Discover Awesome MCP Servers

MCP with Gemini Tutorial

Membangun Server MCP dengan Google Gemini

Quantitative Researcher MCP Server

Menyediakan alat untuk mengelola knowledge graph penelitian kuantitatif, memungkinkan representasi terstruktur dari proyek penelitian, dataset, variabel, hipotesis, uji statistik, model, dan hasil.

GitHub MCP Server

Mirror of

MailchimpMCP

Some utilities for developing an MCP server for the Mailchimp API

mcp-flux-schnell MCP Server

Server MCP berbasis TypeScript yang memungkinkan pembuatan teks menjadi gambar menggunakan API model Flux Schnell dari Cloudflare.

mcp-google-sheets: A Google Sheets MCP server

Server Protokol Konteks Model yang terintegrasi dengan Google Drive dan Google Sheets, memungkinkan pengguna untuk membuat, membaca, memperbarui, dan mengelola spreadsheet melalui perintah bahasa alami.

MCP Server Reddit

Cermin dari

DVMCP: Data Vending Machine Context Protocol

DVMCP is a bridge implementation that connects Model Context Protocol (MCP) servers to Nostr's Data Vending Machine (DVM) ecosystem

GraphQL MCP Server

Sebuah server TypeScript yang menyediakan Claude AI dengan akses tanpa hambatan ke API GraphQL mana pun melalui Model Context Protocol.

eRegulations MCP Server

Implementasi server Protokol Konteks Model yang menyediakan akses terstruktur dan ramah AI ke data eRegulations, sehingga memudahkan model AI untuk menjawab pertanyaan pengguna tentang prosedur administratif.

mcp-weather-server

Berikut adalah contoh server Protokol Konteks Model yang menyediakan data cuaca ke LLM (Model Bahasa Besar): ```python from flask import Flask, request, jsonify import requests import os app = Flask(__name__) # Ganti dengan kunci API cuaca Anda WEATHER_API_KEY = os.environ.get("WEATHER_API_KEY") WEATHER_API_URL = "http://api.openweathermap.org/data/2.5/weather" @app.route('/weather', methods=['POST']) def get_weather(): """ Endpoint untuk mendapatkan data cuaca berdasarkan lokasi. Menerima lokasi dari permintaan POST dalam format JSON. Mengembalikan data cuaca dalam format JSON. """ try: data = request.get_json() location = data.get('location') if not location: return jsonify({'error': 'Lokasi tidak diberikan'}), 400 # Panggil API cuaca eksternal params = { 'q': location, 'appid': WEATHER_API_KEY, 'units': 'metric' # Gunakan satuan metrik } response = requests.get(WEATHER_API_URL, params=params) response.raise_for_status() # Naikkan pengecualian untuk kode status HTTP yang buruk weather_data = response.json() # Ekstrak informasi cuaca yang relevan temperature = weather_data['main']['temp'] description = weather_data['weather'][0]['description'] humidity = weather_data['main']['humidity'] wind_speed = weather_data['wind']['speed'] # Format respons untuk LLM context = f"Cuaca di {location}: Suhu {temperature}°C, {description}, kelembaban {humidity}%, kecepatan angin {wind_speed} m/s." return jsonify({'context': context}), 200 except requests.exceptions.RequestException as e: print(f"Kesalahan API Cuaca: {e}") return jsonify({'error': f"Kesalahan API Cuaca: {e}"}), 500 except Exception as e: print(f"Kesalahan: {e}") return jsonify({'error': f"Kesalahan: {e}"}), 500 if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **Penjelasan:** 1. **Impor Pustaka:** - `flask`: Untuk membuat aplikasi web. - `requests`: Untuk membuat permintaan HTTP ke API cuaca eksternal. - `os`: Untuk mengakses variabel lingkungan (untuk menyimpan kunci API). 2. **Konfigurasi Aplikasi Flask:** - `app = Flask(__name__)`: Membuat instance aplikasi Flask. - `WEATHER_API_KEY = os.environ.get("WEATHER_API_KEY")`: Mendapatkan kunci API cuaca dari variabel lingkungan. **Penting:** Jangan menyimpan kunci API langsung di kode Anda. Gunakan variabel lingkungan. - `WEATHER_API_URL = "http://api.openweathermap.org/data/2.5/weather"`: URL API cuaca. Contoh ini menggunakan OpenWeatherMap. 3. **Endpoint `/weather`:** - `@app.route('/weather', methods=['POST'])`: Mendefinisikan endpoint `/weather` yang menerima permintaan POST. - `def get_weather():`: Fungsi yang menangani permintaan ke endpoint `/weather`. - `data = request.get_json()`: Mendapatkan data JSON dari permintaan POST. LLM akan mengirimkan lokasi dalam format JSON. - `location = data.get('location')`: Mengekstrak lokasi dari data JSON. - **Validasi Input:** Memeriksa apakah lokasi diberikan. Jika tidak, mengembalikan respons kesalahan. - **Panggilan API Cuaca:** - `params = { ... }`: Membuat kamus parameter untuk permintaan API cuaca. Ini termasuk lokasi, kunci API, dan satuan (metrik). - `response = requests.get(WEATHER_API_URL, params=params)`: Membuat permintaan GET ke API cuaca. - `response.raise_for_status()`: Memeriksa apakah permintaan berhasil (kode status HTTP 200). Jika tidak, akan memunculkan pengecualian. - `weather_data = response.json()`: Mengurai respons JSON dari API cuaca. - **Ekstraksi Data Cuaca:** Mengekstrak informasi cuaca yang relevan (suhu, deskripsi, kelembaban, kecepatan angin) dari data JSON. - **Format Konteks:** Membuat string konteks yang diformat yang berisi informasi cuaca. Ini adalah data yang akan dikirimkan kembali ke LLM. Format ini penting; sesuaikan dengan kebutuhan LLM Anda. - `return jsonify({'context': context}), 200`: Mengembalikan respons JSON yang berisi konteks cuaca. Kode status HTTP 200 menunjukkan bahwa permintaan berhasil. - **Penanganan Kesalahan:** - `except requests.exceptions.RequestException as e:`: Menangani kesalahan yang mungkin terjadi saat membuat permintaan ke API cuaca. - `except Exception as e:`: Menangani kesalahan umum lainnya. - Dalam kedua kasus, mengembalikan respons kesalahan JSON dengan kode status HTTP yang sesuai (500 untuk kesalahan server). 4. **Menjalankan Aplikasi:** - `if __name__ == '__main__':`: Memastikan bahwa kode di dalam blok ini hanya dijalankan jika skrip dijalankan langsung (bukan diimpor sebagai modul). - `app.run(debug=True, host='0.0.0.0', port=5000)`: Menjalankan aplikasi Flask. - `debug=True`: Mengaktifkan mode debug (hanya untuk pengembangan). - `host='0.0.0.0'`: Membuat aplikasi dapat diakses dari jaringan mana pun. - `port=5000`: Menentukan port yang akan digunakan aplikasi. **Cara Menggunakan:** 1. **Dapatkan Kunci API Cuaca:** Daftar ke layanan API cuaca seperti OpenWeatherMap dan dapatkan kunci API. 2. **Atur Variabel Lingkungan:** Atur variabel lingkungan `WEATHER_API_KEY` ke kunci API Anda. Misalnya, di Linux/macOS: ```bash export WEATHER_API_KEY="YOUR_API_KEY" ``` Di Windows: ``` set WEATHER_API_KEY="YOUR_API_KEY" ``` 3. **Instal Pustaka:** Instal pustaka yang diperlukan menggunakan pip: ```bash pip install flask requests ``` 4. **Jalankan Server:** Simpan kode sebagai file Python (misalnya, `weather_server.py`) dan jalankan: ```bash python weather_server.py ``` 5. **Kirim Permintaan POST:** Kirim permintaan POST ke endpoint `/weather` dengan lokasi dalam format JSON. Misalnya, menggunakan `curl`: ```bash curl -X POST -H "Content-Type: application/json" -d '{"location": "Jakarta"}' http://localhost:5000/weather ``` **Contoh Respons:** ```json { "context": "Cuaca di Jakarta: Suhu 30.0°C, berawan, kelembaban 70%, kecepatan angin 5.0 m/s." } ``` **Integrasi dengan LLM:** LLM Anda akan mengirimkan permintaan POST ke server ini dengan lokasi yang relevan. Server akan mengembalikan data cuaca yang diformat, yang kemudian dapat digunakan LLM untuk menjawab pertanyaan atau menghasilkan teks yang lebih informatif. **Pertimbangan:** * **Keamanan:** Jangan menyimpan kunci API langsung di kode Anda. Gunakan variabel lingkungan. * **Penanganan Kesalahan:** Implementasikan penanganan kesalahan yang komprehensif untuk menangani berbagai skenario kesalahan. * **Skalabilitas:** Jika Anda mengharapkan lalu lintas tinggi, pertimbangkan untuk menggunakan server web yang lebih kuat seperti Gunicorn atau uWSGI. * **Caching:** Pertimbangkan untuk menerapkan caching untuk mengurangi jumlah panggilan API ke layanan cuaca eksternal. * **Format Konteks:** Sesuaikan format konteks agar sesuai dengan kebutuhan LLM Anda. * **Penyedia API Cuaca:** Ada banyak penyedia API cuaca yang tersedia. Pilih salah satu yang sesuai dengan kebutuhan Anda. * **Autentikasi:** Jika Anda ingin membatasi akses ke server Anda, implementasikan autentikasi. Contoh ini memberikan dasar untuk membangun server Protokol Konteks Model yang menyediakan data cuaca ke LLM. Anda dapat menyesuaikannya lebih lanjut untuk memenuhi kebutuhan spesifik Anda.

Data Visualization MCP Server

Cermin dari

Wikipedia MCP Image Crawler

Sebuah Alat Pencarian Gambar Wikipedia. Mengikuti Lisensi Creative Commons untuk gambar dan menggunakannya dalam proyek Anda melalui Claude Desktop/Cline.

Deep Research MCP Server 🚀

MCP Deep Research Server using Gemini creating a Research AI Agent

Clover MCP (Model Context Protocol) Server

Memungkinkan agen AI untuk mengakses dan berinteraksi dengan data pedagang Clover, inventaris, dan pesanan melalui server MCP yang diautentikasi OAuth secara aman.

beeper_mcp MCP server

Server MCP sederhana untuk membuat dan mengelola catatan dengan dukungan fungsionalitas peringkasan.

Anki MCP Server

Server Protokol Konteks Model yang memungkinkan LLM berinteraksi dengan perangkat lunak kartu flash Anki, memungkinkan fungsi seperti membuat dek, menambahkan catatan, mencari kartu, dan mengelola konten kartu flash melalui bahasa alami.

MCP Prompt Server

Sebuah server yang berbasis Protokol Konteks Model yang menyediakan templat prompt yang telah ditentukan sebelumnya untuk tugas-tugas seperti peninjauan kode dan pembuatan dokumentasi API, memungkinkan alur kerja yang lebih efisien di editor Cursor/Windsurf.

MCP Server Giphy

Memungkinkan model AI untuk mencari, mengambil, dan menggunakan GIF dari Giphy dengan fitur seperti penyaringan konten, berbagai metode pencarian, dan metadata yang komprehensif.

LlamaCloud MCP Server

Mirror of

piapi-mcp-server

Mirror of

LLMling

Easy MCP (Model Context Protocol) servers and AI agents, defined as YAML.

BigQuery Analysis MCP Server

Sebuah server yang memungkinkan eksekusi dan validasi kueri SQL terhadap Google BigQuery dengan fitur keamanan yang mencegah modifikasi data dan pemrosesan berlebihan.

Unreal Engine Generative AI Support Plugin

UnrealMCP is here!! Automatic blueprint and scene generation from AI!! An Unreal Engine plugin for LLM/GenAI models & MCP UE5 server. Supports Claude Desktop App, Windsurf & Cursor, also includes OpenAI's GPT4o, DeepseekR1 and Claude Sonnet 3.7 APIs with plans to add Gemini, Grok 3, audio & realtime APIs soon.

Token Minter MCP

Sebuah server MCP yang menyediakan alat bagi agen AI untuk mencetak token ERC-20 di berbagai blockchain.

NextChat with MCP Server Builder

NextChat dengan fungsionalitas pembuatan server MCP dan integrasi OpenRouter.