Discover Awesome MCP Servers

MCP YAML API

A Model Context Protocol server that creates tools from API configurations defined in YAML files, allowing easy integration of external APIs into an MCP ecosystem without coding.

PostgreSQL MCP Server by CData

PostgreSQL MCP Server by CData

MCP Task Manager Server

Sebuah server Protokol Konteks Model lokal yang menyediakan alat bantu backend untuk agen AI dalam mengelola proyek dan tugas dengan penyimpanan persisten di SQLite, memungkinkan pelacakan terstruktur tugas proyek dengan dependensi, prioritas, dan status.

Mock Data Server

MCP server that generates mock data.

Text-to-Speech MCP Server

Berikut adalah server MCP (Model Context Protocol) sederhana yang menyediakan kemampuan konversi teks ke ucapan, ditulis dalam TypeScript:

Joaowinderfeldbussolotto_MCP Websearch Server

Cermin dari

Google Data Catalog 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 Google Data Catalog (beta): https://www.cdata.com/download/download.aspx?sku=HGZK-V&type=beta

MCP Server Implementation Guide

Baik, berikut adalah panduan dan implementasi untuk membuat server MCP (Model Control Protocol) Anda sendiri untuk integrasi Cursor: **Panduan dan Implementasi untuk Membuat Server MCP (Model Control Protocol) Anda Sendiri untuk Integrasi Cursor** **Pendahuluan** Model Control Protocol (MCP) adalah protokol yang digunakan oleh Cursor untuk berkomunikasi dengan model bahasa eksternal. Dengan membuat server MCP Anda sendiri, Anda dapat mengintegrasikan model bahasa kustom Anda ke dalam Cursor dan memanfaatkan fitur-fitur seperti penyelesaian kode, pembuatan kode, dan obrolan. **Prasyarat** * **Pengetahuan Pemrograman:** Anda perlu memiliki pemahaman dasar tentang pemrograman, idealnya dengan Python, karena contoh implementasi akan menggunakan Python. * **Model Bahasa:** Anda harus memiliki model bahasa yang ingin Anda integrasikan. Ini bisa berupa model yang Anda latih sendiri atau model yang tersedia secara komersial. * **Python (Disarankan):** Python adalah bahasa yang populer untuk pengembangan server MCP karena kemudahan penggunaannya dan ketersediaan pustaka yang relevan. * **Pustaka:** Anda mungkin memerlukan pustaka seperti `Flask` atau `FastAPI` untuk membuat server web, dan pustaka untuk berinteraksi dengan model bahasa Anda (misalnya, `transformers` untuk model berbasis Transformer). **Langkah-langkah Implementasi** 1. **Definisikan Endpoint MCP:** * MCP menggunakan serangkaian endpoint HTTP untuk berkomunikasi. Endpoint yang paling penting adalah: * `/`: Endpoint dasar untuk pemeriksaan kesehatan. Server harus merespons dengan kode status 200 OK. * `/completion`: Endpoint untuk meminta penyelesaian kode. * `/chat`: Endpoint untuk meminta respons obrolan. * `/health`: Endpoint untuk pemeriksaan kesehatan yang lebih rinci. 2. **Buat Server Web:** * Gunakan kerangka kerja web seperti Flask atau FastAPI untuk membuat server web yang akan menangani permintaan MCP. * Contoh menggunakan Flask: ```python from flask import Flask, request, jsonify import json app = Flask(__name__) @app.route('/', methods=['GET']) def health_check(): return "OK", 200 @app.route('/health', methods=['GET']) def detailed_health_check(): # Tambahkan logika untuk memeriksa kesehatan model Anda di sini return jsonify({"status": "OK", "model_status": "running"}), 200 @app.route('/completion', methods=['POST']) def completion(): data = request.get_json() prompt = data.get('prompt') # Panggil model bahasa Anda untuk menghasilkan penyelesaian completion_result = generate_completion(prompt) return jsonify({"completion": completion_result}), 200 @app.route('/chat', methods=['POST']) def chat(): data = request.get_json() message = data.get('message') # Panggil model bahasa Anda untuk menghasilkan respons obrolan chat_response = generate_chat_response(message) return jsonify({"response": chat_response}), 200 def generate_completion(prompt): # Implementasikan logika untuk memanggil model bahasa Anda # dan menghasilkan penyelesaian berdasarkan prompt # Contoh (gunakan pustaka transformers): # from transformers import pipeline # generator = pipeline('text-generation', model='your_model') # completion = generator(prompt, max_length=50)[0]['generated_text'] # return completion return "Penyelesaian placeholder" def generate_chat_response(message): # Implementasikan logika untuk memanggil model bahasa Anda # dan menghasilkan respons obrolan berdasarkan pesan return "Respons obrolan placeholder" if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` 3. **Implementasikan Logika Model Bahasa:** * Di dalam fungsi `generate_completion` dan `generate_chat_response`, Anda perlu mengintegrasikan model bahasa Anda. * Ini mungkin melibatkan pemuatan model, pra-pemrosesan input, meneruskan input ke model, dan memproses output. * Gunakan pustaka yang sesuai untuk model bahasa Anda. 4. **Tangani Permintaan dan Respons MCP:** * Pastikan server Anda dapat menerima permintaan POST dengan data JSON dan mengembalikan respons JSON yang sesuai. * Format permintaan dan respons harus sesuai dengan spesifikasi MCP. Lihat dokumentasi Cursor untuk detailnya. 5. **Konfigurasi Cursor:** * Di Cursor, Anda perlu mengonfigurasi untuk menggunakan server MCP Anda. * Ini biasanya melibatkan pengaturan URL server MCP di pengaturan Cursor. 6. **Uji Server MCP Anda:** * Setelah server MCP Anda berjalan, Anda dapat mengujinya dengan mengirimkan permintaan HTTP langsung ke endpoint atau dengan menggunakan Cursor. * Periksa log server untuk kesalahan atau masalah. **Detail Tambahan dan Pertimbangan** * **Keamanan:** Jika server MCP Anda akan diakses melalui jaringan, pastikan untuk menerapkan langkah-langkah keamanan yang sesuai, seperti autentikasi dan otorisasi. * **Skalabilitas:** Jika Anda mengharapkan volume permintaan yang tinggi, pertimbangkan untuk menggunakan arsitektur yang dapat diskalakan, seperti menggunakan load balancer dan beberapa instans server MCP. * **Penanganan Kesalahan:** Implementasikan penanganan kesalahan yang kuat untuk menangani kesalahan yang mungkin terjadi selama pemrosesan permintaan. * **Logging:** Gunakan logging untuk mencatat permintaan, respons, dan kesalahan untuk tujuan debugging dan pemantauan. * **Dokumentasi:** Dokumentasikan API MCP Anda dengan jelas untuk memudahkan pengguna lain untuk mengintegrasikan model bahasa mereka. * **Format Data:** Perhatikan format data yang diharapkan oleh Cursor dan format data yang dihasilkan oleh model Anda. Anda mungkin perlu melakukan konversi data. * **Latensi:** Usahakan untuk meminimalkan latensi respons dari server MCP Anda. Cursor akan memberikan pengalaman pengguna yang lebih baik jika respons cepat. Pertimbangkan untuk menggunakan teknik caching atau optimasi model. **Contoh Permintaan dan Respons MCP** * **Permintaan `/completion`:** ```json { "prompt": "def hello_world():\n " } ``` * **Respons `/completion`:** ```json { "completion": "print(\"Hello, world!\")" } ``` * **Permintaan `/chat`:** ```json { "message": "Write a function to calculate the factorial of a number." } ``` * **Respons `/chat`:** ```json { "response": "```python\ndef factorial(n):\n if n == 0:\n return 1\n else:\n return n * factorial(n-1)\n```" } ``` **Kesimpulan** Membuat server MCP Anda sendiri memungkinkan Anda untuk mengintegrasikan model bahasa kustom Anda ke dalam Cursor dan memanfaatkan fitur-fitur canggihnya. Dengan mengikuti panduan ini dan mengimplementasikan langkah-langkah yang diperlukan, Anda dapat membuat server MCP yang berfungsi dan mengintegrasikannya dengan Cursor. Ingatlah untuk mempertimbangkan keamanan, skalabilitas, dan penanganan kesalahan saat mengembangkan server Anda. Selalu rujuk ke dokumentasi Cursor untuk spesifikasi MCP terbaru.

Open Multi-Agent Canvas

Antarmuka obrolan multi-agen sumber terbuka yang memungkinkan Anda mengelola beberapa agen dalam satu percakapan dinamis dan menambahkan server MCP untuk riset mendalam.

Feishu/Lark OpenAPI MCP

A toolkit that enables AI assistants to directly call Feishu/Lark API interfaces for automation scenarios like document processing, conversation management, and calendar scheduling.

chatExcel

A Model Context Protocol server for intelligent Excel processing and data analysis, offering tools for reading, validating, executing code, and generating interactive visualizations with Excel files.

qyweixin_bot_mcp_server

企业微信群通知机器人

Memory MCP

A knowledge-graph-based memory system for AI agents that enables persistent information storage between conversations.

mcp_repod27deec8-0d1e-446e-b4d2-f2860d808f71

Ini adalah repositori pengujian yang dibuat oleh skrip pengujian MCP Server untuk GitHub.

razorpay-mcp

Server MCP Razorpay tidak resmi

mediawiki-mcp-server

Model Context Protocol (MCP) server for MediaWiki

mcp-server

Demo MCP

Firebase Management MCP Server

An MCP Server providing access to Google's Firebase API, allowing natural language interaction with Firebase services and resources.

mcp_stdio2sse

Versi SSE dari server Stdio MCP

onx-mcp-server

Menjelajahi protokol konteks model dengan membangun server MCP.

ScreenshotOne MCP Server

A simple implementation of an MCP server for the ScreenshotOne API

Google Cloud DNS API MCP Server

Auto-generated MCP server that enables interaction with Google's Cloud DNS API for managing DNS zones and records through natural language.

MCP Vulnerability Management System

Sistem komprehensif yang membantu organisasi melacak, mengelola, dan menanggapi kerentanan keamanan secara efektif melalui fitur-fitur seperti pelacakan kerentanan, manajemen pengguna, tiket dukungan, manajemen kunci API, dan manajemen sertifikat SSL.

Simple MCP Server

A minimalist MCP server that provides a single tool to retrieve a developer name, demonstrating the basic structure for Claude's Model Completion Protocol integration.

@dealx/mcp-server

Here are a few possible translations, depending on the context: * **Server MCP untuk platform DealX:** (This is a direct translation and likely the most accurate if "MCP" is a specific term within the DealX platform.) * **Server MCP untuk platform DealX:** (This is a direct translation and likely the most accurate if "MCP" is a specific term within the DealX platform.) * **Server MCP untuk platform DealX:** (This is a direct translation and likely the most accurate if "MCP" is a specific term within the DealX platform.) **Important Considerations:** * **What is "MCP"?** If "MCP" is an acronym or abbreviation, knowing what it stands for would allow for a more accurate and potentially more understandable translation. For example, if MCP stands for "Management Control Panel," the translation could be "Server Panel Kontrol Manajemen untuk platform DealX." * **Context is Key:** The best translation depends on how this phrase will be used. Is it a technical specification? Marketing material? Knowing the context will help choose the most appropriate wording. Without more information about "MCP," the direct translation is the safest bet.

Infactory TypeScript SDK

Infactory TypeScript SDK untuk digunakan dengan Infactory Workshop, MCP Server, dan API.

DeepChat 好用的图像 MCP Server 集合

Sebuah server MCP gambar untuk DeepChat.