Discover Awesome MCP Servers

Statly Docs MCP Server

Provides AI agents with access to Statly SDK and API documentation, enabling search across docs, retrieval of language-specific SDK references, code examples, and REST API information.

multimodal-mcp

Local MCP server that adds multimodal capabilities to text-only models like Codex/DeepSeek, offering tools for image description, audio transcription, video analysis, image/video generation, and speech synthesis.

Azure DevOps MCP Server

Enables interaction with Azure DevOps Boards through the Model Context Protocol. Supports work item management including listing, updating status, adding comments, and retrieving prioritized cards for development workflows.

CBT Agent Helper

An MCP server that enables AI agents to engage in structured deep thinking and recover from stuck states using CBT techniques and contemplation protocols.

Calendar MCP Server

Enables access to Google Calendar events from a public ICS feed, allowing users to list and search calendar events within specific date ranges with automatic handling of recurring events.

mcp-otobo

MCP server for Otobo ITSM enabling AI assistants to search, create, update, and manage tickets via the Generic Interface REST API.

mcp-server-dns

MCP server for DNS lookups, reverse DNS, WHOIS, and domain checks. Zero auth, zero config.

Zotero MCP Server

Zotero MCP (Message Channel Protocol) is not a standard or widely known protocol for directly connecting Zotero to chat interfaces like 5ire. It's more likely you're envisioning a custom solution that leverages Zotero's API and potentially some form of message queuing or real-time communication. Here's a breakdown of how you might approach implementing a system to connect your local Zotero library to the 5ire chat interface, along with considerations and potential technologies: **1. Understanding the Goal:** * **What functionality do you want?** Be specific. Examples: * Search your Zotero library from within 5ire chat. * Share Zotero items (citations, PDFs) directly in 5ire chat. * Automatically log chat conversations related to specific Zotero items. * Trigger Zotero actions (e.g., create a note) from 5ire chat. * **Real-time or Asynchronous?** Do you need immediate results in the chat, or is a slight delay acceptable? **2. Core Components:** * **Zotero API Access:** You'll need to use the Zotero API to interact with your local Zotero library. This requires: * **API Key:** Generate an API key from your Zotero account settings (zotero.org). This key grants access to your library. * **Zotero API Client:** Choose a programming language (Python, JavaScript, etc.) and use a library that simplifies interacting with the Zotero API. Popular choices: * **Python:** `pyzotero` (well-documented and actively maintained) * **JavaScript:** No single dominant library, but you can use `node-fetch` or `axios` to make HTTP requests to the Zotero API. * **5ire Chat Interface Integration:** This depends entirely on how 5ire chat allows external integrations. You'll need to investigate: * **5ire Chat API/SDK:** Does 5ire chat provide an API or SDK for creating bots, plugins, or extensions? This is the ideal scenario. * **Webhooks:** Can 5ire chat send webhooks (HTTP POST requests) when certain events occur (e.g., a message is sent)? This allows your server to react to chat activity. * **Direct Database Access (Highly Unlikely and Discouraged):** Avoid trying to directly access 5ire chat's database. This is almost always a security risk and violates terms of service. * **Server-Side Logic (The "MCP" Server):** This is the core of your implementation. It acts as a bridge between Zotero and 5ire chat. This server will: * Receive requests from 5ire chat (via API, webhooks, etc.). * Parse the requests to understand the user's intent (e.g., search for a term). * Use the Zotero API to query your Zotero library. * Format the results and send them back to 5ire chat. * **Database (Optional):** You might need a database to store: * User mappings (e.g., 5ire chat user ID to Zotero user ID). * Cached search results (for performance). * Configuration settings. **3. Implementation Steps (General Outline):** 1. **Choose a Programming Language and Framework:** Python with Flask/Django or Node.js with Express are common choices for building web servers. 2. **Set up your Development Environment:** Install the necessary libraries (e.g., `pyzotero`, Flask, `requests`). 3. **Implement Zotero API Interaction:** * Authenticate with the Zotero API using your API key. * Write functions to perform common Zotero operations (search, retrieve item details, etc.). 4. **Implement 5ire Chat Integration:** * Study the 5ire chat API/SDK/Webhook documentation. * Create endpoints on your server to receive requests from 5ire chat. * Parse the requests and extract relevant information. 5. **Implement the Server Logic:** * Connect the Zotero API functions to the 5ire chat endpoints. * Handle user authentication (if needed). * Format the Zotero results for display in 5ire chat. 6. **Deploy the Server:** Deploy your server to a cloud platform (e.g., Heroku, AWS, Google Cloud) or a local server. 7. **Test and Refine:** Thoroughly test the integration and make adjustments as needed. **Example (Conceptual - Python with Flask):** ```python from flask import Flask, request, jsonify from pyzotero import zotero app = Flask(__name__) ZOTERO_API_KEY = "YOUR_ZOTERO_API_KEY" # Replace with your actual API key ZOTERO_USER_ID = "YOUR_ZOTERO_USER_ID" # Replace with your Zotero user ID ZOTERO_LIBRARY_TYPE = "user" # Or "group" if it's a group library zot = zotero.Zotero(ZOTERO_USER_ID, ZOTERO_LIBRARY_TYPE, ZOTERO_API_KEY) @app.route('/5ire/zotero_search', methods=['POST']) def zotero_search(): """ Endpoint to receive search requests from 5ire chat. Assumes 5ire chat sends a JSON payload like: { "query": "keyword to search" } """ try: data = request.get_json() search_term = data.get('query') if not search_term: return jsonify({"error": "Missing search query"}), 400 items = zot.everything(zot.search({'q': search_term})) # Perform the search # Format the results for 5ire chat (e.g., create a list of titles) results = [{"title": item['data']['title'], "key": item['key']} for item in items] return jsonify({"results": results}) except Exception as e: print(f"Error: {e}") return jsonify({"error": str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **Important Considerations:** * **Security:** Protect your Zotero API key. Don't hardcode it directly into your code (use environment variables). Implement proper authentication and authorization to prevent unauthorized access. * **Rate Limiting:** The Zotero API has rate limits. Implement caching and error handling to avoid exceeding these limits. * **Error Handling:** Implement robust error handling to gracefully handle unexpected situations (e.g., API errors, network issues). * **Scalability:** If you expect a large number of users, consider using a more scalable architecture (e.g., message queue, load balancer). * **User Experience:** Design the integration to be user-friendly and intuitive. Provide clear instructions and feedback to the user. * **5ire Chat Limitations:** Be aware of any limitations imposed by the 5ire chat platform (e.g., message length limits, API rate limits). **In summary, there's no pre-built "Zotero MCP server" for this purpose. You'll need to build a custom server that acts as a bridge between the Zotero API and the 5ire chat interface, taking into account the specific features and limitations of both platforms.** Here's the translation of the above into Japanese: ## Zotero ライブラリと 5ire チャットインターフェースを接続するための実装 Zotero MCP (Message Channel Protocol) は、Zotero を 5ire のようなチャットインターフェースに直接接続するための標準的なプロトコルではありません。おそらく、Zotero の API と、何らかのメッセージキューイングまたはリアルタイム通信を利用したカスタムソリューションを想定していると思われます。 以下に、ローカルの Zotero ライブラリを 5ire チャットインターフェースに接続するためのシステムを実装する方法、考慮事項、および潜在的なテクノロジーについて説明します。 **1. 目標の理解:** * **どのような機能が必要ですか？** 具体的に。例： * 5ire チャット内から Zotero ライブラリを検索する。 * Zotero アイテム（引用、PDF）を 5ire チャットで直接共有する。 * 特定の Zotero アイテムに関連するチャットの会話を自動的に記録する。 * 5ire チャットから Zotero のアクション（メモの作成など）をトリガーする。 * **リアルタイムまたは非同期？** チャットで即座に結果が必要ですか、それともわずかな遅延は許容できますか？ **2. 主要なコンポーネント:** * **Zotero API アクセス:** ローカルの Zotero ライブラリとやり取りするには、Zotero API を使用する必要があります。これには以下が必要です。 * **API キー:** Zotero アカウント設定 (zotero.org) から API キーを生成します。このキーはライブラリへのアクセスを許可します。 * **Zotero API クライアント:** プログラミング言語 (Python、JavaScript など) を選択し、Zotero API とのやり取りを簡素化するライブラリを使用します。一般的な選択肢： * **Python:** `pyzotero` (ドキュメントが充実しており、活発にメンテナンスされています) * **JavaScript:** 単一の主要なライブラリはありませんが、`node-fetch` または `axios` を使用して Zotero API に HTTP リクエストを送信できます。 * **5ire チャットインターフェースの統合:** これは、5ire チャットが外部統合をどのように許可するかに完全に依存します。以下を調査する必要があります。 * **5ire チャット API/SDK:** 5ire チャットは、ボット、プラグイン、または拡張機能を作成するための API または SDK を提供していますか？ これは理想的なシナリオです。 * **Webhook:** 5ire チャットは、特定のイベントが発生したとき (メッセージが送信されたときなど) に Webhook (HTTP POST リクエスト) を送信できますか？ これにより、サーバーはチャットアクティビティに応答できます。 * **直接データベースアクセス (非常に可能性が低く、推奨されません):** 5ire チャットのデータベースに直接アクセスしようとすることは避けてください。これはほとんどの場合、セキュリティリスクであり、利用規約に違反します。 * **サーバーサイドロジック (「MCP」サーバー):** これは実装の中核です。Zotero と 5ire チャットの間のブリッジとして機能します。このサーバーは以下を行います。 * 5ire チャットからリクエストを受信します (API、Webhook などを介して)。 * リクエストを解析して、ユーザーの意図を理解します (例：用語の検索)。 * Zotero API を使用して Zotero ライブラリをクエリします。 * 結果をフォーマットして、5ire チャットに返送します。 * **データベース (オプション):** データベースは、以下を保存するために必要になる場合があります。 * ユーザーマッピング (例：5ire チャットのユーザー ID から Zotero のユーザー ID)。 * キャッシュされた検索結果 (パフォーマンスのため)。 * 構成設定。 **3. 実装手順 (一般的な概要):** 1. **プログラミング言語とフレームワークを選択します:** Flask/Django を使用した Python、または Express を使用した Node.js は、Web サーバーを構築するための一般的な選択肢です。 2. **開発環境をセットアップします:** 必要なライブラリ (例：`pyzotero`、Flask、`requests`) をインストールします。 3. **Zotero API のインタラクションを実装します:** * API キーを使用して Zotero API で認証します。 * 一般的な Zotero 操作 (検索、アイテム詳細の取得など) を実行する関数を作成します。 4. **5ire チャットの統合を実装します:** * 5ire チャット API/SDK/Webhook のドキュメントを調べます。 * 5ire チャットからリクエストを受信するエンドポイントをサーバー上に作成します。 * リクエストを解析し、関連情報を抽出します。 5. **サーバーロジックを実装します:** * Zotero API 関数を 5ire チャットのエンドポイントに接続します。 * ユーザー認証を処理します (必要な場合)。 * Zotero の結果を 5ire チャットに表示するためにフォーマットします。 6. **サーバーをデプロイします:** サーバーをクラウドプラットフォーム (例：Heroku、AWS、Google Cloud) またはローカルサーバーにデプロイします。 7. **テストと改善:** 統合を徹底的にテストし、必要に応じて調整します。 **例 (概念的 - Flask を使用した Python):** ```python from flask import Flask, request, jsonify from pyzotero import zotero app = Flask(__name__) ZOTERO_API_KEY = "YOUR_ZOTERO_API_KEY" # 実際の API キーに置き換えてください ZOTERO_USER_ID = "YOUR_ZOTERO_USER_ID" # Zotero ユーザー ID に置き換えてください ZOTERO_LIBRARY_TYPE = "user" # グループライブラリの場合は "group" zot = zotero.Zotero(ZOTERO_USER_ID, ZOTERO_LIBRARY_TYPE, ZOTERO_API_KEY) @app.route('/5ire/zotero_search', methods=['POST']) def zotero_search(): """ 5ire チャットから検索リクエストを受信するエンドポイント。 5ire チャットが次のような JSON ペイロードを送信することを想定しています。 { "query": "検索するキーワード" } """ try: data = request.get_json() search_term = data.get('query') if not search_term: return jsonify({"error": "検索クエリがありません"}), 400 items = zot.everything(zot.search({'q': search_term})) # 検索を実行 # 5ire チャット用に結果をフォーマットします (例：タイトルのリストを作成) results = [{"title": item['data']['title'], "key": item['key']} for item in items] return jsonify({"results": results}) except Exception as e: print(f"Error: {e}") return jsonify({"error": str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **重要な考慮事項:** * **セキュリティ:** Zotero API キーを保護します。コードに直接ハードコードしないでください (環境変数を使用)。不正アクセスを防ぐために、適切な認証と承認を実装します。 * **レート制限:** Zotero API にはレート制限があります。キャッシュとエラー処理を実装して、これらの制限を超えないようにします。 * **エラー処理:** 予期しない状況 (API エラー、ネットワークの問題など) を適切に処理するために、堅牢なエラー処理を実装します。 * **スケーラビリティ:** 多数のユーザーが予想される場合は、よりスケーラブルなアーキテクチャ (メッセージキュー、ロードバランサーなど) の使用を検討してください。 * **ユーザーエクスペリエンス:** 統合がユーザーフレンドリーで直感的になるように設計します。ユーザーに明確な指示とフィードバックを提供します。 * **5ire チャットの制限:** 5ire チャットプラットフォームによって課せられる制限 (メッセージの長さ制限、API レート制限など) に注意してください。 **要約すると、この目的のために事前に構築された「Zotero MCP サーバー」はありません。 Zotero API と 5ire チャットインターフェースの間のブリッジとして機能するカスタムサーバーを構築し、両方のプラットフォームの特定の機能と制限を考慮する必要があります。**

mcp-catalogue

A browse-first MCP middleware that provides an LLM-friendly catalogue for discovering and invoking tools across multiple upstream MCP servers, reducing context overhead.

mcp-retractions

Search the retracted literature (Crossref update-type:retraction, ~73k works) by keyword, optionally filtered by subject and publication year range.

Playwright MCP Server

Enables AI assistants to control a browser through MCP tools for web automation tasks like navigation, typing, clicking, and screenshots. Deploys on Cloudflare Workers and works with Claude Desktop, GitHub Copilot, and Cloudflare AI Playground.

harbor-registry-mcp

CP server for Harbor Registry — projects, repositories, artifacts, storage reports, cleanup candidates. Works with any Harbor 2.x instance.

mcp-mermiad

Narasimhaponnada/mermaid-mcp - AI-powered Mermaid diagram generation with 22+ diagram types including flowcharts, sequence diagrams, class diagrams, ER diagrams, architecture diagrams, state machines, and more. Features 50+ pre-built templates, advanced layout engines, SVG/PNG/PDF exports.

@gibeon/mcp-server

MCP server for the Gibeon digital signage platform. Control your players, manage playlists, and trigger publishes from any MCP-aware client.

Nextcloud CalDAV MCP Server

An MCP server that lets Claude create calendar events and tasks in Nextcloud via CalDAV.

RabbitMQ MCP Server

A Model Context Protocol server built with mcp-framework that allows users to integrate RabbitMQ messaging capabilities with Claude AI.

GeneOntology MCP Server

A comprehensive Model Context Protocol server for accessing Gene Ontology (GO) data, enabling AI systems to perform ontology-based analysis, gene annotation research, and functional enrichment studies.

aircall-mcp

A read-only MCP server for the Aircall REST API, enabling browsing calls, transcripts, contacts, and more while keeping data local.

Spaceflight News MCP

Enables AI agents to access spaceflight news data through the Pipeworx MCP gateway, allowing natural language queries for space-related articles and updates.

SearXNG MCP Server

このサーバーは、追跡やユーザープロファイリングを行わずに複数の検索エンジンを統合することで、プライバシーを重視したメタ検索機能を提供します。また、フィルタリングされた検索のために、さまざまなカテゴリや言語をサポートしています。

ServiceTitan MCP Server

Provides 108 tools and 15 React apps to manage ServiceTitan field service operations, including jobs, customers, estimates, invoices, dispatching, technicians, equipment, memberships, inventory, locations, marketing, reporting, tags, and payroll.

mcp-worker

A lightweight template for deploying stateless Model Context Protocol (MCP) servers on Cloudflare Workers using the Agents SDK. It provides a simple way to wrap MCP tools into Worker-compatible fetch handlers for serverless tool-calling capabilities.

Synapse

A project-agnostic MCP server that exposes Markdown documentation from a project's /docs folder as MCP resources for AI agents. It provides stable, up-to-date context to reduce hallucinations and ensure agents remain aligned with project-specific conventions and goals.

signal402-mcp

Enables AI agents to discover, evaluate, and call any x402 API service with automatic USDC payment, including tools for wallet setup, service catalog browsing, recommendations, health checks, and direct API calls.

MCP PostgreSQL Server

MCPツールを通じて、UserとPostエンティティに対してPostgreSQLデータベース操作（作成、読み取り、更新、削除）を実行できるようにする、モデルコンテキストプロトコル（MCP）サーバー。

Filecoin Data Broker MCP Server

Enables AI agents to discover, purchase, and query blockchain-based datasets using Filecoin/IPFS storage with Ethereum NFT access controls and Lit Protocol encryption. Provides a decentralized marketplace for secure dataset trading with automatic purchase workflows and SQL query capabilities.

inti-brain

Connects AI assistants to Intigriti by syncing programs, scopes, and rules of engagement, then provides tools to search and generate actionable attack briefings.

mcp-system-info

Provides system hardware information (CPU, memory, storage, etc.) and system status (OS, network, resource usage) via MCP tools.

Trae CN MCP Server

Enables AI-assisted coding project management and stock market tools within OpenClaw through Trae CN IDE integration.

netscan MCP Server

MCP server that enables Claude to perform network scans using netscan, supporting discovery, remote access, Windows/AD, web, DNS, database, and network service scanners via natural language commands.