Discover Awesome MCP Servers

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。

Story SDK MCP Server

Story SDK と Storyscan Block Explorer のための MCP サーバー - piplabs/story-mcp-hub

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。

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。

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。

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。

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。

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。

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。

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。

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。

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.

Figma MCP Server

AIアシスタントがModelContextProtocolを通じてFigmaファイルとインタラクトできるようになり、チャットインターフェース内でFigmaデザインの閲覧、コメント、分析を直接行えるようになります。

JavaScript Sandbox MCP Server

Claudeからのコードを安全に実行するために、設定可能な時間およびメモリ制限を備えた、安全で隔離されたJavaScript実行環境を提供します。

aws-mcp

ClaudeのようなAIアシスタントがあなたのAWS環境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（MCP）サーバー。会話の中で、AWSリソースに対する自然言語でのクエリや管理を可能にします。Amazon Qのより良い代替品と考えてください。

MCP File Context Server

LLMが、高度なキャッシュ機能とリアルタイムのファイル監視機能を使って、コードファイルの読み込み、検索、分析を行えるようにする、モデルコンテキストプロトコルサーバー。

Gmail MCP

Claude があなたの Gmail アカウントからメールを検索・取得できるサーバー。メールの検索、特定のメールの全文取得、最近のメッセージのリスト表示などの機能をサポートします。

MCP Playwright CDP

LLMがPlaywrightフレームワークを通じてブラウザ自動化を実行できるようにし、Chrome DevTools Protocolのサポートにより既存のChromeインスタンスに接続して、高度なウェブインタラクションとJavaScript実行を実現します。

Laravel Helpers MCP

Cursor IDEと連携するためのLaravelヘルパーツール集です。ログの表示、エラー検索、Artisanコマンドの実行、モデル情報の表示などの機能をエディタ内で直接提供します。

Claude Server MCP

Claudeのための高度なコンテキスト管理を提供し、セッションを跨いでの永続的なコンテキスト、プロジェクト固有の整理、そして会話の継続性を実現します。

CodeSavant

コードの操作、実行、およびバージョン管理機能を提供します。AIアシスタントがコードの読み取り、書き込み、実行を行いながら、変更履歴を保持できるようにします。

MCP Server

MCPサーバーは、Youtube-SummarizerのAPIをMCPプロトコル内のツールとして統合し、自然言語クエリを通じてローカルAIアプリケーションのインタラクションとツールの利用を可能にします。

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。