Discover Awesome MCP Servers

Extend your agent with 16,804 capabilities via MCP servers.

All16,804
Ghost MCP Server

Ghost MCP Server

Manage your Ghost blog content directly from Claude, Cursor, or any MCP-compatible client, allowing you to create, edit, search, and delete posts with support for tag management and analytics.

Mvp MCP Server_MD Notes

Mvp MCP Server_MD Notes

DeepChat 好用的图像 MCP Server 集合

DeepChat 好用的图像 MCP Server 集合

Sebuah server MCP gambar untuk DeepChat.

Kubernetes MCP Server

Kubernetes MCP Server

Server MCP ringan yang menyediakan pemrosesan bahasa alami dan akses API ke klaster Kubernetes, menggabungkan perintah kubectl dan klien Python Kubernetes.

mcp-trigger

mcp-trigger

Here are a few possible translations, depending on what you mean by "mcp server for trigger": **If you're talking about a server that *uses* MCP (Minecraft Coder Pack) to *trigger* something (like an event or action):** * **Server MCP untuk pemicu:** This is a direct translation and is understandable. * **Server yang menggunakan MCP untuk memicu [sesuatu]:** This is more descriptive and allows you to specify what is being triggered. For example: "Server yang menggunakan MCP untuk memicu event." (Server that uses MCP to trigger an event.) **If you're talking about a server *specifically designed* to *trigger* something using MCP:** * **Server MCP untuk memicu aksi/kejadian:** This implies the server's primary purpose is triggering actions or events. * **Server yang dirancang untuk memicu [sesuatu] menggunakan MCP:** This is a more formal and precise translation. For example: "Server yang dirancang untuk memicu perintah menggunakan MCP." (Server designed to trigger commands using MCP.) **If you're talking about a server that *triggers* something *related to* MCP (like updating it or running a script):** * **Server untuk memicu [sesuatu] terkait MCP:** This is a more general translation. For example: "Server untuk memicu pembaruan MCP." (Server to trigger MCP updates.) **In summary, the best translation depends on the context. Here are the most likely options:** * **General:** Server MCP untuk pemicu * **More descriptive:** Server yang menggunakan MCP untuk memicu [sesuatu] * **Designed for triggering:** Server MCP untuk memicu aksi/kejadian To give you the *best* translation, please provide more context about what you mean by "mcp server for trigger." What is the server doing? What is being triggered?

MobSF MCP Server

MobSF MCP Server

A Node.js-based Model Context Protocol implementation that provides a standardized interface for integrating Mobile Security Framework's security analysis capabilities into automated workflows and third-party tools.

Sauce Labs MCP Server

Sauce Labs MCP Server

Enables AI assistants to interact with Sauce Labs testing platform through natural language, providing access to device cloud management, test job analysis, build monitoring, and testing infrastructure insights. Supports both Virtual Device Cloud (VDC) and Real Device Cloud (RDC) with comprehensive test analytics and team collaboration features.

HDFS MCP Server

HDFS MCP Server

A Model Context Protocol server that enables interaction with Hadoop Distributed File System, allowing operations like listing, reading, writing, and managing HDFS files and directories.

mcp_stdio2sse

mcp_stdio2sse

Versi SSE dari server Stdio MCP

Japan Weather MCP Server 🌞

Japan Weather MCP Server 🌞

Google Cloud DNS API MCP Server

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.

ScreenshotOne MCP Server

ScreenshotOne MCP Server

A simple implementation of an MCP server for the ScreenshotOne API

GoHighLevel MCP Server

GoHighLevel MCP Server

Connects Claude Desktop to GoHighLevel CRM with 269+ tools across 19+ categories for complete contact management, messaging, sales pipeline automation, e-commerce operations, and business management through natural language.

onx-mcp-server

onx-mcp-server

Menjelajahi protokol konteks model dengan membangun server MCP.

Multi-agent Communication Protocol Server

Multi-agent Communication Protocol Server

A standardized interface for agent-to-agent communication that enables composability, supports streaming, and implements server-sent events (SSE) for real-time interaction.

MCP Vulnerability Management System

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

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.

Fast MCP Task Manager

Fast MCP Task Manager

Enables AI-powered task management with Google Gemini integration, providing CRUD operations, task analytics, CSV export, and natural language interaction for comprehensive project management.

Google Data Catalog MCP Server by CData

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

My Awesome MCP

My Awesome MCP

A basic MCP server built with FastMCP framework that provides example tools including message echoing and server information retrieval. Supports both stdio and HTTP transports with Docker deployment capabilities.

MCP Container Weather Server

MCP Container Weather Server

A Docker-based MCP server that provides current weather information for cities worldwide. Enables AI assistants like Claude to fetch temperature, weather conditions, and humidity data through a standardized interface.

Feishu/Lark OpenAPI MCP

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.

TypeScript MCP Server Boilerplate

TypeScript MCP Server Boilerplate

A boilerplate project for quickly developing Model Context Protocol servers using TypeScript SDK, with example implementations of calculator tools, greeting functionality, and resource management.

AskDocs MCP Server

AskDocs MCP Server

Enables semantic search and retrieval of information from technical documentation PDFs using RAG-powered natural language queries with Ollama embeddings and LLMs.

File MCP Server

File MCP Server

A Model Context Protocol (MCP) server that enables AI assistants to perform comprehensive file operations including finding, reading, writing, editing, searching, moving, and copying files with security validations.

qyweixin_bot_mcp_server

qyweixin_bot_mcp_server

企业微信群通知机器人

Memory MCP

Memory MCP

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

Medicine Carousel MCP Server

Medicine Carousel MCP Server

Displays FDA-approved Lilly Direct pharmaceuticals in an interactive carousel interface and provides authenticated user profile access through OAuth 2.1 integration with AWS API Gateway.

MCP Server Implementation Guide

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

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.