Discover Awesome MCP Servers

xkcdai

An MCP server that finds relevant xkcd comics during conversation by semantically matching the context to comic titles, alt text, and transcripts.

SaaS database MCP

SaaS database MCP

DataToRAG MCP

An open-source Model Context Protocol gateway that connects Google Workspace, Jira, and Confluence to AI assistants, providing 70 tools across one endpoint with multi-account support and token-optimized responses.

l402-search-mcp

Provides a pay-per-query web search tool for AI agents via Lightning Network sats, enabling no-KYC, account-free searches through the MCP protocol.

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

Docswrite MCP

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

correctover-mcp-server

Enables MCP clients to execute tool calls with CCS runtime verification across six dimensions, ensuring fail-closed conformance before any action is executed.

mcp-diffbot

Diffbot MCP server for Knowledge Graph company enrichment and web content extraction.

Persona MCP Server

AI-powered persona analysis and Focus Group Interview (FGI) system that creates dynamic personas from survey responses, generates contextual follow-up questions, tracks data freshness scores, and provides business insights on preferences and trends.

@t4dhg/mcp-holded

MCP server for Holded API v2, enabling listing and querying of contacts, invoices, purchases, products, services, and payments, with low-level access to any endpoint.

MCP Server for Ollama Blog

Exposes a blog CRUD API (posts and comments) as MCP tools, with an integrated AI chatbot agent powered by Ollama Gemma2 for natural language interaction.

cryptosense-mcp

Real-time crypto market intelligence MCP. Get prices, trending coins, market overview, top coins by market cap, and portfolio value — all through natural language in Claude, Cursor, or any MCP client

Geniuz

Geniuz stores everything in a local database locally on Mac, Windows, Linux, Raspberry Pi. No cloud. No account. No API keys. Nothing leaves your machine. It's open source; you can read every line of code.

viot-tasktisk

MCP server for qlda-viot task tracking, providing tools to view dashboard, update work, get item details, and add tasks via 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.

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.

model-context-stream

An event-driven MCP server that enables agents to share context streams, publish and subscribe to events, manage tasks, and follow protocols, keeping a fleet of agents mutually context-aware in real time.

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.

financeskills

AI-powered skills for financial professionals. Comprehensive collection of finance, accounting, audit, and compliance skills for AI agents. IFRS/GAAP compliant with industry-specific applications.

mcp-server-dashform

MCP server for Dashform (getaiform.com) - create and manage AI-powered forms, quizzes, and surveys. Supports form creation, response collection, analytics, and AI-driven form building with 15 tools across form management, response handling, and AI operations.

snow-mcp

A comprehensive MCP server for ServiceNow that provides over 60 pre-built tools for ITSM, ITOM, and App Dev operations, enabling AI agents to manage incidents, changes, users, service catalog, and projects through a unified interface.

Rentman MCP Server

Provides live access to Rentman account resources including projects, equipment, contacts, and crew through natural language queries via ChatGPT and Claude.

mcp-sophon

Deterministic context compression for MCP agents, reducing token usage via 11 tools for prompts, history, shell output, file deltas, and code navigation without ML or GPU.

mcp-word-processor

An MCP server that enables text extraction and replacement in Microsoft Word documents by directly automating the Word application on Windows. It supports processing content across headers, footers, tables, and shapes using the pywin32 library.

atomic-computer-mcp

Enables automation of native Windows desktop applications through screen capture, mouse/keyboard control, and waiting for UI changes, exposing them as MCP tools.

true-solar-time-mcp

Enables users to convert recorded birth times into true solar time for BaZi / Four Pillars charting, applying historical DST, longitude, and equation-of-time corrections. It also detects nonexistent local times and warns when a corrected time is near an hour-branch boundary.

zo-mcp

An internal MCP server for Zo Computers that bridges terminal agents with Zo's tool layer (files, shell, web, comms, apps) via stdio transport using the automatic identity token.

Systems MCP

An MCP server that allows users to run and visualize systems models using the lethain:systems library, including capabilities to run model specifications and load systems documentation into the context window.