Discover Awesome MCP Servers

GitHub MCP Server

Model Context Protocolを介してGitHub issueとのインタラクションを可能にし、安全な認証を用いてissueのリスト表示や作成を行えるようにします。

Home Assistant MCP Server

Home Assistantと連携し、自然言語でスマートホーム制御機能を提供するモデルコンテキストプロトコルサーバー。照明、空調システム、鍵、アラーム、加湿器などのデバイスをサポートします。

Binance MCP Server

WebSocket経由でリアルタイムのBinanceマーケットデータ（現物および先物）をストリーミング配信するサーバー実装。Model Context Protocolを通じて、アプリケーションが暗号通貨マーケット情報を受信および処理できるようにします。

Prometheus MCP Server

大規模言語モデルが、定義済みのルートを通じてPrometheusデータベースからメトリックデータを取得、分析、およびクエリできるようにするMCPサーバー。

Elasticsearch 7.x MCP Server

Elasticsearch 7.x データベースとやり取りするための MCP プロトコルインターフェースを提供し、集計、ハイライト、ソートを含む包括的な検索機能をサポートします。

Emergency Medicare Planner MCP Server

緊急時に、Googleマップと連携して医療機関の位置を特定・評価し、ユーザーが医療ニーズ、緊急度、施設の対応能力に基づいて適切な病院や診療所を見つけられるように支援します。

Iris MCP Server

Gitリポジトリのタグから構造化されたリリースノートを自動生成し、タグ間の差分を解析して、フォーマットされたMarkdown出力を.irisディレクトリに保存するModel Context Protocolサーバー。

MongoDB MCP Server

MongoDBデータベースへの読み取り専用アクセスを提供するModel Context Protocolサーバー。AIアシスタントがMongoDBデータを直接クエリおよび分析することを可能にし、データの安全性を維持します。

mcp-brave-search

Brave検索 (Brave Kensaku)

RabbitMQ MCP Server

Claude が RabbitMQ メッセージキューおよびトピックと連携できるようにする、Model Context Protocol サーバーの実装。RabbitMQ インスタンスに対する読み取り/書き込み操作を可能にします。

Codebase MCP

AIエージェントがコードベース全体を一度に取得して理解できるようにする、モデルコンテキストプロトコルサーバー。ローカルワークスペースやリモートのGitHubリポジトリを分析するためのツールを提供します。

MCP2Tavily

Tavily API を使用してウェブ検索機能を有効にする MCP プロトコルサーバー。これにより、AI アシスタントはリアルタイムでインターネット検索を実行できます。

MCP Calc Tools

AIコードアシスタント向けに、高度な数学的および金融計算機能を提供するサーバー。これにより、記号計算、数値解析、金融分析などの複雑な計算を、アルゴリズムを直接実装することなく実行できるようになります。

blastengine-mailer

TypeScript で実装された MCP (Message Communication Protocol) サーバーで、メール送信システムを実装し、Claude が blastengine サービス経由でメールを送信できるようにします。

Valyu MCP Server

Valyuの知識検索およびフィードバックAPIへのアクセスをLLMに提供するモデルコンテキストプロトコルサーバー。独自のソースやウェブソースの検索、およびトランザクションフィードバックの送信を可能にする。

azure-devops-mcp

このサーバーは、Azure DevOpsサービスと連携するための便利なAPIを提供し、AIアシスタントやその他のツールが作業項目、コードリポジトリ、ボード、スプリントなどを管理できるようにします。Model Context Protocolで構築されており、Azure DevOpsとの通信のための標準化されたインターフェースを提供します。

MSSQL MCP Server

Microsoft SQL Server データベースとの安全かつ構造化されたインタラクションを可能にするモデルコンテキストプロトコルサーバー。AIアシスタントが、制御されたアクセスでテーブルの一覧表示、データの読み取り、SQLクエリの実行を行えるようにします。

GitHub MCP Server Plus

GitHub API 用の MCP サーバー。ファイル操作、リポジトリ管理、高度な検索機能を提供し、自動ブランチ作成と包括的なエラー処理を備えています。

Bitcoin MCP Server

Model Context Protocolを介してBitcoinネットワークとのインタラクションを促進し、鍵の生成、アドレスの検証、トランザクションのデコード、およびブロックチェーンデータの取得を可能にします。

Home Assistant MCP Server

Model Context Protocol を介して Home Assistant のデバイスや自動化とやり取りできるようにするサーバーです。これにより、ユーザーはデバイスの状態を監視したり、デバイスを制御したり、自動化をトリガーしたり、エンティティを一覧表示したりできます。

mcp-server-tmdb

The Movie Database (TMDB) APIと連携して、映画情報、検索機能、おすすめを提供します。

MCP-DBLP

AIモデルが論文を検索したり、引用を処理したり、正確なBibTeXエントリを生成したりできるように、DBLPコンピュータサイエンス文献データベースへのアクセスを提供するModel Context Protocolサーバー。

KNMI Weather MCP

オランダ気象台（KNMI）の気象観測所からリアルタイムの気象データを提供する FastMCP サーバー。ユーザーは自然言語による問い合わせを通じて、オランダ国内のあらゆる場所の気温、湿度、風速、その他の気象指標にアクセスできます。

PyTorch HUD MCP Server

PyTorchのCI/CDに関する分析データ（ワークフロー、ジョブ、テスト実行、ログ分析など）に、MCPインターフェースを通じてアクセスできるようにします。

Memory Box MCP Server

Cline MCP統合により、ユーザーは記憶を保存、検索、フォーマットできます。セマンティックな理解に基づいて、意味ベースの検索のためにベクトル埋め込みを使用して情報を保存および検索するツールを提供します。

Meme MCP Server

AIモデルがテキストプロンプトからミームを作成できるように、ImgFlip API を使用してミーム画像を生成するシンプルなモデルコンテキストプロトコルサーバー。

Worldpay MCP Server

Model Context Protocolを実装したサーバー。Worldpay APIを通じて支払い処理、支払い照会、チェックアウトフォームの生成を可能にする。

Mozilla Readability Parser MCP Server

以下に、ウェブページのコンテンツを抽出し、広告や不要な要素を削除し、LLM (大規模言語モデル) 向けに最適化されたクリーンな Markdown に変換する MCP (Minimal Content Protocol) サーバーの Python 実装の概要を示します。 **概要:** このサーバーは、以下の主要な機能を提供します。 1. **ウェブページのコンテンツ抽出:** 指定された URL からウェブページの HTML を取得し、主要なコンテンツを抽出します。 2. **広告と不要な要素の削除:** 抽出されたコンテンツから、広告、ナビゲーション、サイドバーなど、LLM にとって不要な要素を削除します。 3. **Markdown への変換:** クリーンなコンテンツを Markdown 形式に変換します。 4. **LLM 最適化:** Markdown を LLM での処理に適した形式に最適化します (例: 長文の分割、メタデータの追加)。 5. **MCP サーバー:** 上記の機能を HTTP エンドポイントとして公開し、MCP クライアントからのリクエストを処理します。 **必要なライブラリ:** * **requests:** ウェブページの HTML を取得するために使用します。 * **beautifulsoup4:** HTML を解析し、コンテンツを抽出するために使用します。 * **markdownify:** HTML を Markdown に変換するために使用します。 * **flask (または類似のフレームワーク):** MCP サーバーを構築するために使用します。 **実装の概要:** ```python from flask import Flask, request, jsonify import requests from bs4 import BeautifulSoup from markdownify import markdownify as md app = Flask(__name__) def extract_and_clean_content(url): """ ウェブページのコンテンツを抽出し、広告や不要な要素を削除し、Markdown に変換します。 """ try: response = requests.get(url) response.raise_for_status() # エラーチェック soup = BeautifulSoup(response.content, 'html.parser') # 主要なコンテンツを抽出 (例: <article> タグ内のコンテンツ) article = soup.find('article') if article: content = str(article) else: # <article> がない場合は、<body> 全体を抽出 content = str(soup.body) # 広告や不要な要素を削除 (例: 特定のクラスや ID を持つ要素) for element in soup.find_all(class_=["ad", "sidebar", "navigation"]): element.decompose() # Markdown に変換 markdown_content = md(content, heading_style="atx") # LLM 最適化 (例: 長文の分割) optimized_markdown = optimize_for_llm(markdown_content) return optimized_markdown except requests.exceptions.RequestException as e: return f"Error fetching URL: {e}" except Exception as e: return f"Error processing URL: {e}" def optimize_for_llm(markdown_content): """ Markdown コンテンツを LLM での処理に適した形式に最適化します。 """ # TODO: 長文の分割、メタデータの追加など return markdown_content @app.route('/mcp', methods=['POST']) def mcp_endpoint(): """ MCP エンドポイント。URL を受け取り、処理された Markdown を返します。 """ url = request.json.get('url') if not url: return jsonify({'error': 'URL is required'}), 400 markdown_content = extract_and_clean_content(url) return jsonify({'markdown': markdown_content}) if __name__ == '__main__': app.run(debug=True) ``` **説明:** * **`extract_and_clean_content(url)` 関数:** * 指定された URL からウェブページの HTML を取得します。 * BeautifulSoup を使用して HTML を解析します。 * `<article>` タグ内のコンテンツを抽出します (存在しない場合は `<body>` 全体)。 * 広告や不要な要素を削除します (例: `ad`, `sidebar`, `navigation` クラスを持つ要素)。 * `markdownify` を使用して HTML を Markdown に変換します。 * `optimize_for_llm()` 関数を呼び出して、LLM 向けに最適化します。 * **`optimize_for_llm(markdown_content)` 関数:** * Markdown コンテンツを LLM での処理に適した形式に最適化します。 * **TODO:** 長文の分割、メタデータの追加などの処理を実装する必要があります。 * **`/mcp` エンドポイント:** * POST リクエストを受け付け、JSON ペイロードから `url` を取得します。 * `extract_and_clean_content()` 関数を呼び出して、Markdown コンテンツを生成します。 * JSON 形式で Markdown コンテンツを返します。 **使用方法:** 1. 必要なライブラリをインストールします: `pip install flask requests beautifulsoup4 markdownify` 2. 上記のコードを `mcp_server.py` などのファイルに保存します。 3. サーバーを実行します: `python mcp_server.py` 4. クライアントから POST リクエストを `/mcp` エンドポイントに送信します。リクエストの JSON ペイロードには、`url` キーを含める必要があります。 **例:** ```json { "url": "https://example.com/article" } ``` **改善点:** * **より高度なコンテンツ抽出:** `lxml` パーサーを使用したり、CSS セレクターを使用して、より正確にコンテンツを抽出できます。 * **より洗練された広告と不要な要素の削除:** より多くの広告パターンや不要な要素を削除するためのルールを追加できます。 * **LLM 最適化の強化:** 長文の分割、メタデータの追加、キーワードの抽出など、LLM での処理を最適化するためのさまざまな手法を実装できます。 * **エラー処理の改善:** より詳細なエラーメッセージを提供し、さまざまなエラーケースを処理できます。 * **設定の追加:** 設定ファイルを使用して、抽出ルール、最適化パラメータなどをカスタマイズできるようにします。 * **非同期処理:** 大規模なウェブページの処理を高速化するために、非同期処理を実装できます。 **重要な注意点:** * ウェブサイトの利用規約を遵守し、スクレイピングが許可されていることを確認してください。 * ウェブサイトに過度の負荷をかけないように、リクエストレートを制限してください。 * このコードは基本的な例であり、実際の使用には、より多くのエラー処理、設定、および最適化が必要になる場合があります。 この概要が、Python での MCP サーバーの実装に役立つことを願っています。

MCP Project Orchestrator

新しいソフトウェアプロジェクトのオーケストレーションを支援するMCPサーバー。標準化されたテンプレートと、デザインパターンやソフトウェアアーキテクチャにおけるベストプラクティスを適用します。

Eventbrite MCP Server

このサーバーは、AIアシスタントがEventbrite APIと連携するためのツールを提供します。ユーザーは、イベントの検索、イベント詳細の取得、会場情報の取得、イベントカテゴリーのリスト化などを行うことができます。