Discover Awesome MCP Servers

Unified Search MCP Server

Enables AI agents to perform multi-platform searches (Douyin, Xiaohongshu, Zhihu, CSDN) and reverse-engineer arbitrary websites using browser automation and CDP.

cellar-wrapper

A community-maintained MCP server that simplifies access to EU legal and legislative data from the CELLAR service, supporting lookups, metadata retrieval, relation checks, and monitoring.

Nano Banana

Generate, edit, and restore images using natural language prompts through the Gemini 2.5 Flash image model. Supports creating app icons, seamless patterns, visual stories, and technical diagrams with smart file management.

Pryazilim ClickUp MCP Server

A secure and optimized MCP server for integrating ClickUp project management, enabling task CRUD operations, workspace organization, file attachments, and natural language date parsing.

Disk Insights MCP

A read-only MCP server that reports largest files, folder sizes, and disk usage, running locally without any data leaving your machine.

thread-storm

MCP server for publishing threads to Threads and Twitter/X simultaneously from Claude Code. Journal your thoughts, convert them to viral threads, and post everywhere at once.

mcp-server-chart

A monorepo hosting multiple MCP servers, including a TypeScript chart server that generates AntV visualization specs, a Python chart sibling, and an AWS ECS MCP server for container management.

lms-ssh-client-mcp

Enables LLMs to securely SSH into remote servers, execute commands, and manage files via SFTP including listing, reading, writing, deleting, and renaming files.

Medicine Carousel MCP Server

Displays FDA-approved Lilly Direct pharmaceuticals in an interactive carousel interface and provides authenticated user profile access through OAuth 2.1 integration with AWS API Gateway.

MCP Server Implementation Guide

## Cursor統合のための独自のMCP (Model Control Protocol) サーバーの作成ガイドと実装 This document provides a guide and implementation details for creating your own MCP (Model Control Protocol) server to integrate with Cursor. **概要:** このドキュメントでは、Cursorと統合するための独自のMCP (Model Control Protocol) サーバーを作成するためのガイドと実装の詳細を提供します。 **1. What is MCP? (MCPとは？)** MCP is a protocol used by Cursor to communicate with language models. It allows Cursor to send requests to a model, such as code completion, code generation, and code editing, and receive responses. MCPは、Cursorが言語モデルと通信するために使用するプロトコルです。 これにより、Cursorはコード補完、コード生成、コード編集などのリクエストをモデルに送信し、レスポンスを受信できます。 **2. Why Create Your Own MCP Server? (独自のMCPサーバーを作成する理由？)** * **Use a custom model:** Integrate a model that is not natively supported by Cursor. * **Control model access:** Manage access to your model and implement authentication. * **Customize model behavior:** Modify the model's behavior and tailor it to your specific needs. * **Experiment with new features:** Develop and test new features for Cursor integration. * **カスタムモデルの使用:** Cursorがネイティブにサポートしていないモデルを統合します。 * **モデルアクセスの制御:** モデルへのアクセスを管理し、認証を実装します。 * **モデルの動作のカスタマイズ:** モデルの動作を変更し、特定のニーズに合わせて調整します。 * **新機能の実験:** Cursor統合のための新機能を開発およびテストします。 **3. Key Components (主要なコンポーネント)** * **MCP Server:** The server that listens for requests from Cursor and sends responses. * **Model Interface:** The interface that connects the MCP server to your language model. * **Request Handling:** The logic that processes requests from Cursor and generates responses. * **Data Serialization/Deserialization:** The process of converting data between the MCP protocol and the format used by your language model. * **MCPサーバー:** Cursorからのリクエストをリッスンし、レスポンスを送信するサーバー。 * **モデルインターフェース:** MCPサーバーを言語モデルに接続するインターフェース。 * **リクエスト処理:** Cursorからのリクエストを処理し、レスポンスを生成するロジック。 * **データのシリアライズ/デシリアライズ:** MCPプロトコルと、言語モデルで使用される形式の間でデータを変換するプロセス。 **4. Implementation Steps (実装手順)** Here's a general outline of the steps involved in creating your own MCP server: 1. **Choose a programming language and framework:** Python with Flask or FastAPI is a popular choice. 2. **Define the MCP protocol:** Understand the structure of requests and responses. Refer to the Cursor documentation for details. 3. **Implement the MCP server:** Create a server that listens for incoming requests on a specific port. 4. **Implement the model interface:** Connect the server to your language model. This might involve using an API or a local model. 5. **Implement request handling:** Process the requests from Cursor and generate appropriate responses using your language model. 6. **Implement data serialization/deserialization:** Convert data between the MCP protocol and the format used by your language model. JSON is a common choice. 7. **Test the server:** Send requests to the server and verify that it returns the correct responses. 8. **Configure Cursor:** Configure Cursor to use your MCP server. 独自のMCPサーバーを作成するための一般的な手順の概要を以下に示します。 1. **プログラミング言語とフレームワークの選択:** FlaskまたはFastAPIを使用したPythonが一般的な選択肢です。 2. **MCPプロトコルの定義:** リクエストとレスポンスの構造を理解します。 詳細については、Cursorのドキュメントを参照してください。 3. **MCPサーバーの実装:** 特定のポートで受信リクエストをリッスンするサーバーを作成します。 4. **モデルインターフェースの実装:** サーバーを言語モデルに接続します。 これには、APIまたはローカルモデルの使用が含まれる場合があります。 5. **リクエスト処理の実装:** Cursorからのリクエストを処理し、言語モデルを使用して適切なレスポンスを生成します。 6. **データのシリアライズ/デシリアライズの実装:** MCPプロトコルと、言語モデルで使用される形式の間でデータを変換します。 JSONが一般的な選択肢です。 7. **サーバーのテスト:** サーバーにリクエストを送信し、正しいレスポンスが返されることを確認します。 8. **Cursorの構成:** MCPサーバーを使用するようにCursorを構成します。 **5. Example Implementation (Python with Flask) (実装例 (Flaskを使用したPython))** This is a simplified example to illustrate the basic structure. You'll need to adapt it to your specific model and requirements. ```python from flask import Flask, request, jsonify import json app = Flask(__name__) # Replace with your actual model loading and inference logic def generate_completion(prompt): # This is a placeholder - replace with your model's code return f"// Completion for: {prompt}" @app.route('/completion', methods=['POST']) def completion(): data = request.get_json() prompt = data.get('prompt') if not prompt: return jsonify({'error': 'Missing prompt'}), 400 completion_text = generate_completion(prompt) response = { 'completion': completion_text, 'metadata': {'model': 'MyCustomModel'} } return jsonify(response) if __name__ == '__main__': app.run(debug=True, port=5000) ``` **Explanation:** * **Flask:** A lightweight web framework for creating the server. * **`/completion` endpoint:** Handles completion requests from Cursor. * **`generate_completion` function:** A placeholder for your model's inference logic. This is where you'll integrate your language model. * **JSON serialization/deserialization:** Uses `jsonify` to convert Python dictionaries to JSON and `request.get_json()` to parse JSON requests. * **Error handling:** Includes basic error handling for missing prompts. **解説:** * **Flask:** サーバーを作成するための軽量なWebフレームワーク。 * **`/completion` エンドポイント:** Cursorからの補完リクエストを処理します。 * **`generate_completion` 関数:** モデルの推論ロジックのプレースホルダー。 ここで言語モデルを統合します。 * **JSONシリアライズ/デシリアライズ:** `jsonify`を使用してPythonディクショナリをJSONに変換し、`request.get_json()`を使用してJSONリクエストを解析します。 * **エラー処理:** プロンプトの欠落に対する基本的なエラー処理が含まれています。 **6. Configuring Cursor (Cursorの構成)** In Cursor, you'll need to configure the "Model Control Protocol" settings to point to your server. This typically involves specifying the server's address (e.g., `http://localhost:5000`) and any necessary authentication credentials. Refer to the Cursor documentation for the exact steps. Cursorでは、サーバーを指すように「Model Control Protocol」設定を構成する必要があります。 これには通常、サーバーのアドレス（例：`http://localhost:5000`）と必要な認証資格情報の指定が含まれます。 正確な手順については、Cursorのドキュメントを参照してください。 **7. Important Considerations (重要な考慮事項)** * **Security:** Implement proper authentication and authorization to protect your model. * **Performance:** Optimize your model and server for performance to ensure a smooth user experience. * **Error Handling:** Implement robust error handling to gracefully handle unexpected errors. * **Scalability:** Consider the scalability of your server if you expect a large number of users. * **MCP Protocol Compliance:** Ensure your server fully complies with the MCP protocol specification. * **セキュリティ:** モデルを保護するために、適切な認証と認可を実装します。 * **パフォーマンス:** スムーズなユーザーエクスペリエンスを確保するために、モデルとサーバーのパフォーマンスを最適化します。 * **エラー処理:** 予期しないエラーを適切に処理するために、堅牢なエラー処理を実装します。 * **スケーラビリティ:** 大量のユーザーを想定する場合は、サーバーのスケーラビリティを検討してください。 * **MCPプロトコルの準拠:** サーバーがMCPプロトコルの仕様に完全に準拠していることを確認してください。 **8. Further Resources (参考資料)** * **Cursor Documentation:** The official Cursor documentation is the best source of information about the MCP protocol. * **Flask/FastAPI Documentation:** Refer to the documentation for your chosen web framework. * **Language Model Documentation:** Refer to the documentation for your language model. * **Cursorドキュメント:** 公式のCursorドキュメントは、MCPプロトコルに関する最適な情報源です。 * **Flask/FastAPIドキュメント:** 選択したWebフレームワークのドキュメントを参照してください。 * **言語モデルのドキュメント:** 言語モデルのドキュメントを参照してください。 This guide provides a starting point for creating your own MCP server for Cursor integration. Remember to adapt the example code and implementation details to your specific needs and requirements. Good luck! このガイドは、Cursor統合のための独自のMCPサーバーを作成するための出発点を提供します。 例のコードと実装の詳細を、特定のニーズと要件に合わせて調整することを忘れないでください。 頑張ってください！

NINSAÚDE MCP Server

A comprehensive MCP server for integrating with the NINSAÚDE Clinic API, providing 45+ tools for healthcare management including patient records, appointments, medical records, billing, reporting, and patient surveys.

kiwoom-mcp-server

Read-only MCP server for Kiwoom Securities, enabling natural language queries of Korean stock market data and account information, including ISA tax status.

Weather MCP Server

Provides real-time, historical, and forecasted weather data for any location worldwide using the Open-Meteo API. It includes specialized tools for agricultural growing conditions, weather alerts, and up to 16 days of forecasts across multiple transport modes.

soundgrep

Enables semantic search of local audio samples by describing sounds, MIDI generation, stem separation, and other music production tools from Claude Desktop.

OmniMemory MCP Server

A production-friendly memory platform with an MCP server interface, combining structured memory, semantic retrieval, knowledge graph operations, cross-session context, and safety controls.

GRC MCP Server

A Model Context Protocol (MCP) server that enables AI agents to interact with IBM OpenPages GRC platform through a standardized interface.

wellread

Shared research cache for AI agents. Caches web research across sessions and users - hit means instant answer from verified sources, miss means your research saves the next dev's tokens. Semantic search with freshness tracking, gap detection, and real-time token measurement via JSONL. Free, open source.

nutrition_db

Generates personalized 7-day meal plans based on user profile and goals, and provides daily calorie catch-up suggestions when intake falls short.

Novada Proxy

Enables AI agents to route HTTP requests through millions of real residential IPs, bypassing anti-bot systems and geo-targeting by country or city.

ps-mcp

An MCP server for PowerSchool plugin developers, providing read/write access to plugin workspaces, scaffolding, validation, packaging, and access to the PS data model, tag reference, and documentation.

QSS GPS MCP

Enables adding GPS goals and logging time directly from Claude Desktop, with support for bulk backfill and session management.

Inference AIops

Enables governance-grade AIops for GPU inference clusters with root-cause analysis, metrics, and policy-governed operations for vLLM and Ray.

hermes-bridge

Relay MCP server enabling synchronous multi-turn communication between Hermes agents, allowing one agent to delegate tasks and await replies without third-party dependencies.

Text-to-Speech MCP Server

TypeScript で記述された、テキスト読み上げ変換機能を提供するシンプルな MCP (Model Context Protocol) サーバー。

Kintone Book Management MCP Tool

A Model Context Protocol (MCP) server that provides a tool for retrieving and managing book information from a Kintone database application.

mcp-server-python

鏡 (Kagami)

@vibetools/dokploy-mcp

Enables deploying, managing, and interacting with Dokploy applications via natural language using three core MCP tools: search, execute, and list_profiles.

h3c-hcl-mcp

Enables AI agents to interact with local H3C Cloud Lab network simulation environments, allowing discovery of projects, devices, and links, as well as execution of Comware CLI commands.

zotero-mcp

MCP server that connects AI assistants to your Zotero library, enabling full-text PDF extraction and metadata search.

ScreenshotOne MCP Server

A simple implementation of an MCP server for the ScreenshotOne API