Discover Awesome MCP Servers

ScreenshotOne MCP Server

A simple implementation of an MCP server for the ScreenshotOne API

USolver

A best-effort universal logic and numerical solver interface using MCP that implements the 'LLM sandwich' model to process queries, call dedicated solvers (ortools, cvxpy, z3), and verbalize results.

onx-mcp-server

MCP 서버를 구축하여 모델 컨텍스트 프로토콜을 탐색합니다.

AskTheApi Team Builder

OpenAPI API와 통신하기 위한 에이전트 네트워크 빌더. AutoGen 기반.

Simple MCP Server

A minimalist MCP server that provides a single tool to retrieve a developer name, demonstrating the basic structure for Claude's Model Completion Protocol integration.

Salesforce DX MCP Server

Enables secure interaction with Salesforce orgs through LLMs, providing tools for managing orgs, querying data, deploying metadata, running tests, and performing code analysis. Features granular access control and uses encrypted auth files to avoid exposing secrets in plain text.

Google Cloud DNS API MCP Server

Auto-generated MCP server that enables interaction with Google's Cloud DNS API for managing DNS zones and records through natural language.

MCP Vulnerability Management System

조직이 보안 취약점을 효과적으로 추적, 관리 및 대응할 수 있도록 지원하는 포괄적인 시스템으로, 취약점 추적, 사용자 관리, 지원 티켓, API 키 관리, SSL 인증서 관리 등의 기능을 제공합니다.

HDFS MCP Server

A Model Context Protocol server that enables interaction with Hadoop Distributed File System, allowing operations like listing, reading, writing, and managing HDFS files and directories.

DeepChat 好用的图像 MCP Server 集合

DeepChat을 위한 이미지 MCP 서버

File MCP Server

A Model Context Protocol (MCP) server that enables AI assistants to perform comprehensive file operations including finding, reading, writing, editing, searching, moving, and copying files with security validations.

Ghost MCP Server

Manage your Ghost blog content directly from Claude, Cursor, or any MCP-compatible client, allowing you to create, edit, search, and delete posts with support for tag management and analytics.

RAG-MCP

A Python server that enables retrieval-augmented generation through semantic, question/answer, and style search modalities using PostgreSQL and pgvector for embedding storage and retrieval.

qyweixin_bot_mcp_server

企业微信群通知机器人

amap-weather-server

MCP를 사용하는 amap-weather 서버

mcp_repod27deec8-0d1e-446e-b4d2-f2860d808f71

이 저장소는 GitHub용 MCP 서버의 테스트 스크립트에 의해 생성되었습니다.

MCP Server Implementation Guide

## Cursor 통합을 위한 자체 MCP (모델 제어 프로토콜) 서버 구축 가이드 및 구현 이 문서는 Cursor 통합을 위한 자체 MCP (모델 제어 프로토콜) 서버를 구축하는 방법에 대한 가이드와 구현 방법을 제공합니다. **1. MCP란 무엇인가?** MCP (Model Control Protocol)는 Cursor와 같은 코드 편집기가 외부 언어 모델 (LLM)과 통신하는 데 사용되는 프로토콜입니다. 이를 통해 편집기는 코드 완성, 코드 생성, 코드 설명 등 다양한 기능을 위해 LLM의 기능을 활용할 수 있습니다. **2. 왜 자체 MCP 서버를 구축해야 하는가?** * **개인 정보 보호:** 외부 API에 의존하지 않고 로컬에서 LLM을 실행하여 데이터를 제어할 수 있습니다. * **커스터마이징:** 특정 요구 사항에 맞게 LLM을 조정하고 MCP 서버의 동작을 사용자 정의할 수 있습니다. * **비용 절감:** 외부 API 사용에 따른 비용을 절감할 수 있습니다. * **오프라인 사용:** 인터넷 연결 없이도 LLM 기능을 사용할 수 있습니다. **3. 아키텍처 개요** 자체 MCP 서버는 일반적으로 다음과 같은 구성 요소로 구성됩니다. * **MCP 서버:** Cursor와 통신하고 LLM에 요청을 전달하는 역할을 합니다. * **LLM (언어 모델):** 코드 완성, 코드 생성 등 실제 작업을 수행합니다. * **API (선택 사항):** LLM에 접근하기 위한 API (예: OpenAI API, Hugging Face Transformers API). 로컬에서 실행하는 경우 필요하지 않을 수 있습니다. **4. 구현 단계** **4.1. 환경 설정** * **프로그래밍 언어 선택:** Python, Node.js, Go 등 익숙한 언어를 선택합니다. 이 가이드에서는 Python을 사용합니다. * **필요한 라이브러리 설치:** * `Flask` 또는 `FastAPI`: 웹 서버 구축 * `requests`: 외부 API와 통신 (필요한 경우) * `transformers`: Hugging Face Transformers 라이브러리 (로컬 LLM 사용 시) * `torch` 또는 `tensorflow`: LLM 실행을 위한 프레임워크 (로컬 LLM 사용 시) ```bash pip install Flask requests transformers torch ``` **4.2. MCP 서버 구축** 다음은 Flask를 사용하여 간단한 MCP 서버를 구축하는 예제입니다. ```python from flask import Flask, request, jsonify import requests import json app = Flask(__name__) # LLM API 엔드포인트 (예: OpenAI API) LLM_API_ENDPOINT = "https://api.openai.com/v1/completions" API_KEY = "YOUR_OPENAI_API_KEY" # 실제 API 키로 대체 @app.route('/completion', methods=['POST']) def completion(): data = request.get_json() prompt = data.get('prompt') if not prompt: return jsonify({'error': 'Prompt is required'}), 400 # LLM API에 요청 전송 headers = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } payload = { "model": "text-davinci-003", # 모델 선택 "prompt": prompt, "max_tokens": 150, "n": 1, "stop": None, "temperature": 0.7, } try: response = requests.post(LLM_API_ENDPOINT, headers=headers, data=json.dumps(payload)) response.raise_for_status() # HTTP 에러 처리 result = response.json() completion_text = result['choices'][0]['text'].strip() return jsonify({'completion': completion_text}) except requests.exceptions.RequestException as e: return jsonify({'error': f'LLM API error: {e}'}), 500 if __name__ == '__main__': app.run(debug=True, port=5000) ``` **설명:** * `/completion` 엔드포인트는 Cursor에서 전송된 `prompt`를 받습니다. * `prompt`를 사용하여 LLM API에 요청을 전송합니다. * LLM API로부터 받은 응답을 파싱하여 `completion`을 Cursor에 반환합니다. * 에러 처리를 포함하여 안정적인 서버를 구축합니다. **4.3. 로컬 LLM 사용 (선택 사항)** 외부 API 대신 로컬에서 LLM을 실행하려면 Hugging Face Transformers 라이브러리를 사용할 수 있습니다. ```python from flask import Flask, request, jsonify from transformers import pipeline app = Flask(__name__) # 로컬 LLM 모델 로드 generator = pipeline('text-generation', model='gpt2') # 모델 선택 @app.route('/completion', methods=['POST']) def completion(): data = request.get_json() prompt = data.get('prompt') if not prompt: return jsonify({'error': 'Prompt is required'}), 400 # LLM을 사용하여 텍스트 생성 try: generated_text = generator(prompt, max_length=150, num_return_sequences=1)[0]['generated_text'] completion_text = generated_text[len(prompt):].strip() # 프롬프트 제거 return jsonify({'completion': completion_text}) except Exception as e: return jsonify({'error': f'LLM error: {e}'}), 500 if __name__ == '__main__': app.run(debug=True, port=5000) ``` **설명:** * `transformers.pipeline`을 사용하여 로컬 LLM 모델을 로드합니다. * `generator`를 사용하여 `prompt`를 기반으로 텍스트를 생성합니다. * 생성된 텍스트에서 프롬프트를 제거하고 `completion`을 Cursor에 반환합니다. **4.4. Cursor 설정** * Cursor 설정에서 "Custom Model"을 선택합니다. * MCP 서버의 URL (예: `http://localhost:5000/completion`)을 입력합니다. * 필요한 경우 API 키 또는 기타 인증 정보를 설정합니다. **5. 추가 고려 사항** * **보안:** API 키를 안전하게 관리하고, 요청을 검증하여 보안 취약점을 방지합니다. * **성능:** LLM 모델을 최적화하고, 캐싱을 사용하여 응답 시간을 단축합니다. * **확장성:** 트래픽 증가에 대비하여 서버를 확장할 수 있도록 설계합니다. * **에러 처리:** 다양한 에러 상황에 대한 적절한 에러 처리를 구현합니다. * **로깅:** 요청 및 응답을 로깅하여 디버깅 및 모니터링을 용이하게 합니다. * **모델 선택:** 코드 생성에 특화된 모델 (예: CodeGen, InCoder)을 사용하는 것을 고려하십시오. * **프롬프트 엔지니어링:** LLM의 성능을 향상시키기 위해 프롬프트를 신중하게 설계합니다. **6. 결론** 이 가이드는 Cursor 통합을 위한 자체 MCP 서버를 구축하는 기본적인 단계를 제공합니다. 자신의 요구 사항에 맞게 서버를 사용자 정의하고, LLM 모델을 선택하고, 프롬프트 엔지니어링을 통해 성능을 향상시킬 수 있습니다. 보안, 성능, 확장성을 고려하여 안정적이고 효율적인 MCP 서버를 구축하십시오. **주의:** 이 코드는 예시이며, 실제 운영 환경에 적용하기 전에 보안 및 성능을 고려하여 수정해야 합니다. API 키를 안전하게 관리하고, 요청을 검증하여 보안 취약점을 방지하십시오.

chatExcel

A Model Context Protocol server for intelligent Excel processing and data analysis, offering tools for reading, validating, executing code, and generating interactive visualizations with Excel files.

mcp-client-helper

MCP 클라이언트 헬퍼 (관리, MCP 서버 실행)

mcp-server

MCP 데모

Bear MCP Server

An MCP server that integrates Bear Note Taking App with Claude Desktop, allowing Claude to read, create, search notes and manage tags directly from Bear.

Bitso MCP Server

Enables interaction with the Bitso cryptocurrency exchange API to access withdrawals and fundings data. Provides comprehensive tools for listing, filtering, and retrieving withdrawal and funding transactions with proper authentication and error handling.

IntelliPlan

IntelliPlan

OracleDB MCP Server

거울

🔌 Zyla API Hub MCP Server

자일라 API 허브 MCP 서버

Prometheus MCP Server

A Model Context Protocol server that enables AI assistants to query Prometheus metrics, discover available data, and analyze system performance through natural language interactions.