Discover Awesome MCP Servers

Cloudflare GitHub OAuth MCP Server

A reference MCP server for Cloudflare Workers that provides remote connection support with integrated GitHub OAuth authentication. It enables developers to build and deploy authenticated remote tools with user-specific access controls and persistent state management.

Homelab MCP Server

Enables AI assistants to manage homelab infrastructure through automated service installation (Jellyfin, Pi-hole, Ollama, Home Assistant, Frigate NVR), VM operations, AI accelerator support (MemryX, Coral TPU, Hailo-8), and Terraform state management with SSH-based discovery and deployment.

MCP Math Server

RESTful API エンドポイントを通じて、数学的な計算と自然言語による数学クエリを処理する Node.js サーバー。

OpenEHR MCP Server

Enables LLMs to interact with OpenEHR electronic health record systems by retrieving clinical archetypes, generating AQL queries from natural language, and executing queries against on-premise EHR databases. Supports OpenEHR Clinical Knowledge Manager integration and custom IIS-hosted EHR APIs for comprehensive medical data access.

Top MCP Servers

2025年の開発ワークフローを強化するための、厳選されたトップモデルコンテキストプロトコル（MCP）サーバーコレクション

MCP Subfinder Server

ProjectDiscoveryのsubfinderツールをラップし、JSON-RPC APIを通じて強力なサブドメイン列挙を行うModel Context Protocol (MCP) サーバー。

VN Stock API MCP Server

Provides access to Vietnamese stock market data and APIs from VNDirect, FireAnt, and SSI, including real-time stock prices, market news from CafeF, technical analysis (Doji patterns), and comprehensive stock listings.

Xcode Diagnostics MCP Plugin

Xcodeのビルドシステムに接続し、Swiftプロジェクトのエラーと警告を抽出、解析、表示することで、AIアシスタントがビルドログを手動で検索することなく、コードの問題を迅速に特定できるようにします。

Notion MCP Server

Enables interaction with Notion databases through the Notion API, supporting full CRUD operations on pages and databases. Supports advanced querying, filtering, sorting, and all property types with Docker deployment for easy integration with Cursor and Claude.

WhatsApp Web MCP

WhatsApp WebをAIモデルに接続するブリッジ。Model Context Protocolを使用し、Claudeや他のAIシステムが標準化されたインターフェースを通じてWhatsAppとやり取りできるようにする。

LangSmith MCP Server

Enables language models to access LangSmith observability platform features including fetching conversation history, managing prompts, retrieving traces and runs, working with datasets and examples, and analyzing experiments.

Metal Price MCP Server

An MCP server that provides current and historical gold/precious metal prices (gold, silver, platinum, and palladium) via the GoldAPI.io service with support for multiple currencies.

MCP Weather Server

了解しました。MCP (Mod Coder Pack) のドキュメントにある「クイックスタート」サーバーの実装について説明します。 MCP のクイックスタートサーバーは、Minecraft の Mod 開発を始めるための基本的な環境を構築するものです。以下の手順で実装できます。 **1. 環境構築 (MCP のセットアップ)** * **Java Development Kit (JDK) のインストール:** Minecraft Mod は Java で開発するため、JDK が必要です。最新の推奨バージョンを Oracle のウェブサイトからダウンロードしてインストールしてください。 * **MCP のダウンロード:** MCP の公式ウェブサイト (通常は MinecraftForge のフォーラム) から、開発したい Minecraft のバージョンに対応した MCP をダウンロードします。 * **MCP の展開:** ダウンロードした MCP のアーカイブ (zip ファイルなど) を、Mod 開発用のディレクトリに展開します。 **2. MCP の設定** * **`gradlew` の実行:** MCP の展開ディレクトリで、コマンドプロンプトまたはターミナルを開き、`gradlew` コマンドを実行します。これにより、Gradle が必要な依存関係をダウンロードし、MCP をセットアップします。 * Windows の場合: `gradlew.bat` * Linux/macOS の場合: `./gradlew` * **`decompile` タスクの実行:** `gradlew decompile` コマンドを実行します。これにより、Minecraft のソースコードが逆コンパイルされ、Mod 開発に必要なファイルが生成されます。この処理には時間がかかる場合があります。 * **`eclipse` または `idea` タスクの実行 (IDE を使用する場合):** Eclipse を使用する場合は `gradlew eclipse`、IntelliJ IDEA を使用する場合は `gradlew idea` コマンドを実行します。これにより、IDE で Mod プロジェクトを開くための設定ファイルが生成されます。 **3. IDE でのプロジェクトのインポート (IDE を使用する場合)** * **Eclipse:** Eclipse を起動し、「ファイル」→「インポート」→「既存のプロジェクトをワークスペースへ」を選択します。MCP の展開ディレクトリを選択し、プロジェクトをインポートします。 * **IntelliJ IDEA:** IntelliJ IDEA を起動し、「ファイル」→「開く」を選択します。MCP の展開ディレクトリにある `build.gradle` ファイルを選択してプロジェクトを開きます。 **4. クイックスタートサーバーの実行** * **`runClient` タスクの実行:** IDE の Gradle タスクビュー (またはコマンドライン) から `runClient` タスクを実行します。これにより、Minecraft クライアントが起動し、Mod 開発環境でテストプレイできます。 * **`runServer` タスクの実行:** IDE の Gradle タスクビュー (またはコマンドライン) から `runServer` タスクを実行します。これにより、Minecraft サーバーが起動し、Mod 開発環境でサーバー側の動作をテストできます。 **5. 簡単な Mod の作成 (例)** * **ソースコードの編集:** `src/main/java` ディレクトリに、Mod のソースコードを作成します。例えば、ブロックを追加したり、アイテムを追加したりする簡単な Mod を作成できます。 * **`build.gradle` の編集:** `build.gradle` ファイルを編集して、Mod の情報を設定します (Mod ID、Mod 名、バージョンなど)。 * **Mod のビルド:** `gradlew build` コマンドを実行して、Mod をビルドします。ビルドされた Mod ファイルは、`build/libs` ディレクトリに生成されます。 **注意点:** * **Minecraft のバージョン:** 使用する Minecraft のバージョンと、対応する MCP のバージョンを必ず一致させてください。 * **Gradle のバージョン:** MCP に付属している Gradle のバージョンを使用してください。 * **エラーメッセージ:** エラーメッセージが表示された場合は、メッセージの内容をよく確認し、解決策を調べてください。 * **ドキュメント:** MCP のドキュメントや MinecraftForge のドキュメントを参考にしてください。 **日本語での補足:** * **逆コンパイル:** `decompile` タスクは、Minecraft の難読化されたコードを、ある程度人間が読める形に変換する処理です。 * **Gradle:** Gradle は、Java プロジェクトのビルドを自動化するためのツールです。 * **タスク:** Gradle のタスクは、特定の処理を実行するための命令です (例: `decompile`, `runClient`, `build`)。 この手順で、MCP のクイックスタートサーバーを実装し、Mod 開発を始めることができるはずです。もし、具体的なエラーメッセージや問題が発生した場合は、詳細な情報を提供していただければ、より的確なアドバイスをすることができます。

bonk-mcp

Enables interaction with the LetsBonk launchpad on Solana blockchain to launch new tokens and trade (buy/sell) existing tokens on letsbonk.fun.

Simple MCP Server Example

A simple example of an MCP server implementation for testing purposes

Autoconsent MCP

A Model Context Protocol server that provides browser automation capabilities for creating and testing Autoconsent rules, enabling LLMs to interact with web pages and test consent management platforms in a real browser environment.

translator-ai

Enables translation of JSON i18n files to multiple languages using various AI providers (Google Gemini, OpenAI, Ollama/DeepSeek) with intelligent caching and deduplication.

Coolify MCP Tools

Enables AI assistants to manage Coolify infrastructure including servers, applications, databases, deployments, and 80+ one-click services through 98 comprehensive tools for both cloud and self-hosted instances.

Hue MCP Server

Enables AI assistants to interact with Hadoop Hue for executing SQL queries using Hive, SparkSQL, or Impala and managing HDFS files. It supports directory browsing, file transfers, and exporting query results to CSV through the Model Context Protocol.

mcp-ytTranscript

了解しました。以下に、URLと希望する言語を使用してYouTube動画の文字起こしを返すシンプルなMCP（Minimal, Complete, and Verifiable example）サーバーの概要を示します。 **注意:** YouTubeの利用規約により、自動化されたスクレイピングやAPIの使用が制限されている場合があります。このコードは教育目的でのみ提供され、実際の使用にはYouTubeの利用規約を遵守する必要があります。また、YouTube APIを使用する場合は、APIキーが必要になる場合があります。 **必要なライブラリ:** * `youtube-transcript-api`: YouTube動画の文字起こしを取得 * `fastapi`: シンプルなAPIサーバーを構築 * `uvicorn`: ASGIサーバー これらのライブラリをインストールするには、以下のコマンドを実行します。 ```bash pip install youtube-transcript-api fastapi uvicorn ``` **コード例 (Python):** ```python from fastapi import FastAPI, HTTPException from youtube_transcript_api import YouTubeTranscriptApi from youtube_transcript_api.formatters import TextFormatter app = FastAPI() @app.get("/transcript") async def get_transcript(url: str, language: str = "en"): """ YouTube動画のURLと希望する言語を受け取り、文字起こしを返します。 Args: url: YouTube動画のURL。 language: 希望する言語コード (例: "en", "ja")。デフォルトは英語。 Returns: 文字起こしテキスト。 Raises: HTTPException: 動画が見つからない場合、または指定された言語の文字起こしがない場合。 """ try: video_id = extract_video_id(url) transcript_list = YouTubeTranscriptApi.list_transcripts(video_id) transcript = transcript_list.find_generated_transcript([language]) # 自動生成された字幕を優先 # transcript = transcript_list.find_manually_created_transcript([language]) # 手動で作成された字幕を優先 transcript_data = transcript.fetch() formatter = TextFormatter() text_formatted = formatter.format_transcript(transcript_data) return text_formatted except Exception as e: raise HTTPException(status_code=404, detail=f"Transcript not found: {e}") def extract_video_id(url: str) -> str: """ YouTube動画のURLから動画IDを抽出します。 """ # 簡単な実装。より堅牢な実装が必要な場合は、正規表現を使用してください。 try: return url.split("v=")[1].split("&")[0] except IndexError: raise ValueError("Invalid YouTube URL") if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **コードの説明:** 1. **必要なライブラリのインポート:** 必要なライブラリをインポートします。 2. **FastAPIアプリケーションの作成:** `FastAPI()`でFastAPIアプリケーションを作成します。 3. **`/transcript`エンドポイントの定義:** * `@app.get("/transcript")`デコレータを使用して、`/transcript`エンドポイントを定義します。 * `url`と`language`のクエリパラメータを受け取ります。 * `extract_video_id`関数を使用して、URLから動画IDを抽出します。 * `YouTubeTranscriptApi.get_transcript(video_id, languages=[language])`を使用して、指定された言語の文字起こしを取得します。 * 文字起こしが見つからない場合は、`HTTPException`を発生させます。 * 文字起こしが見つかった場合は、テキスト形式に変換して返します。 4. **`extract_video_id`関数の定義:** * YouTube動画のURLから動画IDを抽出します。 * 簡単な実装ですが、より堅牢な実装が必要な場合は、正規表現を使用してください。 5. **サーバーの起動:** * `if __name__ == "__main__":`ブロックを使用して、スクリプトが直接実行された場合にのみサーバーを起動するようにします。 * `uvicorn.run(app, host="0.0.0.0", port=8000)`を使用して、Uvicornサーバーを起動します。 **実行方法:** 1. 上記のコードを`main.py`などのファイルに保存します。 2. ターミナルで、`python main.py`を実行します。 3. ブラウザまたはcurlを使用して、`/transcript`エンドポイントにリクエストを送信します。 例: ```bash curl "http://localhost:8000/transcript?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=ja" ``` **重要な考慮事項:** * **エラー処理:** より堅牢なエラー処理を追加する必要があります。たとえば、`YouTubeTranscriptApi.get_transcript()`が例外を発生させた場合に、適切なエラーメッセージを返すようにします。 * **レート制限:** YouTube APIにはレート制限があります。レート制限を超えないように、リクエストを調整する必要があります。 * **APIキー:** YouTube APIを使用する場合は、APIキーが必要になる場合があります。APIキーを取得して、コードに追加する必要があります。 * **利用規約:** YouTubeの利用規約を遵守する必要があります。自動化されたスクレイピングやAPIの使用が制限されている場合があります。 * **言語サポート:** すべての動画がすべての言語で文字起こしを提供しているわけではありません。指定された言語の文字起こしがない場合、エラーが発生します。 * **URLの検証:** `extract_video_id`関数は、簡単な実装です。より堅牢な実装が必要な場合は、正規表現を使用してください。 * **自動生成 vs 手動作成:** `find_generated_transcript` は自動生成された字幕を優先して取得します。手動で作成された字幕を優先したい場合は、`find_manually_created_transcript` を使用してください。 **日本語訳:** 了解しました。以下に、URLと希望する言語を使用してYouTube動画の文字起こしを返すシンプルなMCP（Minimal, Complete, and Verifiable example）サーバーの概要を示します。 **注意:** YouTubeの利用規約により、自動化されたスクレイピングやAPIの使用が制限されている場合があります。このコードは教育目的でのみ提供され、実際の使用にはYouTubeの利用規約を遵守する必要があります。また、YouTube APIを使用する場合は、APIキーが必要になる場合があります。 **必要なライブラリ:** * `youtube-transcript-api`: YouTube動画の文字起こしを取得 * `fastapi`: シンプルなAPIサーバーを構築 * `uvicorn`: ASGIサーバー これらのライブラリをインストールするには、以下のコマンドを実行します。 ```bash pip install youtube-transcript-api fastapi uvicorn ``` **コード例 (Python):** ```python from fastapi import FastAPI, HTTPException from youtube_transcript_api import YouTubeTranscriptApi from youtube_transcript_api.formatters import TextFormatter app = FastAPI() @app.get("/transcript") async def get_transcript(url: str, language: str = "en"): """ YouTube動画のURLと希望する言語を受け取り、文字起こしを返します。 Args: url: YouTube動画のURL。 language: 希望する言語コード (例: "en", "ja")。デフォルトは英語。 Returns: 文字起こしテキスト。 Raises: HTTPException: 動画が見つからない場合、または指定された言語の文字起こしがない場合。 """ try: video_id = extract_video_id(url) transcript_list = YouTubeTranscriptApi.list_transcripts(video_id) transcript = transcript_list.find_generated_transcript([language]) # 自動生成された字幕を優先 # transcript = transcript_list.find_manually_created_transcript([language]) # 手動で作成された字幕を優先 transcript_data = transcript.fetch() formatter = TextFormatter() text_formatted = formatter.format_transcript(transcript_data) return text_formatted except Exception as e: raise HTTPException(status_code=404, detail=f"Transcript not found: {e}") def extract_video_id(url: str) -> str: """ YouTube動画のURLから動画IDを抽出します。 """ # 簡単な実装。より堅牢な実装が必要な場合は、正規表現を使用してください。 try: return url.split("v=")[1].split("&")[0] except IndexError: raise ValueError("Invalid YouTube URL") if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` **コードの説明:** 1. **必要なライブラリのインポート:** 必要なライブラリをインポートします。 2. **FastAPIアプリケーションの作成:** `FastAPI()`でFastAPIアプリケーションを作成します。 3. **`/transcript`エンドポイントの定義:** * `@app.get("/transcript")`デコレータを使用して、`/transcript`エンドポイントを定義します。 * `url`と`language`のクエリパラメータを受け取ります。 * `extract_video_id`関数を使用して、URLから動画IDを抽出します。 * `YouTubeTranscriptApi.get_transcript(video_id, languages=[language])`を使用して、指定された言語の文字起こしを取得します。 * 文字起こしが見つからない場合は、`HTTPException`を発生させます。 * 文字起こしが見つかった場合は、テキスト形式に変換して返します。 4. **`extract_video_id`関数の定義:** * YouTube動画のURLから動画IDを抽出します。 * 簡単な実装ですが、より堅牢な実装が必要な場合は、正規表現を使用してください。 5. **サーバーの起動:** * `if __name__ == "__main__":`ブロックを使用して、スクリプトが直接実行された場合にのみサーバーを起動するようにします。 * `uvicorn.run(app, host="0.0.0.0", port=8000)`を使用して、Uvicornサーバーを起動します。 **実行方法:** 1. 上記のコードを`main.py`などのファイルに保存します。 2. ターミナルで、`python main.py`を実行します。 3. ブラウザまたはcurlを使用して、`/transcript`エンドポイントにリクエストを送信します。 例: ```bash curl "http://localhost:8000/transcript?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=ja" ``` **重要な考慮事項:** * **エラー処理:** より堅牢なエラー処理を追加する必要があります。たとえば、`YouTubeTranscriptApi.get_transcript()`が例外を発生させた場合に、適切なエラーメッセージを返すようにします。 * **レート制限:** YouTube APIにはレート制限があります。レート制限を超えないように、リクエストを調整する必要があります。 * **APIキー:** YouTube APIを使用する場合は、APIキーが必要になる場合があります。APIキーを取得して、コードに追加する必要があります。 * **利用規約:** YouTubeの利用規約を遵守する必要があります。自動化されたスクレイピングやAPIの使用が制限されている場合があります。 * **言語サポート:** すべての動画がすべての言語で文字起こしを提供しているわけではありません。指定された言語の文字起こしがない場合、エラーが発生します。 * **URLの検証:** `extract_video_id`関数は、簡単な実装です。より堅牢な実装が必要な場合は、正規表現を使用してください。 * **自動生成 vs 手動作成:** `find_generated_transcript` は自動生成された字幕を優先して取得します。手動で作成された字幕を優先したい場合は、`find_manually_created_transcript` を使用してください。 このコードはあくまで例であり、実際の使用には、上記の考慮事項を考慮して、必要に応じて修正する必要があります。

MCP-researcher Server

コーディング中に、Perplexity AIを活用してインテリジェントな検索、ドキュメント検索、APIの発見、コードの現代化支援を行うために、ClineとClaude Desktopと連携する強力なリサーチアシスタントです。

Bluesky MCP (Model Context Protocol)

Bluesky MCPは、Blueskyソーシャルネットワーク用のGo言語で構築されたサーバーです。JSON-RPC 2.0 APIエンドポイントを通じて、AIを活用した機能を提供します。柔軟な構成をサポートし、セキュリティ、パフォーマンス、エラー処理において業界のベストプラクティスに従っています。

AI Video Generator MCP Server

テキストプロンプトや画像から、AIモデル（Luma Ray2 Flash、Kling v1.6 Proなど）を使用してビデオを生成できるModel Context Protocolサーバー。アスペクト比、解像度、デュレーションなどのパラメータは設定可能です。

Remote MCP Server Authless

A deployable Model Context Protocol server on Cloudflare Workers that doesn't require authentication, allowing tools to be added and used from Cloudflare AI Playground or Claude Desktop.

Ethora MCP Server

Enables integration with the Ethora platform through user authentication, registration, and application management operations. Supports creating, updating, deleting, and listing applications within the Ethora service.

MCP Goose Subagents Server

An MCP server that enables AI clients to delegate tasks to autonomous developer teams using Goose CLI subagents, supporting parallel and sequential execution across specialized roles like backend developers, frontend developers, and security auditors.

MCP Node Time

A MCP server that provides timezone-aware date and time operations. This server addresses the common issue where AI assistants provide incorrect date information due to timezone confusion.

atlassian-mcp-server

An open-source Model Context Protocol (MCP) server for Atlassian Jira and Confluence Cloud, enabling LLMs to search, read, write, and manage issues and pages.