Discover Awesome MCP Servers

token-rugcheck

MCP server for real-time Solana token risk analysis. Cross-references RugCheck.xyz, DexScreener, and GoPlus Security to generate three-layer reports: machine verdict → LLM analysis → raw on-chain evidence. Live on Solana mainnet with USDC micropayments ($0.02/audit). Give any AI agent the ability to check if a token is safe before trading.

Marvel MCP Server using Azure Functions

Azure Functions をベースとした MCP (Marvel Character Platform) サーバー。公式の Marvel Developer API を通じて、マーベルのキャラクターやコミックデータとのインタラクションを可能にします。

maya-mcp-server

MCP server for interacting with Autodesk Maya sessions, enabling multi-session management, arbitrary Python execution, and streaming output capture.

deptrust

deptrust is a CLI that checks package versions for known vulnerabilities across npm, PyPI, crates.io, Go modules, RubyGems, NuGet, Maven, Packagist, pub.dev, CocoaPods, Hex.pm, Hackage, GitHub Actions, and more. It runs locally as a CLI and as an MCP server. It calls public package registry and OSV APIs directly; there is no hosted deptrust service to trust or configure.

Vision-OCR-MCP

Enables OCR on images and PDFs, including full-page OCR, region OCR by description or bounding box, and caching with summary capabilities.

image_studio_mcp

An MCP server that lets any MCP client generate and edit images using Image Studio API, returning results inline and saving PNGs to disk.

UniProt MCP Server

UniProt MCP Server

mcp-voice-hooks

Voice Mode for Claude Code

remote-mcp-server

Enables remote MCP server deployment on Cloudflare Workers with OAuth login and SSE transport for connecting MCP clients like Claude Desktop.

zynohosting

Enables management of ZynoHosting sites, files, and deployments through a local stdio MCP server.

turbovec-mcp

Enables local semantic code search using compressed vectors from turbovec and any OpenAI-compatible embeddings endpoint.

github-code-rag-mcp

MCP server for GitHub code retrieval and reuse, using SQLite+FTS5 indexing and search history to enable search-first, requirements-refined code search from GitHub repositories.

crawl4ai-mcp

了解しました。以下に、Crawl4AIライブラリをPythonで関数としてラップし、MCP (Model Context Protocol) サーバーとして機能させるためのコード例と説明を示します。 **概要** このコードは、以下のことを行います。 1. **Crawl4AIライブラリのインポート:** Crawl4AIライブラリをインポートし、必要な関数を使用できるようにします。 2. **関数ラッパーの定義:** Crawl4AIの機能をPython関数としてラップします。これらの関数は、MCPサーバーから呼び出すことができます。 3. **MCPサーバーの実装:** MCPサーバーを実装し、クライアントからのリクエストをリッスンし、適切な関数を呼び出して結果を返します。 4. **エラー処理:** エラーが発生した場合に、適切なエラーメッセージをクライアントに返します。 **コード例 (Python)** ```python import json import socket import threading import crawl4ai # Crawl4AIライブラリをインポート (インストールが必要) # Crawl4AIライブラリの関数をラップする関数 def crawl_website(url, max_depth=1): """ 指定されたURLからウェブサイトをクロールし、結果を返します。 Args: url (str): クロールするウェブサイトのURL。 max_depth (int): クロールの最大深度 (デフォルト: 1)。 Returns: str: クロール結果のJSON文字列。 """ try: crawler = crawl4ai.Crawler(url, max_depth=max_depth) results = crawler.crawl() return json.dumps(results) # 結果をJSON形式に変換 except Exception as e: return json.dumps({"error": str(e)}) # エラーをJSON形式で返す # MCPサーバーの実装 class MCPServer: def __init__(self, host, port): self.host = host self.port = port self.server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) self.server_socket.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1) # アドレス再利用を許可 self.server_socket.bind((self.host, self.port)) self.server_socket.listen(5) # 最大5つの接続をキューに入れる print(f"MCPサーバーが {self.host}:{self.port} で起動しました") def run(self): while True: client_socket, addr = self.server_socket.accept() print(f"クライアント {addr} からの接続を受け入れました") client_thread = threading.Thread(target=self.handle_client, args=(client_socket,)) client_thread.start() def handle_client(self, client_socket): try: request_data = client_socket.recv(1024).decode('utf-8') if not request_data: print("クライアントからのデータがありません") return try: request = json.loads(request_data) action = request.get("action") params = request.get("params", {}) if action == "crawl_website": url = params.get("url") max_depth = params.get("max_depth", 1) response = crawl_website(url, max_depth) else: response = json.dumps({"error": "無効なアクション"}) except json.JSONDecodeError: response = json.dumps({"error": "無効なJSONリクエスト"}) client_socket.sendall(response.encode('utf-8')) except Exception as e: print(f"クライアント処理中にエラーが発生しました: {e}") finally: client_socket.close() print("クライアント接続を閉じました") # サーバーの起動 if __name__ == "__main__": HOST = "127.0.0.1" # localhost PORT = 65432 # 使用するポート番号 server = MCPServer(HOST, PORT) server.run() ``` **コードの説明** * **`crawl_website(url, max_depth=1)` 関数:** * `crawl4ai.Crawler(url, max_depth=max_depth)`: Crawl4AIライブラリを使用して、指定されたURLからウェブサイトをクロールするためのCrawlerオブジェクトを作成します。`max_depth`はクロールの深さを指定します。 * `crawler.crawl()`: ウェブサイトのクロールを実行し、結果を取得します。 * `json.dumps(results)`: クロール結果をJSON形式の文字列に変換します。これは、MCPサーバーがクライアントにデータを送信するために必要です。 * `try...except` ブロック: エラー処理を行います。クロール中にエラーが発生した場合、エラーメッセージをJSON形式で返します。 * **`MCPServer` クラス:** * `__init__(self, host, port)`: コンストラクタ。ホストとポート番号を設定し、サーバーソケットを作成してバインドします。`setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)` は、サーバーを再起動する際にアドレスが使用中であるというエラーを回避するために使用されます。 * `run(self)`: サーバーのメインループ。クライアントからの接続を待ち受け、接続を受け入れると、新しいスレッドを作成してクライアントの処理を行います。 * `handle_client(self, client_socket)`: クライアントからのリクエストを処理する関数。 * `client_socket.recv(1024).decode('utf-8')`: クライアントからデータを受信します。 * `json.loads(request_data)`: 受信したデータをJSON形式にデコードします。 * `request.get("action")`: リクエストから実行するアクションを取得します。 * `request.get("params", {})`: リクエストからパラメータを取得します。 * `if action == "crawl_website"`: アクションが "crawl\_website" の場合、`crawl_website` 関数を呼び出してクロールを実行し、結果をクライアントに返します。 * `json.dumps({"error": "無効なアクション"})`: 無効なアクションが指定された場合、エラーメッセージをJSON形式で返します。 * `client_socket.sendall(response.encode('utf-8'))`: クライアントに応答を送信します。 * `client_socket.close()`: クライアントソケットを閉じます。 * `try...except...finally` ブロック: エラー処理を行います。クライアント処理中にエラーが発生した場合、エラーメッセージを出力し、最後にクライアントソケットを閉じます。 * **`if __name__ == "__main__":` ブロック:** * サーバーを起動するためのコードが含まれています。 * `HOST = "127.0.0.1"`: サーバーがリッスンするホストアドレスを設定します (localhost)。 * `PORT = 65432`: サーバーがリッスンするポート番号を設定します。 * `server = MCPServer(HOST, PORT)`: MCPServerオブジェクトを作成します。 * `server.run()`: サーバーを起動します。 **使用方法** 1. **Crawl4AIライブラリのインストール:** ```bash pip install crawl4ai ``` 2. **コードの保存:** 上記のコードを `mcp_server.py` などのファイルに保存します。 3. **サーバーの実行:** ```bash python mcp_server.py ``` 4. **クライアントからのリクエストの送信:** クライアントからJSON形式のリクエストを送信します。例えば、`curl` コマンドを使用できます。 ```bash curl -X POST -H "Content-Type: application/json" -d '{"action": "crawl_website", "params": {"url": "https://www.example.com", "max_depth": 2}}' http://127.0.0.1:65432 ``` **クライアント側の例 (Python)** ```python import socket import json def send_request(host, port, action, params): """ MCPサーバーにリクエストを送信し、応答を受信します。 Args: host (str): サーバーのホストアドレス。 port (int): サーバーのポート番号。 action (str): 実行するアクション。 params (dict): アクションのパラメータ。 Returns: dict: サーバーからの応答。 """ try: client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) client_socket.connect((host, port)) request = {"action": action, "params": params} request_data = json.dumps(request).encode('utf-8') client_socket.sendall(request_data) response_data = client_socket.recv(4096).decode('utf-8') response = json.loads(response_data) return response except Exception as e: print(f"エラーが発生しました: {e}") return {"error": str(e)} finally: client_socket.close() if __name__ == "__main__": HOST = "127.0.0.1" PORT = 65432 # ウェブサイトのクロールをリクエスト response = send_request(HOST, PORT, "crawl_website", {"url": "https://www.example.com", "max_depth": 2}) print(f"サーバーからの応答: {response}") # 無効なアクションをリクエスト response = send_request(HOST, PORT, "invalid_action", {}) print(f"サーバーからの応答: {response}") ``` **注意点** * **エラー処理:** コードには基本的なエラー処理が含まれていますが、より堅牢なエラー処理が必要な場合は、例外処理を改善してください。 * **セキュリティ:** このコードは基本的な例であり、セキュリティ対策は含まれていません。本番環境で使用する場合は、セキュリティ対策を検討してください。 * **スケーラビリティ:** このコードはシングルスレッドで動作するため、大量のリクエストを処理するにはスケーラビリティが不足する可能性があります。よりスケーラブルなソリューションが必要な場合は、非同期処理やマルチプロセスなどを検討してください。 * **Crawl4AIライブラリの制限:** Crawl4AIライブラリの制限事項 (クロールできるウェブサイトの種類、クロール速度など) を考慮してください。 * **依存関係:** `crawl4ai` ライブラリがインストールされていることを確認してください。 **改善点** * **設定ファイルの利用:** ホスト、ポート番号、Crawl4AIの設定などを設定ファイルから読み込むようにすると、柔軟性が向上します。 * **ロギング:** ロギングを実装して、サーバーの動作状況を記録するようにすると、デバッグや監視が容易になります。 * **認証:** クライアントからのリクエストを認証するようにすると、セキュリティが向上します。 * **レート制限:** クライアントからのリクエストにレート制限を設けることで、サーバーの負荷を軽減できます。 * **非同期処理:** `asyncio` などの非同期処理ライブラリを使用すると、サーバーのスループットを向上させることができます。 このコードはあくまで基本的な例であり、実際の使用状況に合わせてカスタマイズする必要があります。特に、エラー処理、セキュリティ、スケーラビリティについては、十分な検討が必要です。 **日本語訳 (概要)** このコードは、Crawl4AIライブラリをPythonで関数としてラップし、MCP (Model Context Protocol) サーバーとして機能させるためのものです。 1. **Crawl4AIライブラリのインポート:** Crawl4AIライブラリをインポートし、必要な関数を使えるようにします。 2. **関数ラッパーの定義:** Crawl4AIの機能をPython関数としてラップします。これらの関数は、MCPサーバーから呼び出すことができます。 3. **MCPサーバーの実装:** MCPサーバーを実装し、クライアントからのリクエストをリッスンし、適切な関数を呼び出して結果を返します。 4. **エラー処理:** エラーが発生した場合に、適切なエラーメッセージをクライアントに返します。 **注意点 (日本語訳)** * **エラー処理:** コードには基本的なエラー処理が含まれていますが、より堅牢なエラー処理が必要な場合は、例外処理を改善してください。 * **セキュリティ:** このコードは基本的な例であり、セキュリティ対策は含まれていません。本番環境で使用する場合は、セキュリティ対策を検討してください。 * **スケーラビリティ:** このコードはシングルスレッドで動作するため、大量のリクエストを処理するにはスケーラビリティが不足する可能性があります。よりスケーラブルなソリューションが必要な場合は、非同期処理やマルチプロセスなどを検討してください。 * **Crawl4AIライブラリの制限:** Crawl4AIライブラリの制限事項 (クロールできるウェブサイトの種類、クロール速度など) を考慮してください。 * **依存関係:** `crawl4ai` ライブラリがインストールされていることを確認してください。 このコードはあくまで基本的な例であり、実際の使用状況に合わせてカスタマイズする必要があります。特に、エラー処理、セキュリティ、スケーラビリティについては、十分な検討が必要です。

MCPBridge

Connects Claude Code and Ollama to Roblox Studio and Blender via the Model Context Protocol, enabling AI-driven scripting and 3D scene manipulation.

SigNoz MCP Server

Enables AI assistants and LLMs to query SigNoz observability data (metrics, traces, logs, alerts, dashboards) using natural language.

Lusha MCP Plugin

Enables AI assistants to find and enrich B2B contacts and companies with verified contact details and buying signals using Lusha's API.

athenahealth MCP Server

Enables AI-powered clinical decision support by integrating with athenahealth's API to access patient data, manage prescriptions, check drug interactions, and generate clinical assessments. Provides HIPAA-compliant healthcare workflows with comprehensive audit logging and data sanitization.

A11y Expert MCP

An accessibility expert MCP server that provides AI coding assistants with real-time access to WAI-ARIA patterns, code review, contrast checking, and WCAG guidance for writing accessible code from the start.

SRC (Structured Repo Context)

An MCP server and CLI tool that transforms codebases into AI-ready context through semantic search, call graph analysis, and incremental indexing. It enables AI assistants to perform hybrid vector and keyword searches to understand complex repository structures and cross-file relationships.

Firefly III MCP Server - Cloudflare Worker

Enables AI tools to interact with Firefly III personal finance manager through the MCP protocol, deployed globally on Cloudflare Workers for low latency.

SentinelMCP

Automated red-teaming and reliability-auditing for AI agents, exposed as an MCP server. It attacks and scores agents for prompt injection, tool misuse, exfiltration, and unreliable behavior.

Cloudflare MCP

Enables creation and deployment of MCP servers on Cloudflare Workers, with local testing and one-command deployment.

Glance

An MCP server that gives Claude Code real browser control for web automation, testing, and screenshots.

har-mcp

Professional MCP server for HAR (HTTP Archive) network captures, enabling AI agents to extract endpoints, detect secrets, generate code, and export to Postman/OpenAPI.

earthquake-mcp-server

Search USGS and EMSC seismic data for real-time feeds, event queries, and earthquake counts via MCP.

perplexity-server

A TypeScript-based MCP server that implements a simple notes system with resources, tools for creating notes, and prompts for summarization.

cmux-agent-mcp

A programmable terminal control plane that enables AI agents to orchestrate, monitor, and interact with multiple parallel AI CLI sessions and browser instances within CMUX. It provides over 80 tools for workspace management, pane manipulation, and cross-agent communication to facilitate complex multi-project workflows.

Nuclei MCP

Connects Nuclei vulnerability scanner with MCP-compatible applications, enabling AI assistants to perform security testing through natural language interactions.

EasyTouch

Cross-platform system automation tool enabling AI to control mouse, keyboard, screen, windows, and query system info via MCP.

Apache AGE MCP Server

Enables AI agents to manage and interact with Apache AGE graph databases through natural language. Supports creating, updating, querying, and visualizing multiple graphs with vertices and edges.