Discover Awesome MCP Servers

Ares DevOps MCP Server

An MCP server that provides seamless interaction with Azure DevOps Git repositories, enabling users to manage repositories, branches, pull requests, and pipelines through natural language.

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

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?

StarTree MCP Server for Apache Pinot

StarTree MCP Server for Apache Pinot

Infactory TypeScript SDK

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

razorpay-mcp

Server MCP Razorpay tidak resmi

HelloWorld MCP Server

A simple TypeScript MCP server that provides two tools: one for greeting users with a customizable name and another for adding two numbers together.

Shopify MCP Server

Enables interaction with Shopify store data through GraphQL API, providing tools for managing products, customers, orders, blogs, and articles.

College Basketball Stats MCP Server

An MCP server for accessing college basketball statistics through the SportsData.io CBB v3 Stats API, enabling AI agents to retrieve and analyze college basketball data through natural language interactions.

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.

Deep Research MCP

A Model Context Protocol compliant server that facilitates comprehensive web research by utilizing Tavily's Search and Crawl APIs to gather and structure data for high-quality markdown document creation.

yunxin-mcp-server

yunxin-mcp-server

Text-to-Speech MCP Server

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

Mock Data Server

MCP server that generates mock data.

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.

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.

qyweixin_bot_mcp_server

企业微信群通知机器人

PostgreSQL MCP Server by CData

PostgreSQL MCP Server by CData

mcp_repod27deec8-0d1e-446e-b4d2-f2860d808f71

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

mcp-gh-pr-mini

Server MCP (Model Context Protocol) minimal untuk berinteraksi dengan *pull request* GitHub.

TaskFlow MCP

A task management server that helps AI assistants break down user requests into manageable tasks and track their completion with user approval steps.

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.

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.

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.

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.

mediawiki-mcp-server

Model Context Protocol (MCP) server for MediaWiki

onx-mcp-server

Menjelajahi protokol konteks model dengan membangun server MCP.

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.