MCP Servers

Discover Awesome MCP Servers

Extend your agent with 16,638 capabilities via MCP servers.

All16,638

mcp

A collection of MCP servers for various tasks

MCP Server for Jira

Swytchcode MCP server

Swytchcode accelerates API integrations, allowing developers to seamlessly integrate any API using Postman collections or OpenAPI specifications. With Swytchcode, developers can obtain production-ready code in their preferred programming language, reducing integration time by up to 90%. The Swytchcode platform supports code generation for over 80 APIs, with the capability to add more APIs on demand. This streamlined approach empowers developers to focus on innovation rather than tedious integration tasks. Key Features: API Support: Integrates with 80+ APIs, including popular fintech services like Stripe, PayPal, and Shopify. Code Generation: Produces code in multiple programming languages, ensuring compatibility with various development environments. On-Demand API Addition: Allows developers to request support for additional APIs as needed.

dicom-mcp: A DICOM Model Context Protocol Server

AI 어시스턴트가 DICOM 서버의 의료 영상 메타데이터(환자 정보, 연구, 시리즈, 인스턴스 포함)를 쿼리하고 분석할 수 있도록 하며, 캡슐화된 PDF 문서에서 텍스트를 추출할 수 있도록 합니다.

Unsplash MCP Server

Unsplash 이미지 라이브러리와의 원활한 통합을 가능하게 하는 경량 서버로, 개발자가 Cursor 편집기에서 직접 다양한 필터를 사용하여 고품질 사진을 검색할 수 있도록 합니다.

Freqtrade-MCP

Freqtrade 암호화폐 거래 봇과 통합되는 MCP 서버.

Model Context Protocol and Fireproof Demo: JSON Document Server

Mirror of

Crypto Indicators MCP Server

다양한 암호화폐 기술적 분석 지표 및 전략을 제공하는 MCP 서버입니다.

Mcp Api

mcp client and server

mcp-simple-server-cursor

MCP Server: VS Code Extensions Installer

MCP tool for automatically installing VS Code extensions in Cursor

MCP-Agg: Multi-Channel Platform Aggregator

통합 MCP 서버

MCP Harbor

Harbor 컨테이너 레지스트리와 상호 작용하기 위한 모델 컨텍스트 프로토콜 서버를 제공하는 Node.js 애플리케이션입니다. 프로젝트, 저장소, 태그 및 Helm 차트에 대한 작업을 지원합니다.

Database MCP Server

통합 인터페이스를 통해 다양한 데이터베이스 시스템(SQLite, PostgreSQL, MySQL/MariaDB, SQL Server)에 연결하고 상호 작용할 수 있는 도구를 제공하는 모델 컨텍스트 프로토콜 서버입니다.

Script Tool

스크립트 실행을 위한 MCP 서버

MCP Tools

Mirror of

CF-MCP-Server

Goose FM

## MCP 서버 MVP (AI 어시스턴트 FM 라디오 청취 기능) **MVP (Minimum Viable Product) 목표:** AI 어시스턴트가 FM 라디오 방송을 청취하고, 기본적인 제어 (채널 변경, 볼륨 조절)를 할 수 있도록 하는 최소 기능 서버 구축. **핵심 기능:** * **FM 라디오 수신:** * **하드웨어:** FM 라디오 수신 모듈 (예: RTL-SDR 동글, 라디오 칩) * **소프트웨어:** 수신 모듈 제어 및 오디오 스트리밍 라이브러리 (예: rtl-sdr, SoapySDR) * **기능:** 특정 주파수의 FM 라디오 방송을 수신하여 오디오 데이터를 캡처. * **오디오 스트리밍:** * **기술:** 캡처된 오디오 데이터를 실시간으로 스트리밍 (예: HTTP Live Streaming (HLS), WebSockets) * **기능:** AI 어시스턴트가 접속하여 오디오 스트림을 받을 수 있도록 제공. * **API (Application Programming Interface):** * **기능:** AI 어시스턴트가 서버를 제어할 수 있는 API 제공. * **구현:** * **채널 변경:** 특정 주파수로 라디오 수신 주파수를 변경하는 API (예: `/channel?frequency=93.1`) * **볼륨 조절:** 오디오 출력 볼륨을 조절하는 API (예: `/volume?level=50`) * **상태 확인:** 현재 채널, 볼륨 등의 상태를 반환하는 API (예: `/status`) * **AI 어시스턴트 연동:** * **기능:** AI 어시스턴트가 API를 통해 서버를 제어하고 오디오 스트림을 받을 수 있도록 연동. * **예시:** * "헤이 구글, 93.1 채널 틀어줘" -> AI 어시스턴트가 `/channel?frequency=93.1` API 호출 * "알렉사, 볼륨 높여줘" -> AI 어시스턴트가 `/volume?level=70` API 호출 **기술 스택:** * **프로그래밍 언어:** Python (간단하고 라이브러리 지원이 풍부) * **웹 프레임워크:** Flask 또는 FastAPI (API 서버 구축에 용이) * **오디오 스트리밍:** GStreamer, ffmpeg (오디오 처리 및 스트리밍) * **FM 라디오 수신:** rtl-sdr, SoapySDR (하드웨어 제어) * **데이터 형식:** JSON (API 데이터 교환) **구현 단계:** 1. **FM 라디오 수신 모듈 설정 및 테스트:** FM 라디오 수신 모듈을 설정하고, 특정 주파수의 라디오 방송을 수신하는지 확인. 2. **오디오 스트리밍 서버 구축:** 수신된 오디오 데이터를 스트리밍하는 서버를 구축. 3. **API 개발:** 채널 변경, 볼륨 조절, 상태 확인 API를 개발. 4. **AI 어시스턴트 연동:** AI 어시스턴트가 API를 통해 서버를 제어하고 오디오 스트림을 받을 수 있도록 연동. 5. **테스트 및 디버깅:** 전체 시스템을 테스트하고 버그를 수정. **고려 사항:** * **하드웨어 선택:** FM 라디오 수신 모듈의 성능과 가격을 고려하여 선택. * **오디오 품질:** 오디오 스트리밍 시 품질 저하를 최소화하는 방법 고려. * **지연 시간:** AI 어시스턴트의 명령어 실행과 실제 라디오 방송 재생 사이의 지연 시간을 최소화. * **보안:** API 보안을 강화하여 외부 공격으로부터 보호. **MVP 이후 확장 가능성:** * **채널 검색 기능:** 자동으로 사용 가능한 FM 라디오 채널을 검색하는 기능 추가. * **즐겨찾기 기능:** 자주 듣는 채널을 저장하고 쉽게 불러오는 기능 추가. * **녹음 기능:** 라디오 방송을 녹음하는 기능 추가. * **메타데이터 표시:** 라디오 방송의 곡 정보, 프로그램 정보 등을 표시하는 기능 추가. This MVP provides a basic framework for an MCP server that allows AI assistants to tune into FM radio stations. It focuses on core functionality and can be expanded upon in future iterations.