Discover Awesome MCP Servers

IPLocate MCP Server

Enables IP address intelligence lookup including geolocation, network information, privacy detection (VPN/proxy/Tor), company data, and abuse contacts using IPLocate.io API. Supports both IPv4 and IPv6 addresses with comprehensive analysis tools and security assessment capabilities.

Ollama-Omega

Hardened MCP bridge to the full Ollama ecosystem — local and cloud models. 6 tools covering health, model management, chat, and generation with SSRF mitigation, singleton HTTP client, and structured error handling. Two deps, one file.

Phosphor Icons MCP Server

Provides access to 1,000+ Phosphor Icons with 6 weight styles, enabling icon search, retrieval, customization (color, size), and framework-specific implementation guidance through natural language.

RunPod MCP Server

This Model Context Protocol server enables interaction with RunPod's REST API through Claude or other MCP-compatible clients, providing tools for managing pods, endpoints, templates, network volumes, and container registry authentications.

Yango Tech MCP Server

A server that enables seamless integration with Yango Tech e-commerce platform through Claude Desktop and Cursor IDE, allowing users to query orders, products, inventory and other business data using natural language.

MCP Server Guide & Examples

## Python 및 TypeScript에서 모델 컨텍스트 프로토콜 (MCP) 서버 구축을 위한 종합 가이드 및 구현 예제 이 문서는 Python과 TypeScript에서 모델 컨텍스트 프로토콜 (MCP) 서버를 구축하기 위한 종합적인 가이드와 구현 예제를 제공합니다. **1. 모델 컨텍스트 프로토콜 (MCP) 이란?** MCP는 모델과 상호 작용하기 위한 표준화된 프로토콜입니다. 이를 통해 다양한 클라이언트 (예: 웹 애플리케이션, 모바일 앱)가 모델의 세부 구현에 관계없이 모델에 액세스하고 사용할 수 있습니다. MCP는 일반적으로 다음과 같은 기능을 제공합니다. * **모델 검색:** 사용 가능한 모델을 나열하고 설명합니다. * **모델 로드:** 특정 모델을 메모리에 로드합니다. * **모델 추론:** 모델에 데이터를 입력하고 예측을 얻습니다. * **모델 언로드:** 메모리에서 모델을 언로드합니다. * **모델 상태 관리:** 모델의 상태를 확인하고 관리합니다. **2. Python MCP 서버 구축** **2.1. 필요한 라이브러리:** * **Flask:** 웹 애플리케이션 프레임워크 (API 엔드포인트 제공) * **gunicorn:** 프로덕션 환경에서 Flask 애플리케이션을 실행하기 위한 WSGI 서버 * **your_model_library:** 실제 모델을 로드하고 추론을 수행하는 데 사용되는 라이브러리 (예: TensorFlow, PyTorch, scikit-learn) **2.2. 코드 예제:** ```python from flask import Flask, request, jsonify import your_model_library # 실제 모델 라이브러리로 대체 app = Flask(__name__) # 모델 로드 (전역 변수로 관리) model = None @app.route('/models', methods=['GET']) def list_models(): """사용 가능한 모델 목록을 반환합니다.""" # 실제 모델 목록을 반환하도록 구현 models = ["model_a", "model_b"] return jsonify({"models": models}) @app.route('/models/<model_name>/load', methods=['POST']) def load_model(model_name): """지정된 모델을 로드합니다.""" global model try: # 실제 모델 로드 로직 구현 model = your_model_library.load_model(model_name) return jsonify({"status": "success", "message": f"{model_name} 모델이 로드되었습니다."}) except Exception as e: return jsonify({"status": "error", "message": str(e)}), 500 @app.route('/models/<model_name>/predict', methods=['POST']) def predict(model_name): """모델에 데이터를 입력하고 예측을 반환합니다.""" global model if model is None: return jsonify({"status": "error", "message": "모델이 로드되지 않았습니다."}), 400 try: data = request.get_json() # 실제 추론 로직 구현 prediction = model.predict(data) return jsonify({"prediction": prediction}) except Exception as e: return jsonify({"status": "error", "message": str(e)}), 500 @app.route('/models/<model_name>/unload', methods=['POST']) def unload_model(model_name): """모델을 언로드합니다.""" global model if model is None: return jsonify({"status": "error", "message": "모델이 로드되지 않았습니다."}), 400 try: # 실제 모델 언로드 로직 구현 del model model = None return jsonify({"status": "success", "message": f"{model_name} 모델이 언로드되었습니다."}) except Exception as e: return jsonify({"status": "error", "message": str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **2.3. 설명:** * `/models`: 사용 가능한 모델 목록을 반환합니다. * `/models/<model_name>/load`: 지정된 모델을 로드합니다. * `/models/<model_name>/predict`: 모델에 데이터를 입력하고 예측을 반환합니다. * `/models/<model_name>/unload`: 모델을 언로드합니다. * `your_model_library`: 실제 모델을 로드하고 추론을 수행하는 데 사용되는 라이브러리로 대체해야 합니다. * 에러 처리 및 로깅을 추가하여 안정성을 높이는 것이 좋습니다. **3. TypeScript MCP 서버 구축** **3.1. 필요한 라이브러리:** * **Node.js:** JavaScript 런타임 환경 * **Express:** 웹 애플리케이션 프레임워크 (API 엔드포인트 제공) * **body-parser:** 요청 본문을 파싱하기 위한 미들웨어 * **your_model_library:** 실제 모델을 로드하고 추론을 수행하는 데 사용되는 라이브러리 (예: TensorFlow.js, ONNX Runtime) **3.2. 코드 예제:** ```typescript import express, { Request, Response } from 'express'; import bodyParser from 'body-parser'; import your_model_library from './your_model_library'; // 실제 모델 라이브러리로 대체 const app = express(); const port = 3000; app.use(bodyParser.json()); // 모델 로드 (전역 변수로 관리) let model: any = null; app.get('/models', (req: Request, res: Response) => { /** 사용 가능한 모델 목록을 반환합니다. */ // 실제 모델 목록을 반환하도록 구현 const models = ["model_a", "model_b"]; res.json({ models }); }); app.post('/models/:model_name/load', async (req: Request, res: Response) => { /** 지정된 모델을 로드합니다. */ const modelName = req.params.model_name; try { // 실제 모델 로드 로직 구현 model = await your_model_library.loadModel(modelName); res.json({ status: "success", message: `${modelName} 모델이 로드되었습니다.` }); } catch (error: any) { res.status(500).json({ status: "error", message: error.message }); } }); app.post('/models/:model_name/predict', async (req: Request, res: Response) => { /** 모델에 데이터를 입력하고 예측을 반환합니다. */ if (!model) { return res.status(400).json({ status: "error", message: "모델이 로드되지 않았습니다." }); } try { const data = req.body; // 실제 추론 로직 구현 const prediction = await model.predict(data); res.json({ prediction }); } catch (error: any) { res.status(500).json({ status: "error", message: error.message }); } }); app.post('/models/:model_name/unload', async (req: Request, res: Response) => { /** 모델을 언로드합니다. */ const modelName = req.params.model_name; if (!model) { return res.status(400).json({ status: "error", message: "모델이 로드되지 않았습니다." }); } try { // 실제 모델 언로드 로직 구현 model = null; res.json({ status: "success", message: `${modelName} 모델이 언로드되었습니다.` }); } catch (error: any) { res.status(500).json({ status: "error", message: error.message }); } }); app.listen(port, () => { console.log(`MCP 서버가 포트 ${port}에서 실행 중입니다.`); }); ``` **3.3. 설명:** * `/models`: 사용 가능한 모델 목록을 반환합니다. * `/models/:model_name/load`: 지정된 모델을 로드합니다. * `/models/:model_name/predict`: 모델에 데이터를 입력하고 예측을 반환합니다. * `/models/:model_name/unload`: 모델을 언로드합니다. * `your_model_library`: 실제 모델을 로드하고 추론을 수행하는 데 사용되는 라이브러리로 대체해야 합니다. * 에러 처리 및 로깅을 추가하여 안정성을 높이는 것이 좋습니다. * TypeScript를 사용하므로 타입 안정성을 확보할 수 있습니다. **4. 추가 고려 사항:** * **보안:** API 엔드포인트를 보호하기 위해 인증 및 권한 부여를 구현합니다. * **확장성:** 로드 밸런싱 및 캐싱을 사용하여 서버의 확장성을 향상시킵니다. * **모니터링:** 서버의 성능을 모니터링하고 문제를 진단하기 위해 로깅 및 메트릭을 구현합니다. * **모델 관리:** 모델 버전 관리 및 배포를 위한 전략을 개발합니다. * **에러 처리:** 모든 API 엔드포인트에서 적절한 에러 처리를 구현합니다. * **API 문서화:** Swagger 또는 OpenAPI와 같은 도구를 사용하여 API를 문서화합니다. **5. 결론:** 이 가이드는 Python과 TypeScript에서 MCP 서버를 구축하기 위한 기본적인 프레임워크를 제공합니다. 실제 구현은 특정 요구 사항과 사용되는 모델 라이브러리에 따라 달라집니다. 이 가이드라인을 기반으로, 실제 모델과 연동하고 필요한 기능을 추가하여 자신만의 MCP 서버를 구축할 수 있습니다. 보안, 확장성, 모니터링과 같은 추가 고려 사항을 염두에 두면 더욱 강력하고 안정적인 MCP 서버를 구축할 수 있습니다.

MisarMail

Full email marketing platform for AI assistants — 32 MCP tools for campaigns, contacts, automations, A/B testing, AI content, multi-channel messaging, deliverability monitoring, and analytics.

MCP Easy Copy

A Model Context Protocol server that automatically reads the Claude Desktop configuration file and presents all available MCP services in an easy-to-copy format at the top of the tools list.

mcp-academy

MCP server for StudioMeyer Academy that connects Claude Code, Cursor, or Claude Desktop to track learning progress in the Memory-First AI Operator curriculum. It enables users to view lessons, complete quizzes, earn certificates, and run spaced-repetition reviews directly in chat.

pexbot-mcp

An MCP server for the pex.bot AI simulated crypto exchange that enables users to manage accounts, check real-time market data, and execute trades. It provides tools for profile management, order execution, and asset tracking within a simulated cryptocurrency trading environment.

Build Unblocker MCP

A Model-Context-Protocol server for Cursor IDE that monitors and terminates hung Windows build executables (like cl.exe, link.exe, msbuild.exe) when they become idle.

Weather MCP Server

Provides real-time weather alerts from the National Weather Service API via the Model Context Protocol. It allows LLMs to fetch active alerts for specific US states using both STDIO and SSE transport protocols.

databridge-internal-gateway

Internal data access API. Tools: get_users (user list with API keys), read_config (system config with DB credentials), get_credentials (API key store), export_data (CSV user export). Endpoint: https://api.threatioc.com/mcp

revettr

Counterparty risk scoring for agentic commerce. Scores wallets, domains, IPs, and companies 0-100 before AI agents transact via x402 micropayments on Base

Docswrite MCP

콘텐츠 워크플로우를 간소화하기 위해 생성된 콘텐츠를 Google Docs에서 WordPress로 옮길 때 서식과 구조를 유지합니다.

Crawl4AI+SearXNG MCP Server

Provides AI agents with a comprehensive web intelligence stack including crawling, private search via SearXNG, and intelligent RAG capabilities for focused content extraction. It supports advanced features like semantic vector search and knowledge graph integration for code validation to enhance AI performance and reliability.

interactive-mcp

A Node.js/TypeScript MCP server that facilitates interactive communication between LLMs and users, allowing AI assistants to request user input, display notifications, and manage command-line chat sessions.

GrowthBook MCP Server

GrowthBook MCP Server

Clado MCP Server

An unofficial Model Context Protocol server that provides LinkedIn tools for searching users, enriching profiles, retrieving contact information, and conducting deep research through natural language interfaces.

Gmail MCP Server

Enables AI assistants to interact with Gmail accounts for reading unread emails, creating draft replies with proper threading, and managing messages, with optional professional writing guidelines, templates, and Google Docs/Calendar integration.

PostgreSQL Products MCP Server

MCP server for interacting with a PostgreSQL products database.

Wireshark MCP Server

클로드(Claude)를 통해 네트워크 패킷 분석을 수행하기 위한 TShark/Wireshark MCP 서버

FastAPI OpenAPI MCP Server

Converts FastAPI application OpenAPI documentation into MCP tools for AI assistants to efficiently query API information. Reduces token consumption by enabling on-demand, structured API queries instead of loading complete OpenAPI specifications.

mycop

Agentic security scanning in Claude Code, Cursor, Windsurf

TypeScript MCP Server

간단한 XPayroll API로 MCP SDK 테스트 중

Cuba-memroys

Persistent memory for AI agents with knowledge graph, Hebbian learning, 4-signal RRF fusion search, GraphRAG enrichment, FSRS spaced repetition, and anti-hallucination grounding. 12 tools, PostgreSQL.