Discover Awesome MCP Servers

Geoapify MCP Server

住所をGPS座標に変換し、Geoapify APIを使用して地図の可視化を作成します。これにより、Claudeユーザーは場所のリストからGeoJSONデータと地図画像を生成できます。

Release Notes MCP Server

了解しました。その機能を実装するための詳細な手順や考慮事項を以下に示します。 **概要:** GitHubリポジトリからリリースノートを自動生成するツールを作成します。このツールは、コミットの種類（機能追加、バグ修正、ドキュメント更新など）に基づいてコミットを整理し、詳細な統計情報（コミット数、コントリビューター数など）を含んだ、見やすくフォーマットされたリリースノートを生成します。 **実装手順:** 1. **GitHub APIの利用:** * **認証:** GitHub APIを使用するには、認証が必要です。個人アクセストークン（PAT）を作成し、APIリクエストに含めます。 * **リポジトリ情報の取得:** GitHub APIのエンドポイントを使用して、リポジトリに関する情報を取得します。具体的には、リポジトリ名、オーナー名、最新のリリース、コミット履歴などを取得します。 * **コミット情報の取得:** コミット履歴を取得し、各コミットの詳細情報（コミットメッセージ、作成者、コミット日時など）を取得します。 2. **コミットの分類:** * **コミットメッセージの解析:** 各コミットのメッセージを解析し、コミットの種類を特定します。 * **キーワードの利用:** 特定のキーワード（例: "feat:"、"fix:"、"docs:"、"chore:"）をコミットメッセージに含めることで、コミットの種類を明確にします。 * **正規表現:** 正規表現を使用して、コミットメッセージから特定のパターンを抽出し、コミットの種類を特定します。 * **例:** * `feat: 新しい機能を追加` → 機能追加 * `fix: バグを修正` → バグ修正 * `docs: ドキュメントを更新` → ドキュメント更新 3. **リリースノートのフォーマット:** * **Markdown形式:** リリースノートをMarkdown形式で生成します。 * **セクション分け:** コミットの種類ごとにセクションを分けます（例: 機能追加、バグ修正、ドキュメント更新）。 * **リスト形式:** 各セクション内で、コミットメッセージをリスト形式で表示します。 * **コミットへのリンク:** 各コミットへのリンクを生成し、詳細情報を参照できるようにします。 * **コントリビューターの表示:** コントリビューターの一覧を表示します。 * **統計情報の表示:** コミット数、コントリビューター数などの統計情報を表示します。 4. **統計情報の生成:** * **コミット数のカウント:** 各種類のコミット数をカウントします。 * **コントリビューター数のカウント:** コミットを作成したコントリビューター数をカウントします。 * **その他の統計情報:** 必要に応じて、その他の統計情報（例: コミットの平均サイズ、コミットの頻度）を生成します。 5. **自動化:** * **GitHub Actions:** GitHub Actionsを使用して、リリースノートの生成を自動化します。 * **トリガー:** 新しいリリースが作成されたときに、ワークフローをトリガーします。 * **スクリプトの実行:** ワークフロー内で、リリースノート生成スクリプトを実行します。 * **リリースノートのアップロード:** 生成されたリリースノートを、GitHubリリースの説明としてアップロードします。 **技術スタック:** * **プログラミング言語:** Python (GitHub APIの操作、コミットメッセージの解析、リリースノートのフォーマット) * **ライブラリ:** * `requests`: GitHub APIへのリクエストを送信 * `PyGithub`: GitHub APIを操作するためのPythonライブラリ * `markdown`: Markdown形式のテキストをHTMLに変換 * **CI/CD:** GitHub Actions **サンプルコード (Python):** ```python import requests import os import re GITHUB_TOKEN = os.environ.get("GITHUB_TOKEN") REPO_OWNER = "your-repo-owner" REPO_NAME = "your-repo-name" def get_commits(owner, repo, token): url = f"https://api.github.com/repos/{owner}/{repo}/commits" headers = {"Authorization": f"token {token}"} response = requests.get(url, headers=headers) response.raise_for_status() return response.json() def categorize_commits(commits): features = [] fixes = [] docs = [] chores = [] others = [] for commit in commits: message = commit["commit"]["message"] if re.match(r"^feat:", message): features.append(message) elif re.match(r"^fix:", message): fixes.append(message) elif re.match(r"^docs:", message): docs.append(message) elif re.match(r"^chore:", message): chores.append(message) else: others.append(message) return {"features": features, "fixes": fixes, "docs": docs, "chores": chores, "others": others} def generate_release_notes(categorized_commits): notes = "" if categorized_commits["features"]: notes += "## Features\n" for feature in categorized_commits["features"]: notes += f"- {feature}\n" if categorized_commits["fixes"]: notes += "## Bug Fixes\n" for fix in categorized_commits["fixes"]: notes += f"- {fix}\n" # ... (同様に他のカテゴリも処理) return notes if __name__ == "__main__": commits = get_commits(REPO_OWNER, REPO_NAME, GITHUB_TOKEN) categorized = categorize_commits(commits) release_notes = generate_release_notes(categorized) print(release_notes) ``` **GitHub Actionsの例:** ```yaml name: Generate Release Notes on: release: types: [published] jobs: generate_release_notes: runs-on: ubuntu-latest steps: - uses: actions/checkout@v3 - name: Set up Python uses: actions/setup-python@v4 with: python-version: '3.x' - name: Install dependencies run: | pip install requests PyGithub - name: Generate Release Notes env: GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }} run: python generate_release_notes.py > release_notes.md - name: Update Release uses: actions/github-script@v6 with: github-token: ${{ secrets.GITHUB_TOKEN }} script: | const fs = require('fs'); const releaseNotes = fs.readFileSync('release_notes.md', 'utf8'); const { owner, repo } = context.repo; const release_id = context.payload.release.id; await github.rest.repos.updateRelease({ owner, repo, release_id, body: releaseNotes }); ``` **考慮事項:** * **コミットメッセージの規約:** コミットメッセージの規約を定めることで、コミットの分類をより正確に行うことができます。 * **エラー処理:** APIリクエストのエラー処理を適切に行う必要があります。 * **パフォーマンス:** 大規模なリポジトリの場合、APIリクエストの回数を減らすために、キャッシュなどを利用することを検討してください。 * **カスタマイズ:** リリースノートのフォーマットや統計情報をカスタマイズできるように、柔軟な設計を心がけてください。 **まとめ:** 上記の手順とサンプルコードを参考に、GitHubリポジトリからリリースノートを自動生成するツールを開発できます。GitHub Actionsと組み合わせることで、リリースプロセスを効率化できます。

WeCom Bot MCP Server

FastMCPを使用してWeComボット経由でメッセージを送信するためのサーバー。非同期通信とWebhookによるメッセージ追跡をサポートします。

Dataset Viewer MCP Server

Hugging Face Dataset Viewer APIとのインタラクションを可能にし、ユーザーがHugging Face Hubでホストされているデータセットを閲覧、検索、フィルタリング、分析できるようにします。

MCP Zotero

AI があなたの Zotero ライブラリとやり取りすることを可能にします。

Manifold Markets MCP Server

自然言語を通じて、ユーザーが市場の作成、賭けの実行、流動性の管理、ソーシャル機能の利用を可能にする、洗練されたMCPインターフェースを介して、Manifold Markets予測プラットフォームへの包括的なアクセスを提供します。

Snyk MCP Server

SnykのセキュリティスキャンをModel Context Protocolを通じて可能にするスタンドアロンサーバー。リポジトリとプロジェクトの分析、トークン検証、CLI統合をサポートします。

DevDocs MCP

AIを活用したドキュメントリソースへのアクセスを可能にするモデルコンテキストプロトコルの実装。URIベースのナビゲーション、テンプレートマッチング、構造化されたドキュメント管理を特徴とする。

Google OR-Tools server

MCP-ORToolsは、GoogleのOR-Tools制約プログラミングソルバーをMCPを通じて大規模言語モデルと統合し、AIモデルが以下のことを可能にします。 * 制約モデルの提出と検証 * モデルパラメータの設定 * 制約充足問題および最適化問題の解決 * 解の取得と分析

MCP Development Framework

Cursor IDEを拡張し、ウェブコンテンツの取得、PDF処理、Wordドキュメントの解析を行うための強力なモデルコンテキストプロトコルフレームワーク。

Alchemy MCP Plugin

このプラグインは、Alchemy SDKを通じてブロックチェーンデータやNFTとのインタラクションを可能にします。NFTメタデータの取得、ウォレットアドレスに対するNFTの取得、最新のブロック番号の取得などの操作を実行できます。

FastAPI MCP SSE

FastAPIフレームワークを使用して実装されたServer-Sent Events（SSE）で、Model Context Protocol（MCP）を統合し、AIモデルが天気情報などの外部ツールやデータソースにアクセスできるようにします。

pokemon-api-server

ポケAPIからポケモンデータを取得する

systemprompt-mcp-interview

AIを活用した面接ロールプレイのシナリオを、リアルな会話フィードバック付きで練習できる、専門的なモデルコンテキストプロトコル（MCP）サーバー。

NebulaGraph MCP Server

LLMがグラフ探索のためにNebulaGraphデータベースと連携できるようにする、Model Context Protocolサーバーの実装。スキーマの理解、クエリ、グラフアルゴリズムをサポートします。

Obsidian MCP Server

この TypeScript ベースの MCP サーバーは、ユーザーがテキストメモを管理および要約できるようにし、メモの作成および要約プロンプトのためのツールを提供します。

lunchmoney-mcp

AIアシスタントがあなたのLunchmoneyデータと連携し、取引、予算、支出パターンについて自然言語で問い合わせることができるMCPサーバー。

image-tools-mcp

Image Tools MCPは、Model Context Protocol（MCP）サービスであり、TinyPNG APIを使用して、URLやローカルファイルから画像の寸法を取得し、画像を圧縮します。webp、jpeg/jpg、pngなどの形式への変換をサポートし、幅、高さ、タイプ、圧縮に関する詳細な情報を提供します。

MCP Human Loop Server

要求の複数の側面を評価する連続的なスコアリングシステムを使用して、AIエージェントの運用において人間の介入が必要な時期を判断するインテリジェントなミドルウェア。

MCP Server Memos

LLMモデルがMemosサーバーとModel Context Protocolインターフェースを介してやり取りできるようにするPythonパッケージ。メモの検索、作成、取得、管理を可能にします。

Hex API MCP Server

AIアシスタントが、標準化されたインターフェースを通じてHexプロジェクトにアクセス、表示、実行、管理できるサーバー。

MCP Server Pagespeed

Google PageSpeed Insights APIを使用してAIモデルがウェブページのパフォーマンスを分析できるようにし、リアルタイムのパフォーマンススコアと改善提案を提供します。

mcp-dingdingbot-server

ディンディンWebhook MCPサーバー

cloudflare-browser-rendering-mcp

このMCPサーバーは、Cloudflare Browser Renderingと連携するためのツールを提供し、ClineまたはClaude Desktopから直接、LLMのコンテキストとして使用するためにウェブコンテンツを取得・処理することを可能にします。

MCP Proxy Server

複数のMCPリソースサーバーを単一の統合インターフェースに集約する中央ハブ。ユーザーは、1つの接続ポイントを通じて、複数のバックエンドサーバーのツールや機能にアクセスできるようになります。

MCP Terminal Server

大規模言語モデルがオペレーティングシステム環境と安全にやり取りできるよう、定義済みのパス内でターミナルコマンドを実行するためのセキュアなサーバー。

PiAPI-MCP Server

TypeScript で構築された Model Context Protocol (MCP) サーバー。Midjourney、Flux などのプラットフォームを利用したメディアコンテンツ生成のために、PiAPI と MCP 互換アプリケーションとの連携を可能にします。

Deepseek MCP Server

Claude DesktopがDockerで実行されているDeepseekモデルを使用できるようにする、Model Control Protocolサーバーの実装。これにより、Claude DesktopとDeepseekの言語モデル間のシームレスな統合が可能になります。

AQICN MCP Server

Model Context Protocol (MCP) を介して、世界の都市や座標におけるリアルタイムの大気質データを取得するために、World Air Quality Index との連携を可能にします。

Vercel MCP

Vercel APIと連携するためのツールを提供するMCPサーバー。自然言語を通じて、デプロイメント、DNSレコード、ドメイン、プロジェクト、環境変数の管理を可能にします。