Code and Gemini CLI.

dev-chrome-monitor

Enables interaction with Chromium browser instances through Puppeteer for inspecting dev builds, capturing screenshots, and automating UI interactions. Features permission-gated tools for secure browser navigation, DOM manipulation, and JavaScript evaluation.

MCP Email Service

Enables multi-account email management with AI-powered monitoring, intelligent filtering, and automated notifications across multiple platforms including Gmail, Outlook, QQ Mail, and 163 Mail.

guardrails-mcp-server

MCP server for AI agent security guardrails. Provides input validation, prompt injection detection, PII redaction, output filtering, policy enforcement, rate limiting, and comprehensive audit logging.

Semantica Search MCP

Semantic code search for Claude Code, enabling natural language codebase indexing and search using AI embeddings.

mcp-stackexchange

Wraps the StackExchange API v2.3 to enable reading StackExchange data (questions, answers, etc.) without authentication. Allows AI agents to query StackExchange content through natural language or direct tool calls.

Directmedia MCP

Provides programmatic access to the Directmedia Publishing 'Digitale Bibliothek' collection, a 1990s German electronic book library containing 101 volumes of classic literature and philosophy with text extraction, search, and navigation capabilities.

ms-fabric-mcp-server

Enables AI agents to interact with Microsoft Fabric by exposing tools for managing workspaces, notebooks, SQL queries, pipelines, and Livy Spark sessions. It provides a comprehensive set of operations for data engineering and analytics tasks using standard Azure authentication.

constraints-registry-mcp

A single, queryable source of engineering constraints that coding agents consult at code-generation time, exposed over an MCP server.

willow-mcp

An agent-neutral MCP server providing SQLite key/value storage, Postgres knowledge base, and Kart task queue functionality. Features SAP/1.0 authorization on every tool call for secure multi-application access.

MCP Web Chat

A server that enables WebChat functionality through MCP (Model-Control-Protocol), solving long-term connection issues while providing both common method calls and business API integration capabilities.

Jira Universal MCP Server

Provides a standardized interface for interacting with Jira's tools and services through a unified API.

rocket-cli

Rocket.Chat bridge with a local SQLite/FTS5 cache — CLI for humans, MCP server for LLM agents.

OpenFeature MCP Server

Provides OpenFeature SDK installation guidance for various programming languages and enables feature flag evaluation through the OpenFeature Remote Evaluation Protocol (OFREP). Supports multiple AI clients and can connect to any OFREP-compatible feature flag service.

天气 MCP 服务器

Ini adalah server MCP kueri cuaca yang dibangun berdasarkan FastMCP.

SuprSend MCP Server

Manage your entire notification infrastructure using natural language. Trigger workflows, create users, manage preferences, update tenant branding, and access docs — all from Cursor, Claude Desktop, or Windsurf. 24 tools covering email, SMS, push, WhatsApp, Slack, MS Teams, and in-app notifications.

PowerPoint Automation MCP Server

Enables AI assistants to create, modify, and manage PowerPoint presentations programmatically using python-pptx.

wu-weather-mcp

Exposes Weather Underground personal weather station data as tools in Claude, enabling queries for current conditions, daily summaries, hourly history, and station metadata.

Sample Model Context Protocol Demos

Okay, here are some examples of how to use the Model Context Protocol with AWS, translated into Indonesian: **Judul: Kumpulan Contoh Penggunaan Protokol Konteks Model dengan AWS** **Pendahuluan:** Protokol Konteks Model (Model Context Protocol) adalah cara untuk menyediakan informasi kontekstual ke model machine learning Anda saat di-deploy. Informasi ini dapat mencakup data konfigurasi, kredensial, atau metadata lainnya yang dibutuhkan model untuk beroperasi dengan benar. Dengan AWS, Anda dapat memanfaatkan berbagai layanan untuk mengelola dan menyediakan konteks model ini. **Contoh 1: Menyediakan Kredensial AWS ke Model yang Berjalan di Amazon SageMaker** * **Bahasa Inggris:** "Let's say you have a model deployed on Amazon SageMaker that needs to access data from an S3 bucket. Instead of hardcoding the AWS credentials into the model code, you can use the SageMaker execution role to provide the necessary permissions. The model can then use the AWS SDK to assume the role and access the S3 bucket." * **Bahasa Indonesia:** "Katakanlah Anda memiliki model yang di-deploy di Amazon SageMaker yang perlu mengakses data dari bucket S3. Alih-alih memasukkan kredensial AWS secara langsung (hardcoding) ke dalam kode model, Anda dapat menggunakan peran eksekusi SageMaker untuk menyediakan izin yang diperlukan. Model kemudian dapat menggunakan AWS SDK untuk mengambil peran tersebut dan mengakses bucket S3." **Penjelasan:** * **SageMaker Execution Role:** Peran IAM yang diberikan ke instance SageMaker. Ini memberikan izin kepada instance untuk mengakses layanan AWS lainnya. * **AWS SDK:** Perpustakaan (library) yang memungkinkan model Anda berinteraksi dengan layanan AWS. * **Keuntungan:** Keamanan yang lebih baik (tidak ada kredensial yang di-hardcode), manajemen kredensial yang terpusat. **Contoh 2: Menggunakan AWS Secrets Manager untuk Menyimpan dan Mengakses Kunci API** * **Bahasa Inggris:** "Your model might need to call an external API that requires an API key. You can store the API key securely in AWS Secrets Manager and then retrieve it from your model at runtime. This prevents the API key from being exposed in your code or configuration files." * **Bahasa Indonesia:** "Model Anda mungkin perlu memanggil API eksternal yang memerlukan kunci API. Anda dapat menyimpan kunci API dengan aman di AWS Secrets Manager dan kemudian mengambilnya dari model Anda saat runtime. Ini mencegah kunci API terekspos dalam kode atau file konfigurasi Anda." **Penjelasan:** * **AWS Secrets Manager:** Layanan untuk menyimpan dan mengelola rahasia (secrets) seperti kunci API, kata sandi database, dan sertifikat. * **Runtime:** Waktu ketika model sedang berjalan dan memproses data. * **Keuntungan:** Keamanan yang ditingkatkan, rotasi rahasia yang mudah. **Contoh 3: Menggunakan AWS Systems Manager Parameter Store untuk Menyimpan Konfigurasi Model** * **Bahasa Inggris:** "You can use AWS Systems Manager Parameter Store to store configuration parameters for your model, such as the learning rate, batch size, or the path to a pre-trained model. This allows you to easily update the configuration without redeploying the model." * **Bahasa Indonesia:** "Anda dapat menggunakan AWS Systems Manager Parameter Store untuk menyimpan parameter konfigurasi untuk model Anda, seperti learning rate, ukuran batch, atau path ke model yang sudah dilatih sebelumnya (pre-trained model). Ini memungkinkan Anda untuk dengan mudah memperbarui konfigurasi tanpa perlu melakukan redeploy model." **Penjelasan:** * **AWS Systems Manager Parameter Store:** Layanan untuk menyimpan data konfigurasi dan rahasia. * **Learning Rate, Batch Size:** Contoh parameter yang sering digunakan dalam machine learning. * **Keuntungan:** Manajemen konfigurasi yang terpusat, pembaruan konfigurasi yang mudah. **Contoh 4: Menggunakan Amazon DynamoDB untuk Menyimpan Metadata Model** * **Bahasa Inggris:** "You can store metadata about your model in Amazon DynamoDB, such as the model version, training data used, and performance metrics. This metadata can be used for model tracking, auditing, and debugging." * **Bahasa Indonesia:** "Anda dapat menyimpan metadata tentang model Anda di Amazon DynamoDB, seperti versi model, data pelatihan yang digunakan, dan metrik kinerja. Metadata ini dapat digunakan untuk pelacakan model, audit, dan debugging." **Penjelasan:** * **Amazon DynamoDB:** Database NoSQL yang cepat dan scalable. * **Metadata:** Data tentang data (dalam hal ini, data tentang model). * **Keuntungan:** Pelacakan model yang lebih baik, kemampuan audit, dan debugging yang lebih mudah. **Contoh 5: Menggunakan AWS Lambda untuk Menyediakan Konteks Model Dinamis** * **Bahasa Inggris:** "You can use AWS Lambda to create a function that dynamically retrieves context information for your model based on the input data. For example, the Lambda function could retrieve user-specific data from a database and pass it to the model as context." * **Bahasa Indonesia:** "Anda dapat menggunakan AWS Lambda untuk membuat fungsi yang secara dinamis mengambil informasi konteks untuk model Anda berdasarkan data input. Misalnya, fungsi Lambda dapat mengambil data spesifik pengguna dari database dan meneruskannya ke model sebagai konteks." **Penjelasan:** * **AWS Lambda:** Layanan komputasi tanpa server (serverless) yang memungkinkan Anda menjalankan kode tanpa menyediakan atau mengelola server. * **Konteks Dinamis:** Informasi konteks yang berubah berdasarkan input. * **Keuntungan:** Fleksibilitas yang tinggi, kemampuan untuk menyediakan konteks yang dipersonalisasi. **Kesimpulan:** Contoh-contoh di atas menunjukkan beberapa cara untuk menggunakan Protokol Konteks Model dengan AWS. Dengan memanfaatkan layanan AWS seperti SageMaker, Secrets Manager, Parameter Store, DynamoDB, dan Lambda, Anda dapat mengelola dan menyediakan konteks model dengan aman dan efisien. Pilihan layanan yang tepat akan bergantung pada kebutuhan spesifik model dan aplikasi Anda. **Catatan:** Pastikan untuk selalu mengikuti praktik terbaik keamanan AWS saat mengelola kredensial dan data sensitif.

aris-md/mcp

A minimal, well-structured MCP server implementation for learning and experimentation that exposes three tools: web search, API search, and client ID processing. It demonstrates clean separation between tool, transport, and LLM layers while supporting multiple AI clients through the Model Context Protocol standard.

Safari MCP Server

Native Safari browser automation for AI agents. 80 tools via AppleScript — zero overhead, keeps logins, runs silently in background. Drop-in alternative to Chrome DevTools MCP with 40-60% less CPU/heat on Apple Silicon.

Agno Docs MCP Server

Provides access to Agno framework documentation for AI agents, enabling search and retrieval of SDK references, API endpoints, code examples, and integration guides through MCP-compatible tools.

Archy

Architectural sensor for Python codebases. Scores structural health (modularity, acyclicity, depth, equality), detects import cycles, enforces YAML layer rules, and runs a snapshot/diff loop so AI-assisted edits do not silently regress structure.

BlenderMCP

Connects Blender to Claude AI, enabling AI-assisted 3D modeling, scene creation, object manipulation, material control, and code execution directly in Blender through natural language prompts.

LumenX-MCP Legal Spend Intelligence Server

MCP server that enables intelligent analysis of legal spend data across multiple sources (LegalTracker, databases, CSV/Excel files), providing features like spend summaries, vendor performance analysis, and budget comparisons.

WordPress MCP Server

Enables comprehensive management of WordPress sites including posts, users, media, categories, tags, and site settings via the WordPress REST API.

Yandex Webmaster MCP Server

MCP server that provides 46 tools for managing Yandex Webmaster API v4, enabling site management, sitemaps, indexing, search analytics, and more through natural language.