Discover Awesome MCP Servers

Singapore LTA MCP Server

シンガポールの陸上交通庁 (LTA) の交通データへのリアルタイムアクセスを促進し、LTA DataMall API との統合を通じて、バスの到着、鉄道サービス、交通状況などに関する洞察を提供します。

NS Travel Information MCP Server

NS（オランダ鉄道）の旅行情報へのアクセスを提供するMCPサーバー

YouTube MCP Server

このサーバーは、標準化されたインターフェースを通じてAI言語モデルがYouTubeコンテンツとやり取りできるようにするもので、動画やチャンネル情報の取得、トランスクリプトの管理、プレイリスト操作などの機能を提供します。

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。

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。

TranscriptionTools MCP Server

Claude のためのインテリジェントなトランスクリプト処理機能を提供します。自然なフォーマット、文脈に沿った修正、そして Deep Thinking LLM を活用したスマートな要約が特徴です。

Typesense MCP Server

MCPサーバー実装は、AIモデルがTypesenseコレクションに保存されたデータを、ドキュメントのクエリ、特定のアイテムの取得、コレクション統計へのアクセスなどのツールを通じて、発見、検索、分析できるようにします。

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。

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。

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。

MCP Server Enhanced SSH

堅牢なSSHサーバーで、セキュアなリモートコマンド実行を促進し、TMUXセッション管理、マルチウィンドウサポート、およびAIと人間のインタラクションを改善するためのスマートセッションリカバリを提供します。

MCP Firecrawl Server

FirecrawlのAPIを使用してウェブサイトをスクレイピングし、構造化されたデータを抽出するためのツールを提供するサーバーです。基本的なウェブサイトのスクレイピング（複数のフォーマットに対応）と、カスタムスキーマに基づいたデータ抽出の両方をサポートします。

Placid MCP Server

Placid.appのAPIと連携するためのサーバー。テンプレートの一覧表示や、セキュアなAPIトークン管理によるModel Context Protocolを使用したクリエイティブの生成を可能にします。

Overseerr MCP Server

Claude が Overseerr と連携し、ユーザーが自然言語で Plex ライブラリのメディアを検索、リクエスト、管理できるようにします。

MCP Redmine

Claude DesktopをRedmineに接続し、RedmineのAPIを使用して、プロジェクトや課題の管理（検索、作成、更新、追跡など）をシームレスに行えるようにします。

Notion MCP Server

Claudeと連携して、自然言語プロンプトを通じてNotionのページやデータベースのクエリや操作を可能にするシンプルなサーバー。

Monday.com MCP Server

MCPクライアントがMonday.comのボードと連携し、アイテム、サブアイテム、コメントの作成と管理、およびボード情報の取得を可能にします。

Mistral Codestral MCP Server

複数のプログラミング言語に対応したコード補完、バグ修正、テスト生成を提供し、Mistral Codestral APIと連携してコード開発プロセスを強化します。

StockFlow MCP Server

Yahoo Financeを通じてリアルタイムの株価データとオプション分析を提供するModel Context Protocolサーバー。LLMが市場データにアクセスし、株を分析し、オプション戦略を評価することを可能にする。

MCP Weather Server

AccuWeather APIを使って、毎時間の天気予報を提供します。ユーザーは特定の場所に合わせて、現在の天気状況や詳細な12時間予報にアクセスできます。

Windsurf Supabase MCP Server

SupabaseとWindsurf Editorの統合に最適化されたModel Context Protocolサーバー。自然言語によるデータベース操作を提供し、エラー処理とレスポンスのフォーマットを強化。

Twitter MCP Server

agent-twitter-clientライブラリを使用してTwitterとやり取りするためのツールを提供するMCP（モデルコンテキストプロトコル）サーバー。 - takiAA/twitter-scraper-mcp

Shopify MCP Server

GraphQL APIを使用してShopifyストアデータとのインタラクションを可能にし、包括的なエラー処理により、商品、顧客、注文管理をサポートします。

Hacker News MCP Server

LLMクライアントに強力なHacker News連携機能を追加し、Model Context Protocolを通じて、記事、コメント、ユーザープロフィール、検索機能にアクセスできるようにします。

Todo List MCP Server

タスクの作成、更新、完了、削除、検索、および要約など、ToDoアイテムの管理ツールを提供するModel Context Protocol（MCP）サーバー。

MCP Sentry

Sentry.io の課題を取得・分析し、ユーザーが Sentry アカウントからエラーレポート、スタックトレース、デバッグ情報を検査できるようにする、モデルコンテキストプロトコルサーバー。

privateGPT MCP Server

MCPクライアントとprivateGPT間のセキュアな通信を可能にするサーバー実装。これにより、ユーザーは知識ベースを使用してprivateGPTとチャットしたり、標準化されたModel Context Protocolを通じてソース、グループ、ユーザーを管理したりできます。

MCP Web Tools Server

LLM（大規模言語モデル）が標準化されたツールを通じてウェブコンテンツとやり取りできるようにする、モデルコンテキストプロトコルサーバー。現在はウェブスクレイピング機能をサポートしています。

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。

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。