Discover Awesome MCP Servers

mcp-ssh

MCP server for SSH remote execution, file transfer, and file editing with automatic backup/trash and ~/.ssh/config integration.

Moling

MoLing adalah server MCP berbasis penggunaan komputer dan penggunaan peramban. Ini adalah asisten AI kantor yang diterapkan secara lokal dan bebas dependensi.

short-form-video-editor-mcp

Turns long-form videos into short-form clips (TikTok/Reels) by reasoning over word-timestamped transcripts, with silence-aware rendering, STT-based validation, and optional reframing/captions.

Filesystem MCP Server

Enables comprehensive filesystem operations including reading/writing files, directory management, file searching, editing with diff preview, compression, hashing, and merging with dynamic directory access control.

prefect-mcp-server

An MCP server for interacting with Prefect resources, enabling AI assistants to monitor, manage, and debug workflows.

Cosmos DB MCP Server by CData

Cosmos DB MCP Server by CData

Hayba

An MCP server enabling AI agents to author Unreal Engine 5 scenes directly, with tools for spawning actors, building PCG graphs, validating physics, generating terrain, and more through a single MCP connection.

FinMCP-Core

Financial MCP server providing 15 tools for stock quotes, financials, risk metrics, news sentiment, SEC filings, and session summaries via Yahoo Finance data.

Whissle MCP Server

A Python-based server that provides access to Whissle API endpoints for speech-to-text, diarization, translation, and text summarization.

Hashkey MCP Server

A Model Context Protocol server that provides onchain tools for AI applications to interact with the Hashkey Network, enabling cryptocurrency transfers, smart contract deployment, and blockchain interactions.

Fenshitu MCP

Generates professional A-share intraday stock charts with 1-day and multi-day views, matching Chinese trading software styles.

mcpwatch

MCP server that audits other MCP servers. Run MCPWatch security scans from inside Claude Code or any MCP-compatible agent with 10 OWASP MCP Top 10 aligned checks and A-F letter grades.

Settled

Enables AI agents to query a team's decision ledger to check if past decisions are still binding before taking action, via the decisions:// MCP protocol.

aiohttp-mcp

Berikut adalah beberapa alat untuk membangun server Model Context Protocol (MCP) di atas aiohttp: * **aiohttp:** Ini adalah kerangka kerja web asinkron untuk Python yang menyediakan dasar untuk membangun server MCP Anda. Ini menangani routing, penanganan permintaan, dan fungsionalitas server web dasar lainnya. * **asyncio:** Pustaka standar Python untuk pemrograman asinkron. aiohttp dibangun di atas asyncio, jadi Anda akan menggunakannya untuk menangani operasi I/O secara non-blocking, yang penting untuk server MCP yang berkinerja tinggi. * **protobuf (Protocol Buffers):** MCP menggunakan Protocol Buffers untuk serialisasi data. Anda akan memerlukan kompiler protobuf (protoc) dan pustaka Python protobuf untuk mendefinisikan format pesan MCP Anda dan menserialisasikan/mendeserialisasikan data. * **grpcio-tools (opsional):** Meskipun MCP tidak *harus* menggunakan gRPC, Anda dapat menggunakan alat gRPC untuk menghasilkan kode dari definisi protobuf Anda. Ini dapat menyederhanakan proses penanganan pesan dan menyediakan abstraksi yang lebih tinggi. Jika Anda memilih untuk tidak menggunakan gRPC, Anda perlu menulis kode Anda sendiri untuk menserialisasikan dan mendeserialisasikan pesan protobuf. * **Pustaka Serialisasi/Deserialisasi (opsional):** Selain protobuf, Anda mungkin mempertimbangkan pustaka serialisasi/deserialisasi lain seperti `marshmallow` atau `pydantic` untuk validasi data dan penanganan tipe. Ini dapat membantu memastikan bahwa data yang Anda terima dan kirim sesuai dengan skema yang diharapkan. * **Pustaka Logging:** Gunakan pustaka logging Python standar untuk mencatat peristiwa penting di server Anda, seperti permintaan, kesalahan, dan informasi debug. * **Pustaka Pengujian:** Gunakan kerangka kerja pengujian seperti `pytest` dan pustaka pengujian asinkron seperti `pytest-asyncio` untuk menulis pengujian unit dan integrasi untuk server MCP Anda. **Ringkasan Alur Kerja:** 1. **Definisikan Pesan MCP dengan Protobuf:** Tentukan struktur data yang akan dikirim dan diterima oleh server MCP Anda menggunakan bahasa definisi protobuf. 2. **Hasilkan Kode Protobuf:** Gunakan kompiler protobuf (protoc) untuk menghasilkan kode Python dari definisi protobuf Anda. Jika Anda menggunakan gRPC, gunakan alat gRPC untuk menghasilkan kode server dan klien. 3. **Buat Server aiohttp:** Buat server aiohttp yang menangani permintaan masuk. 4. **Tangani Permintaan MCP:** Dalam penangan permintaan aiohttp Anda, deserialisasikan pesan protobuf yang diterima, lakukan logika yang diperlukan (misalnya, berinteraksi dengan model pembelajaran mesin), dan serialisasikan respons protobuf. 5. **Implementasikan Logika Bisnis:** Implementasikan logika bisnis khusus untuk server MCP Anda, seperti memuat model pembelajaran mesin, melakukan inferensi, dan mengelola konteks model. 6. **Uji Server Anda:** Tulis pengujian unit dan integrasi untuk memastikan bahwa server MCP Anda berfungsi dengan benar. **Contoh Sederhana (tanpa gRPC):** ```python import asyncio import aiohttp from aiohttp import web import your_protobuf_module_pb2 # Ganti dengan modul protobuf Anda async def handle_mcp_request(request): try: data = await request.read() mcp_request = your_protobuf_module_pb2.YourRequestMessage() mcp_request.ParseFromString(data) # Lakukan sesuatu dengan mcp_request (misalnya, inferensi model) response_data = "Hasil dari pemrosesan: " + mcp_request.input_data mcp_response = your_protobuf_module_pb2.YourResponseMessage() mcp_response.output_data = response_data response_body = mcp_response.SerializeToString() return web.Response(body=response_body, content_type='application/protobuf') except Exception as e: print(f"Error: {e}") return web.Response(status=500, text=str(e)) async def main(): app = web.Application() app.add_routes([web.post('/mcp', handle_mcp_request)]) runner = web.AppRunner(app) await runner.setup() site = web.TCPSite(runner, 'localhost', 8080) await site.start() print("Server berjalan di http://localhost:8080/mcp") # Jaga server tetap berjalan while True: await asyncio.sleep(3600) # Tidur selama satu jam if __name__ == '__main__': asyncio.run(main()) ``` **Penjelasan Contoh:** * **`your_protobuf_module_pb2`:** Ini adalah modul Python yang dihasilkan oleh kompiler protobuf dari file `.proto` Anda. Anda perlu mengganti ini dengan nama modul yang benar. * **`handle_mcp_request`:** Fungsi ini menangani permintaan POST ke `/mcp`. * Membaca data permintaan. * Mendeserialisasikan data menggunakan `ParseFromString`. * Melakukan beberapa pemrosesan (dalam contoh ini, hanya menambahkan string). * Menserialisasikan respons menggunakan `SerializeToString`. * Mengembalikan respons aiohttp dengan data protobuf dan tipe konten yang benar. * **`main`:** Fungsi ini membuat aplikasi aiohttp, menambahkan rute, dan memulai server. **Langkah Selanjutnya:** 1. **Pelajari Protobuf:** Pahami cara mendefinisikan pesan menggunakan bahasa definisi protobuf. 2. **Instal Alat:** Instal alat yang diperlukan, seperti aiohttp, protobuf, dan asyncio. 3. **Definisikan Pesan MCP Anda:** Buat file `.proto` yang mendefinisikan pesan yang akan dikirim dan diterima oleh server MCP Anda. 4. **Hasilkan Kode Protobuf:** Gunakan kompiler protobuf untuk menghasilkan kode Python dari file `.proto` Anda. 5. **Implementasikan Server:** Tulis kode server aiohttp yang menangani permintaan MCP, memproses data, dan mengembalikan respons. 6. **Uji Server Anda:** Tulis pengujian untuk memastikan bahwa server Anda berfungsi dengan benar. Ingatlah untuk mengganti `your_protobuf_module_pb2` dengan nama modul protobuf Anda yang sebenarnya dan menyesuaikan logika pemrosesan dengan kebutuhan spesifik Anda. Anda juga perlu menangani kesalahan dengan benar dan menambahkan logging untuk tujuan debug.

ui-diff-mcp

Enables comparison of mobile app screenshots against design mockups, with Calorix as the first integration target.

gcp-mcp

Enables managing Google Cloud Platform (GCP) resources through natural language commands, including compute instances, storage, databases, and monitoring.

Minted MCP Server

Enables interaction with Minted.com to retrieve address book contacts, order history, and delivery information for recent card orders.

iaas-conversion-mcp

A Model Context Protocol (MCP) server that converts Confluence pages into standardized formats for the IaaS Storage team.

Notion MCP Server

Enables AI agents to interact with Notion workspaces through the Notion API, allowing them to search, read, create, update pages and databases, and manage comments using natural language commands.

Dev.to MCP Server

An MCP server implementation that allows AI assistants to access, search, and interact with Dev.to content, including fetching articles, retrieving user information, and publishing new content.

Wolfram Language MCP

Enables mathematical computation via Wolfram Language/Mathematica integration, supporting calculations, equation solving, calculus, matrix operations, and symbolic mathematics.

MCP PostgreSQL Server

Enables secure read-only access to PostgreSQL databases, allowing users to list tables, query schemas, execute SELECT statements, and inspect table structures through natural language interactions.

Outlook OAuth MCP Server

Enables interaction with Microsoft Outlook for managing emails and calendars through OAuth2 delegated access. It provides a stateless, spec-compliant server that allows users to authenticate and perform mail and calendar operations with their own Microsoft accounts.

WaveGuard

An MCP server that exposes GPU-accelerated anomaly detection to AI assistants via the Model Context Protocol. Provides two MCP tools: waveguard_scan (send training + test data in one call, returns per-sample anomaly scores and top explanatory features) and waveguard_health (check API and GPU status). Works on time series, JSON, numbers, text, and images — fully stateless.

gh-attach

Enables AI applications to upload images and videos to GitHub issues, pull requests, and comments through the Model Context Protocol.

mcp-sam-gov

The most comprehensive keyless federal-data MCP server. 36 tools for SAM.gov + USAspending + Federal Register + eCFR + Grants.gov. No API key, no registration, no signup. Works in Claude Desktop, Claude Code, Codex CLI, Cursor, Continue, Gemini CLI, and any MCP-aware host.

Claude-NWS Protocol Bridge

Integrates the US National Weather Service API with Claude Desktop to provide real-time weather conditions, forecasts, and detailed weather metrics for any US location through natural language queries.

MCP DS Toolkit Server

A standalone MCP server that brings complete data science capabilities to AI assistants, enabling them to load data, train models, and track experiments through natural language.

MCP Nexus

Enables universal access to MCP tools and capabilities from external clients, client-side, and server-side within a Next.js application.

subspace-api

Stateless MCP server providing tools for weather forecasts and alerts, real-time stock quotes, DC Metro rail incidents and arrivals, and live flight tracking, secured with OAuth 2.0.