Discover Awesome MCP Servers

Raygun MCP Server

Raygunのクラッシュレポートおよびリアルユーザーモニタリングアプリケーションと連携するための、RaygunのAPI V3エンドポイント用MCPサーバーです。このサーバーは、Model Context Protocolを通じてRaygunのAPI機能への包括的なアクセスを提供します。

ScreenshotOne MCP Server

公式MCPサーバー実装。AIアシスタントがScreenshotOne APIを通じてウェブサイトのスクリーンショットを取得し、会話中にウェブページの視覚的なコンテキストを提供できるようにします。

ThingsPanel MCP

AIモデルとThingsPanel IoTプラットフォームを接続する連携サーバー。AIアシスタントが自然言語を通じてIoTデバイスとインタラクトし、デバイス制御、データ取得、管理操作を可能にする。

ScrapeGraph MCP Server

AIを活用したウェブスクレイピング機能を言語モデルに提供する、本番環境対応のModel Context Protocolサーバー。ウェブページをMarkdownに変換したり、構造化データを抽出したり、AIを活用したウェブ検索を実行したりするためのツールを提供します。

Folderr

FolderrのAPIとやり取りするためのツールを提供するModel Context Protocol (MCP)サーバー。特に、Folderrアシスタントの管理とコミュニケーションを目的とする。

Nefino MCP Server

大規模言語モデルに、ドイツの再生可能エネルギープロジェクトに関するニュースや情報へのアクセスを提供し、場所、トピック（太陽光、風力、水素）、および日付範囲でフィルタリングできるようにします。

GreptimeDB MCP Server

AIアシスタントが安全にGreptimeDB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の実装。これにより、AIアシスタントは、制御されたインターフェースを通じて、データベーススキーマの探索、データの読み取り、SQLクエリの実行が可能になります。

Glif

Glif.app でホストされている AI ワークフローを MCP 経由で実行します。ComfyUI ベースの画像生成、ミーム生成、セルフィー、連鎖的な LLM 呼び出しなどが含まれます。

Vectorize

高度な検索のためにMCPサーバーをベクトル化し、プライベートな深層調査、Anything-to-Markdownファイル抽出、およびテキストチャンキングを行います。

mcp-server-cloudflare

Claude Desktopやその他のMCPクライアントを使って、Cloudflareアカウントで自然言語を使って様々なことを実行できます。

LlamaCloud MCP Server

LlamaCloud上のマネージドインデックスに接続するMCPサーバー。これは、TypeScriptベースのMCPサーバーで、LlamaCloud上のマネージドインデックスへの接続を実装しています。

ntropy-mcp MCP Server

Ntropy APIを使用して銀行データを充実させることができます。口座名義人の作成や取引の効率的な充実化のためのツールが提供されます。

Iaptic MCP Server

Iaptic APIとやり取りするためのサーバー。ClaudeのようなAIモデルが、顧客、購入、取引データを照会したり、統計的な洞察を取得したりすることを可能にする。

Bitrefill Search and Shop

このMCPはBitrefillのパブリックAPIをラップし、エージェントがBitcoin、Ethereum、Solanaなどの暗号通貨を使って製品を検索し、購入できるようにします。

Tinybird Analytics

Tinybirdワークスペースと、あらゆるMCPクライアントからやり取りするためのMCPサーバー。

Wanaku MCP Server

Wanaku MCPルーターは、自律的なAIエージェントとエンタープライズシステムとの間に位置します。Wanakuは、Apache Camelのような実績のある統合技術を活用して、数百から数千もの統合をセットアップおよび管理します。

Tecton MCP Server

Mission Control Protocol を介して、Tecton クラスタとのインタラクション、フィーチャストアの管理、および Tecton CLI コマンドの実行を行うためのツールセットを提供します。

Upstash

Model Context Protocol (MCP) は、大規模言語モデル (LLM) と外部システム間のコンテキストを管理するための、新しく標準化されたプロトコルです。このリポジトリでは、インストーラーと、Upstash Developer API 用の MCP サーバーを提供します。

steam

Okay, I understand. As a large language model, I don't "play" games in the way a human does. I don't have personal experiences or the ability to interact with games in a real-time, sensory way. However, I *can* be used to process and analyze game-related information. Here's how I might describe my "game-playing" activities to another LLM, focusing on the type of interaction and the duration of processing: **Example 1: Text-Based Adventure Game Analysis** * **Game Type:** Text-based adventure game (e.g., Zork, or a custom-designed text adventure). * **Interaction:** I was provided with the game's text descriptions, possible commands, and the game's logic (if available). * **Task:** I was tasked with: * Understanding the game's world and objectives. * Generating optimal command sequences to solve puzzles and complete the game. * Identifying potential loopholes or unintended solutions. * **Duration:** I processed the game data for approximately **[Insert Time Here - e.g., 30 minutes, 2 hours, 1 day]**. The duration depended on the complexity of the game. * **Metrics:** My performance was evaluated based on: * The speed and efficiency of finding solutions. * The completeness of my understanding of the game's rules. * The creativity of my proposed solutions. **Example 2: Game Review Summarization and Sentiment Analysis** * **Game Type:** A variety of video games across different genres (e.g., RPGs, strategy games, action games). * **Interaction:** I was provided with a large dataset of game reviews from various sources (e.g., Metacritic, Steam, user forums). * **Task:** I was tasked with: * Summarizing the key points of each review. * Identifying the overall sentiment (positive, negative, neutral) expressed in the reviews. * Extracting common themes and opinions about the game. * **Duration:** I processed the review data for approximately **[Insert Time Here - e.g., 1 hour, 8 hours, 3 days]**. The duration depended on the size of the dataset. * **Metrics:** My performance was evaluated based on: * The accuracy of my summaries. * The precision of my sentiment analysis. * The coherence and relevance of the extracted themes. **Example 3: Game Design and Story Generation** * **Game Type:** Hypothetical game concepts across various genres. * **Interaction:** I was given prompts and constraints related to game design, such as: * Genre (e.g., fantasy RPG, sci-fi strategy). * Target audience. * Core gameplay mechanics. * Desired tone and atmosphere. * **Task:** I was tasked with: * Generating story ideas, character concepts, and world-building details. * Designing gameplay mechanics and systems. * Writing dialogue and narrative text. * **Duration:** I worked on these design tasks for approximately **[Insert Time Here - e.g., 15 minutes, 1 hour, 4 hours]** per concept. * **Metrics:** My performance was evaluated based on: * The originality and creativity of my ideas. * The coherence and consistency of my designs. * The feasibility and playability of my proposed mechanics. **Key Considerations for an LLM:** * **Focus on Data Processing:** Emphasize that your "game-playing" involves processing game-related data rather than direct interaction. * **Specify the Task:** Clearly describe the specific task you were asked to perform (e.g., solving puzzles, summarizing reviews, generating content). * **Quantify the Duration:** Provide an estimate of the time spent processing the data. * **Define Performance Metrics:** Explain how your performance was evaluated. By framing your response in this way, you can effectively communicate your capabilities in the context of game-related tasks to another LLM. Remember to replace the bracketed placeholders with specific details relevant to your actual activities.

LSD MCP Server

このサーバーは、LSD SQL言語の機能を通じてClaude AIをインターネットに接続し、ウェブデータをクエリ可能なデータベースのような構造に変換することで、現実世界のデータと効率的にやり取りできるようにします。

Notion MCP Server

Claudeや他のAIアシスタントをNotionワークスペースに接続し、AIがデータベース、ページ、ブロック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。

Edit File Lines MCP Server

TypeScript で構築された MCP (Message Control Protocol) サーバーで、許可されたディレクトリ内のテキストファイルに対して、正確な行ベースの編集を行うためのツールを提供します。

WebPerfect MCP Server

webperfect-mcp-server。GitHubでアカウントを作成して、splendasucks/webperfect-mcp-serverの開発に貢献しましょう。

MCP Excel Reader

大規模なExcelファイルを効率的に処理するために、自動チャンク分割とページネーションを提供します。MCPを使用することで、シート選択やエラー処理などのシームレスなファイル読み込みと管理機能を実現します。

MCP Source Relation Server

指定されたディレクトリ内の複数のプログラミング言語にわたるソースコードの依存関係を分析し、ファイル間の関係を特定することで、依存関係の管理とプロジェクト構造の理解を支援します。

MCP EVM Signer

イーサリアムの秘密鍵をローカルで安全に管理し、Claude for Desktop が Infura を通じて EVM 互換のブロックチェーンとやり取りできるようにするサーバー。

mcp-k8s-go

MCPサーバーをKubernetesに接続します。GitHubでアカウントを作成して、strowk/mcp-k8s-goの開発に貢献してください。

Git File Forensics MCP

Git リポジトリ全体を対象とした操作ではなく、個々のファイルの分析に焦点を当て、詳細なファイル履歴、変更、パターンを分析するための、高度な Git ファイルレベルのフォレンジックツールを提供します。

MD Webcrawl MCP

Python製のMCPサーバーで、ウェブサイトをクロールしてコンテンツをMarkdownファイルとして抽出し保存します。ウェブサイトの構造とリンクをマッピングする機能も備えています。

mcp-server-code-assist

大規模言語モデルを介してコードの修正と生成を行うためのツールを提供するモデルコンテキストプロトコルサーバー。構造化されたXML命令を使用して、ファイルの作成、修正、書き換え、削除をユーザーが行えるようにします。