Discover Awesome MCP Servers

Inference AIops

Enables governance-grade AIops for GPU inference clusters with root-cause analysis, metrics, and policy-governed operations for vLLM and Ray.

Spix

Give AI agents a real phone number and voice. Make calls, send email, manage contacts — 26 tools, 12 resources.

News API MCP Server

Enables AI assistants to search news articles, get top headlines, and browse sources via the NewsAPI.org service.

soundgrep

Enables semantic search of local audio samples by describing sounds, MIDI generation, stem separation, and other music production tools from Claude Desktop.

mimo-free-api-mcp

OpenAI-compatible gateway and native MCP server for Xiaomi MiMo models, enabling search and vision capabilities in clients like Claude and Cursor.

GRC MCP Server

A Model Context Protocol (MCP) server that enables AI agents to interact with IBM OpenPages GRC platform through a standardized interface.

wellread

Shared research cache for AI agents. Caches web research across sessions and users - hit means instant answer from verified sources, miss means your research saves the next dev's tokens. Semantic search with freshness tracking, gap detection, and real-time token measurement via JSONL. Free, open source.

nutrition_db

Generates personalized 7-day meal plans based on user profile and goals, and provides daily calorie catch-up suggestions when intake falls short.

mcp-everything-search

Integrates Everything Search with Claude Code for lightning-fast file searching across entire drives, up to 400x faster than traditional methods.

hermes-bridge

Relay MCP server enabling synchronous multi-turn communication between Hermes agents, allowing one agent to delegate tasks and await replies without third-party dependencies.

Amanah MCP

MCP server that enables AI agents to propose USDC payments on the Soroban blockchain with deterministic policy enforcement and injection protection, while providing payment status and attestation tools.

ICF MCP Server (Cloudflare Workers)

MCP server for the WHO International Classification of Functioning, Disability and Health (ICF) with tools for code lookup, search, and clinical instrument scoring, deployed on Cloudflare Workers.

random-mcp-server

An MCP server that returns random JSON things — people, words, values, coordinates, and an always-empty list.

EDINET DB MCP Server

Structured financial data for ~3,800 Japanese listed companies from EDINET regulatory filings — financials, major shareholders, segments, executive compensation, and corporate history. Remote MCP over HTTPS with OAuth 2.0, free tier.

My Awesome MCP

A basic MCP server built with FastMCP framework that provides example tools including message echoing and server information retrieval. Supports both stdio and HTTP transports with Docker deployment capabilities.

ps-mcp

An MCP server for PowerSchool plugin developers, providing read/write access to plugin workspaces, scaffolding, validation, packaging, and access to the PS data model, tag reference, and documentation.

axie-mcp

Provides comprehensive access to Axie Infinity data, including detailed Axie stats, marketplace listings, land information, and player leaderboards. It allows users to query real-time game info and market statistics through natural language.

lms-ssh-client-mcp

Enables LLMs to securely SSH into remote servers, execute commands, and manage files via SFTP including listing, reading, writing, deleting, and renaming files.

web-search

Enables web searching using Google search results with no API keys required.

NIH Research MCP Demo

Enables interaction with synthetic NIH-style clinical research data through tools for searching publications, querying patient metadata, analyzing AAA measurements, and retrieving protocol guidance.

Diffblue Cover MCP Server

Enables AI development environments to call the Diffblue Cover CLI tool to automatically generate unit tests for Java code.

Kintone Book Management MCP Tool

A Model Context Protocol (MCP) server that provides a tool for retrieving and managing book information from a Kintone database application.

Weather-server MCP Server

A TypeScript-based MCP server that provides weather information through resources and tools, allowing users to access current weather data and forecast predictions for different cities.

VeriSom

Scores contract safety for Somnia Agents using on-chain analysis, RAG, and a VeriSom contract, returning a pre-interaction safety score.

predictfun-mcp

MCP (Model Context Protocol) server that gives AI agents structured access to Predict.fun — a prediction market protocol on BNB Chain with $1.5B+ volume and yield-bearing mechanics via Venus Protocol. Indexes data from three subgraphs: orderbook activity, position lifecycle, and yield mechanics.

Ring MCP

An MCP server for Claude Code that shows always-on-top notification popups with sound when tasks complete, with OS-native notification fallback.

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.

ultra-confluence-mcp

A Model Context Protocol server for Confluence Cloud that aggressively trims API responses to reduce token usage, with features like disk offload and tunable tool surface.

SagaSmith D&D MCP

A local MCP server for Dungeons & Dragons campaign management, combining core runtime with skill and module-generation packs. It enables campaign creation, module generation and import, rule and skill searching via tools, resources, and prompts.

Backup AI MCP

Backup AI - MCP server providing AI-powered tools and automation by MEOK AI Labs