Discover Awesome MCP Servers

MCP Registry

Here are a few ways to interpret "MCP server that searches MCP Servers" and their Indonesian translations: **Interpretation 1: A server list or directory specifically for Minecraft Pocket Edition (MCP) servers.** * **Indonesian Translation:** Daftar server atau direktori khusus untuk server Minecraft Pocket Edition (MCP). * **Alternative Indonesian Translation:** Daftar server MCP yang mencari dan mengumpulkan server MCP lainnya. **Interpretation 2: A Minecraft Pocket Edition (MCP) server that has a feature to search for other MCP servers.** * **Indonesian Translation:** Server Minecraft Pocket Edition (MCP) yang memiliki fitur untuk mencari server MCP lainnya. * **Alternative Indonesian Translation:** Server MCP yang dapat digunakan untuk mencari server MCP lain. **Interpretation 3: A server dedicated to finding and listing Minecraft servers (assuming MCP is a typo and meant to be MC).** * **Indonesian Translation:** Server yang didedikasikan untuk mencari dan mendaftarkan server Minecraft. (Assuming MCP is a typo for MC) The best translation depends on the intended meaning. If you can provide more context, I can give you a more accurate and helpful translation.

MCP Server Proto-OKN

A Model Context Protocol server that provides tools for querying SPARQL endpoints, with specialized support for Proto-OKN knowledge graphs hosted on the FRINK platform.

MCP Server for ServiceNow

Server MCP untuk ServiceNow ini dirancang agar generik dan mudah diperluas. Server ini memanfaatkan pendekatan modular untuk menangani berbagai macam kasus penggunaan ServiceNow, mulai dari operasi ITSM inti hingga manajemen CMDB tingkat lanjut dan orkestrasi alur kerja dinamis.

Watchtower DAP Windows Debugging

Enables step-through debugging for C#, Node.js/TypeScript, Python, and Dart applications on Windows through a unified MCP interface. Acts as a bridge between MCP clients and various debug adapters, providing consistent debugging workflows with breakpoints, variable inspection, and process attachment capabilities.

Web-QA

An AI-powered MCP server that automates web testing workflows by enabling recording, execution, and discovery of tests through natural language prompts.

New Relic MCP Server

Sebuah server Protokol Konteks Model yang memungkinkan Model Bahasa Besar seperti Claude untuk menanyakan log dan metrik New Relic menggunakan kueri NRQL.

OSINT MCP Server

A comprehensive reconnaissance toolset that provides AI agents with 37 tools across 12 data sources like Shodan and VirusTotal for automated intelligence gathering. It enables agents to perform domain reconnaissance, attack surface mapping, and cross-platform data correlation within a single conversational interface.

Zentickr - Yahoo Finance MCP Server

A Model Context Protocol server providing comprehensive access to Yahoo Finance data through the yahooquery library, enabling AI assistants to retrieve stock prices, financial statements, market data, and company analytics.

OmniMCP

Sebuah server yang menyediakan konteks UI yang kaya dan kemampuan interaksi kepada model AI, memungkinkan pemahaman mendalam tentang antarmuka pengguna melalui analisis visual dan interaksi yang tepat melalui Model Context Protocol.

Korea Stock Analyzer MCP Server

Provides comprehensive Korean stock market analysis using investment strategies from 6 legendary investors including Warren Buffett and Peter Lynch. Offers real-time KOSPI/KOSDAQ data, technical indicators, DCF valuations, and buy/hold/sell recommendations through natural language queries.

terminal-mcp

A secure and pluggable MCP server to run terminal commands on your local machine or cloud server — remotely, safely, and with LLMs or agentic clients.

Kotlin Crypto Price Spring MCP Server Demo

Kotlin Spring AI MCP server demo. Mendapatkan harga Cryptocurrency dari Binance.

Feedback Collector MCP

Collects user feedback with text and image support through an Electron app, allowing AI tools to gather and process user input with customizable prompts and multiple response options.

MCP

Here are a few options for MCP (Management Control Plane) servers that can interact with Algolia, along with a breakdown of what they are and why you might use them: **Understanding the Context: MCP and Algolia** * **Algolia:** A powerful search and discovery platform as a service (PaaS). You send data to Algolia, and it indexes it for fast and relevant search results. * **MCP (Management Control Plane):** A centralized system for managing and controlling various aspects of your application or infrastructure. In the context of Algolia, an MCP would handle tasks like: * **Data Synchronization:** Pushing data from your database or other sources to Algolia. * **Index Management:** Creating, updating, and deleting Algolia indexes. * **Configuration Management:** Managing Algolia settings (e.g., search settings, synonyms, rules). * **Monitoring and Alerting:** Tracking Algolia performance and alerting you to issues. * **User Management/Access Control:** Controlling who can access and modify Algolia data and settings (if your MCP handles broader application security). **Possible MCP Server Options (and how they interact with Algolia):** 1. **Custom-Built MCP Server (Most Common):** * **Description:** You build your own server (using a language like Python, Node.js, Go, Java, etc.) specifically tailored to your application's needs. This is the most flexible option. * **Interaction with Algolia:** * **Algolia API Client:** Your server uses the official Algolia API client library for your chosen language to communicate with Algolia. These libraries provide functions for indexing, searching, and managing Algolia resources. * **Data Pipelines:** You'll likely need to create data pipelines to extract, transform, and load (ETL) data from your source systems into a format suitable for Algolia. This might involve: * Reading data from your database (e.g., MySQL, PostgreSQL, MongoDB). * Transforming the data (e.g., cleaning, enriching, formatting). * Sending the data to Algolia using the API client. * **Event-Driven Architecture (Optional):** You can use message queues (e.g., Kafka, RabbitMQ) to decouple your application from Algolia. When data changes, your application publishes an event to the queue, and your MCP server consumes the event and updates Algolia accordingly. * **Pros:** * **Highly Customizable:** You have complete control over the functionality. * **Optimized for Your Needs:** You can tailor the MCP to your specific data sources, data transformations, and Algolia configuration. * **Integration with Existing Systems:** Easier to integrate with your existing infrastructure and authentication mechanisms. * **Cons:** * **Development Effort:** Requires significant development and maintenance effort. * **Complexity:** Can be complex to design, build, and deploy. 2. **Serverless Functions (e.g., AWS Lambda, Google Cloud Functions, Azure Functions):** * **Description:** You use serverless functions to handle specific tasks related to Algolia management. This is a good option for event-driven updates and smaller-scale operations. * **Interaction with Algolia:** * **Algolia API Client:** The serverless function uses the Algolia API client library. * **Triggers:** The function is triggered by events, such as: * Database changes (e.g., a new record is inserted). * Scheduled events (e.g., a cron job to re-index data). * HTTP requests (e.g., an API endpoint to trigger a re-index). * **Pros:** * **Scalability:** Serverless functions automatically scale to handle varying workloads. * **Cost-Effective:** You only pay for the compute time you use. * **Simplified Deployment:** Easier to deploy and manage than a full-fledged server. * **Cons:** * **Cold Starts:** Serverless functions can experience cold starts (delay when the function is invoked for the first time or after a period of inactivity). * **Limited Execution Time:** Serverless functions typically have execution time limits. * **Debugging:** Debugging can be more challenging than with traditional servers. 3. **Integration Platforms as a Service (iPaaS) (e.g., Zapier, Integromat, Tray.io):** * **Description:** These platforms provide pre-built connectors and workflows for integrating different applications. They can be used for simple Algolia integrations, but they may not be suitable for complex data transformations or high-volume data synchronization. * **Interaction with Algolia:** * **Pre-built Connectors:** The iPaaS platform provides a connector for Algolia. * **Workflows:** You create workflows that define the data flow between your source systems and Algolia. * **Pros:** * **Ease of Use:** No coding required. * **Rapid Integration:** Quickly connect different applications. * **Cons:** * **Limited Customization:** Less control over the data transformations and integration logic. * **Cost:** Can be expensive for high-volume data synchronization. * **Performance:** May not be as performant as a custom-built solution. 4. **Open-Source Data Integration Tools (e.g., Apache NiFi, Apache Airflow, Singer):** * **Description:** These tools provide frameworks for building data pipelines. They offer more flexibility than iPaaS platforms but require more technical expertise. * **Interaction with Algolia:** * **Custom Connectors:** You may need to build custom connectors for Algolia or use existing connectors contributed by the community. * **Data Pipelines:** You define data pipelines to extract, transform, and load data into Algolia. * **Pros:** * **Flexibility:** More control over the data transformations and integration logic. * **Scalability:** Designed for handling large volumes of data. * **Cost-Effective:** Open-source and free to use (although you may need to pay for infrastructure). * **Cons:** * **Complexity:** Requires more technical expertise to set up and maintain. * **Development Effort:** May require some coding to build custom connectors or data transformations. **Choosing the Right Option** The best option for your MCP server depends on your specific requirements: * **Complexity of Data Transformations:** If you need complex data transformations, a custom-built server or an open-source data integration tool is likely the best choice. * **Data Volume:** For high-volume data synchronization, a custom-built server or an open-source data integration tool is recommended. * **Development Resources:** If you have limited development resources, a serverless function or an iPaaS platform may be a better option. * **Integration with Existing Systems:** Consider how well each option integrates with your existing infrastructure and authentication mechanisms. * **Cost:** Evaluate the cost of each option, including development costs, infrastructure costs, and subscription fees. **Example Scenario (Custom-Built MCP Server with Python):** Let's say you have a database of products that you want to index in Algolia. You could build a Python-based MCP server that: 1. **Connects to your database (e.g., using `psycopg2` for PostgreSQL).** 2. **Queries the database to retrieve product data.** 3. **Transforms the data into a format suitable for Algolia (e.g., a list of dictionaries).** 4. **Uses the Algolia Python API client (`algoliasearch`) to index the data in Algolia.** 5. **Sets up a scheduled task (e.g., using `APScheduler`) to periodically synchronize the data between your database and Algolia.** **In Indonesian:** Berikut adalah beberapa opsi untuk server MCP (Management Control Plane) yang dapat berinteraksi dengan Algolia, beserta penjelasan tentang apa itu dan mengapa Anda mungkin menggunakannya: **Memahami Konteks: MCP dan Algolia** * **Algolia:** Platform pencarian dan penemuan (search and discovery) sebagai layanan (PaaS) yang sangat kuat. Anda mengirim data ke Algolia, dan data tersebut diindeks untuk hasil pencarian yang cepat dan relevan. * **MCP (Management Control Plane):** Sistem terpusat untuk mengelola dan mengendalikan berbagai aspek aplikasi atau infrastruktur Anda. Dalam konteks Algolia, MCP akan menangani tugas-tugas seperti: * **Sinkronisasi Data:** Mendorong data dari database atau sumber lain ke Algolia. * **Manajemen Indeks:** Membuat, memperbarui, dan menghapus indeks Algolia. * **Manajemen Konfigurasi:** Mengelola pengaturan Algolia (misalnya, pengaturan pencarian, sinonim, aturan). * **Pemantauan dan Pemberitahuan:** Melacak kinerja Algolia dan memberi tahu Anda tentang masalah. * **Manajemen Pengguna/Kontrol Akses:** Mengontrol siapa yang dapat mengakses dan memodifikasi data dan pengaturan Algolia (jika MCP Anda menangani keamanan aplikasi yang lebih luas). **Opsi Server MCP yang Mungkin (dan bagaimana mereka berinteraksi dengan Algolia):** 1. **Server MCP Buatan Sendiri (Paling Umum):** * **Deskripsi:** Anda membangun server sendiri (menggunakan bahasa seperti Python, Node.js, Go, Java, dll.) yang secara khusus disesuaikan dengan kebutuhan aplikasi Anda. Ini adalah opsi yang paling fleksibel. * **Interaksi dengan Algolia:** * **Klien API Algolia:** Server Anda menggunakan pustaka klien API Algolia resmi untuk bahasa pilihan Anda untuk berkomunikasi dengan Algolia. Pustaka ini menyediakan fungsi untuk mengindeks, mencari, dan mengelola sumber daya Algolia. * **Pipeline Data:** Anda mungkin perlu membuat pipeline data untuk mengekstrak, mengubah, dan memuat (ETL) data dari sistem sumber Anda ke dalam format yang sesuai untuk Algolia. Ini mungkin melibatkan: * Membaca data dari database Anda (misalnya, MySQL, PostgreSQL, MongoDB). * Mengubah data (misalnya, membersihkan, memperkaya, memformat). * Mengirim data ke Algolia menggunakan klien API. * **Arsitektur Berbasis Peristiwa (Opsional):** Anda dapat menggunakan antrian pesan (misalnya, Kafka, RabbitMQ) untuk memisahkan aplikasi Anda dari Algolia. Ketika data berubah, aplikasi Anda menerbitkan peristiwa ke antrian, dan server MCP Anda mengkonsumsi peristiwa tersebut dan memperbarui Algolia sesuai dengan itu. * **Kelebihan:** * **Sangat Dapat Disesuaikan:** Anda memiliki kendali penuh atas fungsionalitas. * **Dioptimalkan untuk Kebutuhan Anda:** Anda dapat menyesuaikan MCP dengan sumber data, transformasi data, dan konfigurasi Algolia spesifik Anda. * **Integrasi dengan Sistem yang Ada:** Lebih mudah diintegrasikan dengan infrastruktur dan mekanisme otentikasi yang ada. * **Kekurangan:** * **Upaya Pengembangan:** Membutuhkan upaya pengembangan dan pemeliharaan yang signifikan. * **Kompleksitas:** Bisa jadi kompleks untuk dirancang, dibangun, dan diterapkan. 2. **Fungsi Tanpa Server (Serverless Functions) (misalnya, AWS Lambda, Google Cloud Functions, Azure Functions):** * **Deskripsi:** Anda menggunakan fungsi tanpa server untuk menangani tugas-tugas tertentu yang terkait dengan manajemen Algolia. Ini adalah pilihan yang baik untuk pembaruan berbasis peristiwa dan operasi skala kecil. * **Interaksi dengan Algolia:** * **Klien API Algolia:** Fungsi tanpa server menggunakan pustaka klien API Algolia. * **Pemicu (Triggers):** Fungsi dipicu oleh peristiwa, seperti: * Perubahan database (misalnya, catatan baru dimasukkan). * Peristiwa terjadwal (misalnya, cron job untuk mengindeks ulang data). * Permintaan HTTP (misalnya, endpoint API untuk memicu pengindeksan ulang). * **Kelebihan:** * **Skalabilitas:** Fungsi tanpa server secara otomatis diskalakan untuk menangani berbagai beban kerja. * **Hemat Biaya:** Anda hanya membayar untuk waktu komputasi yang Anda gunakan. * **Penerapan yang Disederhanakan:** Lebih mudah diterapkan dan dikelola daripada server lengkap. * **Kekurangan:** * **Cold Starts:** Fungsi tanpa server dapat mengalami cold starts (penundaan ketika fungsi dipanggil untuk pertama kalinya atau setelah periode tidak aktif). * **Waktu Eksekusi Terbatas:** Fungsi tanpa server biasanya memiliki batasan waktu eksekusi. * **Debugging:** Debugging bisa lebih menantang daripada dengan server tradisional. 3. **Platform Integrasi sebagai Layanan (iPaaS) (misalnya, Zapier, Integromat, Tray.io):** * **Deskripsi:** Platform ini menyediakan konektor dan alur kerja (workflows) yang telah dibuat sebelumnya untuk mengintegrasikan aplikasi yang berbeda. Mereka dapat digunakan untuk integrasi Algolia sederhana, tetapi mungkin tidak cocok untuk transformasi data yang kompleks atau sinkronisasi data volume tinggi. * **Interaksi dengan Algolia:** * **Konektor yang Sudah Dibuat:** Platform iPaaS menyediakan konektor untuk Algolia. * **Alur Kerja:** Anda membuat alur kerja yang mendefinisikan aliran data antara sistem sumber Anda dan Algolia. * **Kelebihan:** * **Kemudahan Penggunaan:** Tidak diperlukan pengkodean. * **Integrasi Cepat:** Menghubungkan aplikasi yang berbeda dengan cepat. * **Kekurangan:** * **Kustomisasi Terbatas:** Kurang kontrol atas transformasi data dan logika integrasi. * **Biaya:** Bisa mahal untuk sinkronisasi data volume tinggi. * **Kinerja:** Mungkin tidak secepat solusi buatan sendiri. 4. **Alat Integrasi Data Sumber Terbuka (Open-Source) (misalnya, Apache NiFi, Apache Airflow, Singer):** * **Deskripsi:** Alat ini menyediakan kerangka kerja untuk membangun pipeline data. Mereka menawarkan lebih banyak fleksibilitas daripada platform iPaaS tetapi membutuhkan lebih banyak keahlian teknis. * **Interaksi dengan Algolia:** * **Konektor Kustom:** Anda mungkin perlu membangun konektor kustom untuk Algolia atau menggunakan konektor yang ada yang disumbangkan oleh komunitas. * **Pipeline Data:** Anda mendefinisikan pipeline data untuk mengekstrak, mengubah, dan memuat data ke Algolia. * **Kelebihan:** * **Fleksibilitas:** Lebih banyak kontrol atas transformasi data dan logika integrasi. * **Skalabilitas:** Dirancang untuk menangani volume data yang besar. * **Hemat Biaya:** Sumber terbuka dan gratis untuk digunakan (meskipun Anda mungkin perlu membayar untuk infrastruktur). * **Kekurangan:** * **Kompleksitas:** Membutuhkan lebih banyak keahlian teknis untuk menyiapkan dan memelihara. * **Upaya Pengembangan:** Mungkin memerlukan beberapa pengkodean untuk membangun konektor kustom atau transformasi data. **Memilih Opsi yang Tepat** Opsi terbaik untuk server MCP Anda bergantung pada kebutuhan spesifik Anda: * **Kompleksitas Transformasi Data:** Jika Anda memerlukan transformasi data yang kompleks, server buatan sendiri atau alat integrasi data sumber terbuka kemungkinan merupakan pilihan terbaik. * **Volume Data:** Untuk sinkronisasi data volume tinggi, server buatan sendiri atau alat integrasi data sumber terbuka direkomendasikan. * **Sumber Daya Pengembangan:** Jika Anda memiliki sumber daya pengembangan yang terbatas, fungsi tanpa server atau platform iPaaS mungkin merupakan pilihan yang lebih baik. * **Integrasi dengan Sistem yang Ada:** Pertimbangkan seberapa baik setiap opsi terintegrasi dengan infrastruktur dan mekanisme otentikasi yang ada. * **Biaya:** Evaluasi biaya setiap opsi, termasuk biaya pengembangan, biaya infrastruktur, dan biaya berlangganan. **Contoh Skenario (Server MCP Buatan Sendiri dengan Python):** Katakanlah Anda memiliki database produk yang ingin Anda indeks di Algolia. Anda dapat membangun server MCP berbasis Python yang: 1. **Terhubung ke database Anda (misalnya, menggunakan `psycopg2` untuk PostgreSQL).** 2. **Menjalankan kueri ke database untuk mengambil data produk.** 3. **Mengubah data menjadi format yang sesuai untuk Algolia (misalnya, daftar kamus).** 4. **Menggunakan klien API Algolia Python (`algoliasearch`) untuk mengindeks data di Algolia.** 5. **Menyiapkan tugas terjadwal (misalnya, menggunakan `APScheduler`) untuk secara berkala menyinkronkan data antara database Anda dan Algolia.**

Tastytrade MCP Server

Provides access to Tastytrade historical price data via the Model Context Protocol. It enables users to retrieve historical candle data for specific financial symbols and time intervals.

School Vacation MCP Server

Query school vacation calendars for Belgium, Netherlands, and Luxembourg (2019-2028). Check vacation dates, retrieve vacation periods, and list supported regions across multiple educational zones.

Google Calendar MCP Server

Enables natural language interaction with Google Calendar via the Model Context Protocol, allowing LLMs like Claude to read and manage calendar events through the Google Calendar v3 API.

UnClick MCP Server

MCP server for the UnClick agent platform, providing native endpoint tools for browser automation and AI agent workflows.

Memory-MCP

Provides persistent memory for AI agents using hybrid search (vector embeddings + BM25) with neural reranking, enabling storage and retrieval of insights, debugging solutions, and patterns across coding sessions.

ghas-mcp-server

Cermin dari

Redshift MCP Server

Enables AI agents to interact with Amazon Redshift databases using natural language to execute queries, explore schemas, and retrieve sample data.

WordPressMCP Server

Enables interaction with WordPress sites through the REST API, supporting content management for posts, pages, users, plugins, and custom post types with Application Password authentication.

Defense MCP

Provides Claude Desktop access to Defense.com threat intelligence data for risk assessment, threat analysis, and workload management. It also features interactive security training tools and supports over 200 source type aliases for simplified querying.

Stealth-AntiCheat MCP

Real-time anti-cheat analysis system that monitors Discord servers for cheating code patterns using AI (GPT-4), automatically detects and analyzes suspicious code, and generates custom anti-cheat signatures with 24/7 monitoring capabilities.

mcp-arsr

Adaptive Retrieval-Augmented Self-Refinement MCP Server — a closed-loop system that lets LLMs iteratively verify and correct their own claims using uncertainty-guided retrieval.

PostgREST

Ini adalah server MCP untuk PostgREST. Server ini memungkinkan LLM (Model Bahasa Besar) untuk melakukan kueri dan operasi database pada database Postgres melalui PostgREST. Server ini bekerja dengan proyek Supabase (yang menggunakan PostgREST) dan server PostgREST mandiri.

wecom-docs-mcp-server

WeCom (Enterprise WeChat) document operations via MCP — create, read, and edit Docs and Smartsheets. 9 tools. Fills the doc-CRUD gap: existing WeCom MCP servers only support webhook messaging

Mallory MCP Server

A robust Model Control Protocol server that enables AI agents to access real-time cyber threat intelligence and detailed information about vulnerabilities, threat actors, malware, and other cyber-security entities.

claude-ollama-mcp

Lets Claude query and manage a local Ollama server — list models, inspect them, run generate/chat completions, pull or delete models.