Discover Awesome MCP Servers

javaDemo

javaDemo. Contribute to zf0497/mydemo development by creating an account on GitHub.

MCP Server for X/Twitter

Automate your X account using the real browser API - JoshMayerr/mcp-x

Minima

On-premises conversational RAG with configurable containers - dmayboroda/minima

NutJS Windows Control

Cross-platform MCP server for OS automation. Contribute to Cheffromspace/MCPControl development by creating an account on GitHub.

Unofficial dubco-mcp-server

Um servidor de Protocolo de Contexto de Modelo que permite que assistentes de IA criem, atualizem e excluam links curtos do Dub.co através da API do Dub.co.

Systemprompt MCP Gmail Server

Permite que os usuários gerenciem contas do Gmail usando operações assistidas por agentes de IA via protocolo MCP, com suporte para pesquisa, leitura, exclusão e envio de e-mails com uma interface controlada por voz.

Strava MCP Server

Um servidor de Protocolo de Contexto de Modelo que fornece aos modelos de linguagem acesso a dados da API do Strava, permitindo que eles consultem e analisem as atividades de atletas do Strava.

TfNSW Realtime Alerts MCP Server

Este servidor permite que modelos de linguagem grandes acessem e interajam com alertas de transporte em tempo real da rede da Transport for NSW, oferecendo suporte à filtragem por modo de transporte e retornando informações de alerta formatadas sobre interrupções e obras planejadas.

salesforce-mcp-server

Uma implementação de servidor do Protocolo de Contexto de Modelo para interagir com o Salesforce através de sua API REST.

Dataset Viewer MCP Server

Permite a interação com a API do Visualizador de Datasets do Hugging Face, permitindo que os usuários naveguem, pesquisem, filtrem e analisem datasets hospedados no Hugging Face Hub.

Release Notes MCP Server

Gera notas de lançamento abrangentes e formatadas a partir de repositórios GitHub, organizando eficientemente os commits por tipo e incluindo estatísticas detalhadas usando o uso inteligente da API.

WeCom Bot MCP Server

Um servidor para enviar mensagens via bots WeCom usando FastMCP, com suporte para comunicação assíncrona e rastreamento de mensagens através de webhooks.

Snyk MCP Server

Um servidor independente que permite a verificação de segurança do Snyk através do Protocolo de Contexto do Modelo, com suporte para análise de repositório e projeto, verificação de token e integração com a CLI.

MCP Zotero

Permite que a IA interaja com a sua biblioteca Zotero.

Manifold Markets MCP Server

Fornece acesso abrangente à plataforma de previsão Manifold Markets através de uma interface MCP limpa, permitindo que os usuários criem mercados, façam apostas, gerenciem liquidez e utilizem recursos sociais através da linguagem natural.

DevDocs MCP

Uma implementação de Protocolo de Contexto de Modelo que permite acesso a recursos de documentação impulsionado por IA, apresentando navegação baseada em URI, correspondência de modelos e gerenciamento estruturado de documentação.

MCP Development Framework

Uma poderosa estrutura de Protocolo de Contexto de Modelo que estende o Cursor IDE com ferramentas para recuperação de conteúdo da web, processamento de PDF e análise de documentos Word.

Alchemy MCP Plugin

Este plugin permite a interação com dados de blockchain e NFTs através do Alchemy SDK, possibilitando operações como recuperar metadados de NFTs, buscar NFTs para endereços de carteiras e obter o número do bloco mais recente.

Google OR-Tools server

O MCP-ORTools integra o solucionador de programação de restrições OR-Tools do Google com Modelos de Linguagem Grandes através do MCP, permitindo que modelos de IA: Submetam e validem modelos de restrição Definam parâmetros do modelo Resolvam problemas de satisfação e otimização de restrições Recuperem e analisem soluções

FastAPI MCP SSE

Uma implementação de Server-Sent Events (SSE) usando o framework FastAPI que integra o Protocolo de Contexto de Modelo (MCP), permitindo que modelos de IA acessem ferramentas externas e fontes de dados como informações meteorológicas.

Inoyu Apache Unomi MCP Server

Um servidor de Protocolo de Contexto de Modelo que permite que Claude mantenha o contexto do usuário através do gerenciamento de perfil do Apache Unomi.

Coolify MCP Server

Enables interaction with Coolify applications and resources through the Coolify API via a standardized interface, supporting application management operations such as listing, starting, stopping, restarting, and deploying.

JVM MCP Server

Um servidor de plataforma de monitoramento e controle de JVM baseado em Arthas que fornece uma interface Python para monitorar e analisar processos Java com capacidades para análise de threads, monitoramento de memória e diagnóstico de desempenho.

mitmproxy-mcp MCP Server

Um servidor para gerenciar e resumir notas usando um esquema URI personalizado, com ferramentas para adicionar notas e criar resumos estilizados.

MCP Server for Replicate

Uma implementação de servidor FastMCP que fornece uma interface padronizada para acessar modelos de IA hospedados na API da Replicate, atualmente suportando geração de imagens com parâmetros personalizáveis.

Code Research MCP Server

Facilita a busca e o acesso a recursos de programação em plataformas como Stack Overflow, MDN, GitHub, npm e PyPI, auxiliando LLMs a encontrar exemplos de código e documentação.

BioMCP

Um servidor de Protocolo de Contexto de Modelo que aprimora modelos de linguagem com capacidades de análise de estrutura de proteínas, permitindo análises detalhadas de sítios ativos e buscas de proteínas relacionadas a doenças através de bancos de dados de proteínas estabelecidos.

Seq MCP Server

O Seq MCP Server permite a interação com os endpoints da API do Seq para registro e monitoramento, fornecendo ferramentas para gerenciar sinais, eventos e alertas com extensas opções de filtragem e configuração.

Barnsworthburning MCP

Um servidor de Protocolo de Contexto de Modelo que permite pesquisar conteúdo de barnsworthburning.net diretamente através de clientes de IA compatíveis, como o Claude para Desktop.

MCP Server Template for Cursor IDE

Absolutely! Here's a template and guide for creating custom Cursor IDE tools using the Model Context Protocol (MCP), with instructions for deploying your MCP server to Heroku and connecting it to Cursor: **Template Structure** ```python # main.py (Your MCP Server) import os import json from typing import Dict, Any, List from fastapi import FastAPI, Request, HTTPException from fastapi.middleware.cors import CORSMiddleware import uvicorn # --- Configuration --- PORT = int(os.environ.get("PORT", 8000)) # Heroku uses PORT env var MODEL_NAME = "MyCustomTool" # Unique name for your tool DESCRIPTION = "A custom tool for Cursor IDE." ENDPOINT = "/my_tool" # Endpoint for Cursor to send requests # --- FastAPI Setup --- app = FastAPI(title=MODEL_NAME, description=DESCRIPTION) # CORS (Important for web-based IDEs like Cursor) app.add_middleware( CORSMiddleware, allow_origins=["*"], # Adjust for production! allow_credentials=True, allow_methods=["*"], allow_headers=["*"], ) # --- MCP Endpoints --- @app.post(ENDPOINT + "/info") async def get_info() -> Dict[str, Any]: """Returns information about the tool.""" return { "model_name": MODEL_NAME, "description": DESCRIPTION, "stream": False, # Set to True if your tool supports streaming } @app.post(ENDPOINT + "/generate") async def generate(request: Request) -> Dict[str, Any]: """Handles generation requests from Cursor.""" try: data = await request.json() prompt = data.get("prompt", "") context = data.get("context", {}) # Context from Cursor # --- Your Tool Logic Here --- # Process the prompt and context to generate a response. # Example: response_text = f"You asked: {prompt}\nContext: {context}" return {"response": response_text} except Exception as e: raise HTTPException(status_code=500, detail=str(e)) # --- Main Execution --- if __name__ == "__main__": uvicorn.run(app, host="0.0.0.0", port=PORT) ``` **Explanation** 1. **Imports:** Essential libraries for FastAPI, JSON handling, and environment variables. 2. **Configuration:** * `PORT`: Gets the port from the environment (Heroku sets this). Defaults to 8000 for local testing. * `MODEL_NAME`: A unique name for your tool. This is how Cursor identifies it. * `DESCRIPTION`: A brief description of your tool. * `ENDPOINT`: The URL path where Cursor will send requests. Make sure this is unique. 3. **FastAPI Setup:** * Creates a FastAPI app. * **CORS:** Crucially important! Cursor runs in a web browser, so you need to enable CORS to allow requests from Cursor's origin. In production, replace `"*"` with the specific origin of your Cursor instance. 4. **MCP Endpoints:** * `/info`: Returns metadata about your tool. `stream` indicates whether your tool supports streaming responses (more advanced). * `/generate`: The main endpoint for handling generation requests. * It extracts the `prompt` and `context` from the request body. * **Your Tool Logic:** This is where you implement the core functionality of your tool. Process the prompt and context to generate a response. * Returns a JSON response with the `response` field containing the generated text. 5. **Main Execution:** Starts the FastAPI server using Uvicorn. **Steps to Deploy to Heroku** 1. **Create a Heroku Account:** If you don't have one, sign up at [https://www.heroku.com/](https://www.heroku.com/). 2. **Install the Heroku CLI:** Follow the instructions on the Heroku website to install the Heroku Command Line Interface (CLI). 3. **Create a Heroku App:** ```bash heroku create my-cursor-tool # Replace with your desired app name ``` 4. **Create a `requirements.txt` File:** List all the Python dependencies your project needs: ``` fastapi uvicorn[standard] python-multipart # Required for form data (if needed) ``` 5. **Create a `Procfile`:** This tells Heroku how to run your app. Create a file named `Procfile` (no extension) with the following content: ``` web: uvicorn main:app --host=0.0.0.0 --port=$PORT ``` 6. **Deploy to Heroku:** ```bash git init git add . git commit -m "Initial commit" heroku git:remote -a my-cursor-tool # Replace with your app name git push heroku main ``` 7. **Check Logs:** After deployment, check the Heroku logs to ensure everything is running correctly: ```bash heroku logs --tail ``` **Connecting to Cursor IDE** 1. **Get Your Heroku App URL:** After deployment, Heroku will provide a URL for your app (e.g., `https://my-cursor-tool.herokuapp.com`). 2. **Configure Cursor:** * Open Cursor IDE. * Go to Settings (usually Cmd + , or Ctrl + ,). * Find the "Model Context Protocol" section. * Click "Add Model". * Enter the following: * **Model Name:** The `MODEL_NAME` you defined in your code (e.g., `MyCustomTool`). * **Endpoint:** The full URL of your Heroku app, including the endpoint path (e.g., `https://my-cursor-tool.herokuapp.com/my_tool`). 3. **Test Your Tool:** In Cursor, try using your custom tool. You should be able to access it through the command palette or other Cursor features that support MCP. **Important Considerations** * **Security:** In a production environment, you should implement proper authentication and authorization to protect your MCP server. Consider using API keys or other security measures. * **Error Handling:** Implement robust error handling in your tool logic to gracefully handle unexpected situations. * **Rate Limiting:** If your tool is resource-intensive, consider implementing rate limiting to prevent abuse. * **Context:** Pay close attention to the `context` data that Cursor sends. This can provide valuable information about the current code, file, or project. * **Streaming:** If you want to support streaming responses, you'll need to modify your code to use Server-Sent Events (SSE) or WebSockets. * **Heroku Free Tier:** Be aware that the Heroku free tier has limitations. Your app may sleep if it's not used for a while. Consider upgrading to a paid plan for production use. * **Environment Variables:** Use environment variables for sensitive information like API keys or database credentials. You can set environment variables in the Heroku dashboard. **Example Tool Logic** Here's a more concrete example of tool logic that uses the context to provide code suggestions: ```python @app.post(ENDPOINT + "/generate") async def generate(request: Request) -> Dict[str, Any]: try: data = await request.json() prompt = data.get("prompt", "") context = data.get("context", {}) current_file = context.get("currentFile", {}) file_content = current_file.get("content", "") cursor_position = context.get("cursorPosition", {}) line = cursor_position.get("line", 0) character = cursor_position.get("character", 0) # Example: Suggest a function name based on the current line if "def " in file_content.splitlines()[line]: response_text = "Perhaps you should name this function 'process_data'?" else: response_text = "I'm ready to help with your coding!" return {"response": response_text} except Exception as e: raise HTTPException(status_code=500, detail=str(e)) ``` **Translation to Portuguese** Here's a translation of the key parts of the explanation: **Tradução para Português** **Estrutura do Modelo** (A estrutura do código em Python permanece a mesma) **Explicação** 1. **Importações:** Bibliotecas essenciais para FastAPI, manipulação de JSON e variáveis de ambiente. 2. **Configuração:** * `PORT`: Obtém a porta do ambiente (Heroku define isso). O padrão é 8000 para testes locais. * `MODEL_NAME`: Um nome único para sua ferramenta. É assim que o Cursor a identifica. * `DESCRIPTION`: Uma breve descrição da sua ferramenta. * `ENDPOINT`: O caminho da URL onde o Cursor enviará as solicitações. Certifique-se de que seja único. 3. **Configuração do FastAPI:** * Cria um aplicativo FastAPI. * **CORS:** Crucialmente importante! O Cursor é executado em um navegador da web, então você precisa habilitar o CORS para permitir solicitações da origem do Cursor. Em produção, substitua `"*"` pela origem específica da sua instância do Cursor. 4. **Endpoints MCP:** * `/info`: Retorna metadados sobre sua ferramenta. `stream` indica se sua ferramenta suporta respostas de streaming (mais avançado). * `/generate`: O endpoint principal para lidar com solicitações de geração. * Ele extrai o `prompt` e o `context` do corpo da solicitação. * **Lógica da sua Ferramenta:** É aqui que você implementa a funcionalidade principal da sua ferramenta. Processe o prompt e o contexto para gerar uma resposta. * Retorna uma resposta JSON com o campo `response` contendo o texto gerado. 5. **Execução Principal:** Inicia o servidor FastAPI usando Uvicorn. **Passos para Implantar no Heroku** 1. **Crie uma Conta Heroku:** Se você não tiver uma, inscreva-se em [https://www.heroku.com/](https://www.heroku.com/). 2. **Instale o Heroku CLI:** Siga as instruções no site do Heroku para instalar a Interface de Linha de Comando (CLI) do Heroku. 3. **Crie um Aplicativo Heroku:** ```bash heroku create my-cursor-tool # Substitua pelo nome desejado do seu aplicativo ``` 4. **Crie um Arquivo `requirements.txt`:** Liste todas as dependências Python que seu projeto precisa: ``` fastapi uvicorn[standard] python-multipart # Necessário para dados de formulário (se necessário) ``` 5. **Crie um `Procfile`:** Isso diz ao Heroku como executar seu aplicativo. Crie um arquivo chamado `Procfile` (sem extensão) com o seguinte conteúdo: ``` web: uvicorn main:app --host=0.0.0.0 --port=$PORT ``` 6. **Implante no Heroku:** ```bash git init git add . git commit -m "Commit inicial" heroku git:remote -a my-cursor-tool # Substitua pelo nome do seu aplicativo git push heroku main ``` 7. **Verifique os Logs:** Após a implantação, verifique os logs do Heroku para garantir que tudo esteja funcionando corretamente: ```bash heroku logs --tail ``` **Conectando ao Cursor IDE** 1. **Obtenha o URL do seu Aplicativo Heroku:** Após a implantação, o Heroku fornecerá um URL para seu aplicativo (por exemplo, `https://my-cursor-tool.herokuapp.com`). 2. **Configure o Cursor:** * Abra o Cursor IDE. * Vá para Configurações (geralmente Cmd + , ou Ctrl + ,). * Encontre a seção "Model Context Protocol". * Clique em "Add Model". * Insira o seguinte: * **Model Name:** O `MODEL_NAME` que você definiu em seu código (por exemplo, `MyCustomTool`). * **Endpoint:** O URL completo do seu aplicativo Heroku, incluindo o caminho do endpoint (por exemplo, `https://my-cursor-tool.herokuapp.com/my_tool`). 3. **Teste sua Ferramenta:** No Cursor, tente usar sua ferramenta personalizada. Você deve conseguir acessá-la através da paleta de comandos ou outros recursos do Cursor que suportam MCP. **Considerações Importantes** * **Segurança:** Em um ambiente de produção, você deve implementar autenticação e autorização adequadas para proteger seu servidor MCP. Considere usar chaves de API ou outras medidas de segurança. * **Tratamento de Erros:** Implemente um tratamento de erros robusto na lógica da sua ferramenta para lidar normalmente com situações inesperadas. * **Limitação de Taxa:** Se sua ferramenta for intensiva em recursos, considere implementar a limitação de taxa para evitar abusos. * **Contexto:** Preste muita atenção aos dados de `context` que o Cursor envia. Isso pode fornecer informações valiosas sobre o código, arquivo ou projeto atual. * **Streaming:** Se você deseja suportar respostas de streaming, você precisará modificar seu código para usar Server-Sent Events (SSE) ou WebSockets. * **Nível Gratuito do Heroku:** Esteja ciente de que o nível gratuito do Heroku tem limitações. Seu aplicativo pode dormir se não for usado por um tempo. Considere atualizar para um plano pago para uso em produção. * **Variáveis de Ambiente:** Use variáveis de ambiente para informações confidenciais, como chaves de API ou credenciais de banco de dados. Você pode definir variáveis de ambiente no painel do Heroku. I hope this comprehensive template and guide helps you create amazing custom tools for Cursor IDE! Let me know if you have any other questions.