Discover Awesome MCP Servers

Typesense MCP Server

A server that enables vector and keyword search capabilities in Typesense databases through the Model Context Protocol, providing tools for collection management, document operations, and search functionality.

MCP-Demo: Model Context Protocol Integration with OpenAI

초기 C# MCP SDK 클라이언트-서버 예제

Domain Checker

Enables checking domain name availability using WHOIS lookups and DNS resolution. Supports both single and batch domain checking with detailed availability analysis.

Multi-Provider MCP Server

n8n 인스턴스 내에서 도구와 통합되어 실행되는 사용자 정의 MCP 서버

GigAPI MCP Server

An MCP server that provides seamless integration with Claude Desktop for querying and managing timeseries data in GigAPI Timeseries Lake.

zan-mcp-server

ZAN 노드 서비스를 위한 모델 컨텍스트 프로토콜 서버

Bugcrowd MCP Server

Provides secure access to the Bugcrowd bug bounty platform API, optimized for OpenAI's Agents SDK integration to enable vulnerability management and security research.

Todoist MCP Server

Enables AI assistants to manage Todoist tasks, projects, sections, and labels through natural language, supporting task creation, updates, completion, and intelligent organization of your workflow.

Presto MCP Server by CData

Presto MCP Server by CData

Artur's Model Context Protocol servers

MCP 서버

Memory MCP Server

Enables agents to maintain persistent memory through three-tiered architecture: short-term session context with TTL, long-term user profiles and preferences, and searchable episodic event history with sentiment analysis. Provides comprehensive memory management for personalized AI interactions.

WooCommerce Enterprise MCP Suite

Provides 115+ MCP tools for comprehensive WooCommerce store management including multi-store operations, bulk processing, inventory sync, order management, and customer analytics. Features enterprise-level safety controls with dry-run mode, automatic backups, and rollback capabilities.

Message Control Protocol (MCP) Server

A REST API server implementation for message handling with Oracle Database integration via ODBC, offering endpoints for creating and retrieving messages with comprehensive error handling.

BlenderMCP

Connects Claude AI to Blender through the Model Context Protocol, enabling AI-assisted 3D modeling, scene creation, object manipulation, and material control. Supports downloading assets from Poly Haven and generating 3D models through Hyper3D Rodin.

Gemini Pro MCP Server

Enables Claude Desktop to generate text and analyze images using Google's Gemini Pro API. Provides seamless integration between Claude and Gemini's AI capabilities through natural language commands.

Appium MCP Server

Enables AI-powered mobile app testing and automation through Appium, using Azure OpenAI to intelligently navigate mobile applications and generate test cases.

MCP Server

Facilitates multi-client processing for high-performance operations within the DigitalFate framework, enabling advanced automation through task orchestration and agent integration.

AI Studio MCP Server

A Model Context Protocol server that connects to Google AI Studio/Gemini API, enabling content generation with support for various file types, conversation history, and system prompts.

MCP Sentry Analyzer

Integrates Sentry error monitoring with AI-powered analysis to automatically capture frontend JavaScript errors and provide intelligent repair suggestions through multiple AI models including OpenAI, Claude, and Gemini.

Dingo MCP Server

Dingo MCP Server

Collective Brain MCP Server

Enables teams to create a shared knowledge base where members can store, search, and validate information collectively. Provides semantic search across team memories with granular permissions and collaborative verification features.

browser-use-mcp-server

Mirror of

Jupiter Broadcasting Podcast Data MCP Server

Enables access to Jupiter Broadcasting podcast episodes through RSS feed parsing. Supports searching episodes by date, hosts, or content, retrieving detailed episode information, and fetching transcripts when available.

Basic MCP Server

A minimal Model Context Protocol server template demonstrating basic implementation of tools, resources, and prompts. Serves as a starting point for building custom MCP servers with the Smithery SDK.

Weather MCP Server

Provides current weather information for any city worldwide using the free Open-Meteo API, enabling users to query temperature, wind speed, humidity, and weather conditions through natural language.

Blackbaud FE NXT MCP Server by CData

This project builds a read-only MCP server. For full read, write, update, delete, and action capabilities and a simplified setup, check out our free CData MCP Server for Blackbaud FE NXT (beta): https://www.cdata.com/download/download.aspx?sku=OZZK-V&type=beta

Osmosis MCP Server

A comprehensive Model Context Protocol server that provides AI assistants with 158 tools for interacting with the Osmosis blockchain, covering everything from basic queries to direct transaction execution.

Wikipedia Summarizer MCP Server

An MCP (Model Context Protocol) server that fetches and summarizes Wikipedia articles using Ollama LLMs, accessible via both command-line and Streamlit interfaces. Perfect for quickly extracting key information from Wikipedia without reading entire articles.

MCP DeepSeek 演示项目

알겠습니다. DeepSeek와 MCP를 결합한 최소 사용 사례를 클라이언트와 서버를 포함하여 제공해 드리겠습니다. **개요:** 이 예제는 간단한 텍스트 분류 시나리오를 보여줍니다. 클라이언트는 텍스트를 서버로 보내고, 서버는 DeepSeek 모델을 사용하여 텍스트를 분류한 후 결과를 클라이언트로 반환합니다. MCP는 클라이언트와 서버 간의 통신을 관리하는 데 사용됩니다. **기술 스택:** * **DeepSeek:** 텍스트 분류 모델 (여기서는 가상의 모델을 사용하며, 실제 DeepSeek 모델로 대체 가능) * **MCP (Message Communication Protocol):** 클라이언트와 서버 간의 통신 프로토콜 * **Python:** 구현 언어 * **gRPC:** MCP 구현에 사용 (선택 사항, 다른 MCP 구현도 가능) **1. 프로토콜 정의 (protobuf):** `text_classification.proto` 파일: ```protobuf syntax = "proto3"; package text_classification; service TextClassifier { rpc ClassifyText (ClassifyRequest) returns (ClassifyResponse); } message ClassifyRequest { string text = 1; } message ClassifyResponse { string category = 1; float confidence = 2; } ``` **2. 서버 (server.py):** ```python import grpc from concurrent import futures import text_classification_pb2 import text_classification_pb2_grpc # 가상의 DeepSeek 모델 class DeepSeekModel: def classify(self, text): # 실제 DeepSeek 모델을 여기에 로드하고 사용합니다. # 이 예제에서는 간단한 규칙 기반 분류를 사용합니다. if "happy" in text.lower(): return "positive", 0.9 elif "sad" in text.lower(): return "negative", 0.8 else: return "neutral", 0.5 class TextClassifierServicer(text_classification_pb2_grpc.TextClassifierServicer): def __init__(self): self.model = DeepSeekModel() def ClassifyText(self, request, context): text = request.text category, confidence = self.model.classify(text) return text_classification_pb2.ClassifyResponse(category=category, confidence=confidence) def serve(): server = grpc.server(futures.ThreadPoolExecutor(max_workers=10)) text_classification_pb2_grpc.add_TextClassifierServicer_to_server(TextClassifierServicer(), server) server.add_insecure_port('[::]:50051') server.start() server.wait_for_termination() if __name__ == '__main__': print("서버 시작...") serve() ``` **3. 클라이언트 (client.py):** ```python import grpc import text_classification_pb2 import text_classification_pb2_grpc def classify_text(text): with grpc.insecure_channel('localhost:50051') as channel: stub = text_classification_pb2_grpc.TextClassifierStub(channel) request = text_classification_pb2.ClassifyRequest(text=text) response = stub.ClassifyText(request) return response.category, response.confidence if __name__ == '__main__': text = "I am feeling very happy today!" category, confidence = classify_text(text) print(f"텍스트: {text}") print(f"카테고리: {category}") print(f"신뢰도: {confidence}") ``` **4. 필요한 라이브러리 설치:** ```bash pip install grpcio grpcio-tools ``` **5. protobuf 파일 컴파일:** ```bash python -m grpc_tools.protoc -I. --python_out=. --grpc_python_out=. text_classification.proto ``` **실행 방법:** 1. `server.py`를 실행하여 서버를 시작합니다. 2. `client.py`를 실행하여 클라이언트를 실행합니다. **설명:** * **`text_classification.proto`:** 클라이언트와 서버 간의 통신에 사용되는 메시지 형식을 정의합니다. `ClassifyRequest`는 텍스트를 서버로 보내는 데 사용되고, `ClassifyResponse`는 분류 결과 (카테고리 및 신뢰도)를 클라이언트로 반환하는 데 사용됩니다. * **`server.py`:** gRPC 서버를 구현하고, `TextClassifierServicer` 클래스는 `TextClassifier` 서비스를 구현합니다. `ClassifyText` 메서드는 클라이언트로부터 텍스트를 받아 DeepSeek 모델을 사용하여 분류하고 결과를 반환합니다. * **`client.py`:** gRPC 클라이언트를 구현하고, 서버에 텍스트를 보내고 분류 결과를 받습니다. * **`DeepSeekModel`:** 실제 DeepSeek 모델을 로드하고 사용하는 부분을 나타냅니다. 이 예제에서는 간단한 규칙 기반 분류를 사용하지만, 실제로는 DeepSeek 모델을 로드하고 추론을 수행해야 합니다. **확장 가능성:** * **DeepSeek 모델 교체:** `DeepSeekModel` 클래스를 실제 DeepSeek 모델로 교체하여 성능을 향상시킬 수 있습니다. * **더 복잡한 메시지 형식:** protobuf 파일을 수정하여 더 복잡한 메시지 형식을 사용할 수 있습니다. * **오류 처리:** 클라이언트와 서버 모두에서 오류 처리를 추가하여 안정성을 높일 수 있습니다. * **보안:** gRPC 채널에 보안을 추가하여 통신을 암호화할 수 있습니다. * **MCP 구현 변경:** gRPC 대신 다른 MCP 구현 (예: ZeroMQ, RabbitMQ)을 사용할 수 있습니다. **주의 사항:** * 이 예제는 최소한의 기능을 제공하며, 실제 프로덕션 환경에서는 더 많은 고려 사항이 필요합니다. * DeepSeek 모델은 실제 모델로 대체해야 합니다. * gRPC는 복잡한 시스템에 적합하지만, 간단한 경우에는 REST API와 같은 다른 방법도 고려할 수 있습니다. 이 예제가 DeepSeek와 MCP를 결합한 최소 사용 사례를 이해하는 데 도움이 되기를 바랍니다. 질문이 있으시면 언제든지 물어보세요.