Discover Awesome MCP Servers

Building AI-Powered Applications with Spring AI and Model Context Protocol

Spring ai and Reactjs Based Proof of Concept of a Server Hosted MCP Client + MCP Server solution available for natural language interaction

Homelab MCP Server

Enables AI assistants to manage homelab infrastructure through automated service installation (Jellyfin, Pi-hole, Ollama, Home Assistant, Frigate NVR), VM operations, AI accelerator support (MemryX, Coral TPU, Hailo-8), and Terraform state management with SSH-based discovery and deployment.

Literature Review Assistant

Search and retrieve academic papers from arXiv and DBLP databases, with AI-powered prompts to generate comprehensive research summaries, discover related topics, and identify leading authors in any field.

MCP PDF

Enables AI-powered extraction and analysis of PDF documents with 40+ specialized tools for text, tables, images, layout analysis, security assessment, and document intelligence. Supports both text-based and scanned PDFs with OCR capabilities.

ShippingTracker

한국 택배 배송 조회를 위한 MCP 서버 MCP Server for Korean Shipment Tracking

Discord Agent MCP

Provides comprehensive Discord bot automation with 71 tools for messaging, channel management, moderation, roles, members, emojis, stickers, scheduled events, auto-moderation, and application commands through AI assistants.

Sentiment By Api Ninjas MCP Server

Enables sentiment analysis of text blocks using the Api Ninjas API, returning sentiment scores and overall sentiment classification for up to 2000 characters of text.

MCP Quickstart Weather Server

Quickstart of MCP server

Markdownify MCP Server

A Model Context Protocol server that converts diverse file types, including PDFs, images, audio, and Office documents, into Markdown format. It also transforms web content like YouTube transcripts and Bing search results into readable text for model consumption.

Google Trends MCP Server

Enables retrieval and analysis of Google Trends data for any search term over the last 12 months. Provides structured timeline data with relative interest scores that can be filtered by geography and category.

Insight Digger MCP

An enterprise-grade data analysis system that enables users to discover data sources, configure analyses, and execute workflows through Claude Desktop. It features intelligent caching, session isolation, and secure JWT authentication for streamlined multi-user data orchestration.

arxiv-paper

A paper retrieval and content parsing tool based on arXiv, supporting paper search, PDF link retrieval, and content parsing functions, suitable for obtaining the latest papers in academic research and AI fields.

Git Stuff Server

MCP server providing Git-related functionalities, primarily a tool to generate diffs for Git merge commits against their first parent.

MCP Template

A TypeScript template for building Model Context Protocol servers that provides a structured foundation with automated tools, testing, and synchronization capabilities.

Tencent Cloud Live MCP Server

Enables AI agents to manage Tencent Cloud Live services through natural language, including domain management, stream pulling/pushing, live stream control, and transcoding template operations.

JumpCloud MCP Server

Enables natural language interaction with JumpCloud environments to query users, systems, groups, and SSO applications. Features a local LLM-free agent for keyword-based tool matching and REST API access to JumpCloud data.

MCP YouTube Transcript Server

A Model Context Protocol server that enables retrieval of transcripts, metadata, and subtitles from YouTube videos. It supports multiple languages, automatic paragraph segmentation, and video downloading to facilitate content analysis and processing.

GOAT MCP Server

Um servidor MCP que conecta o Claude para Desktop com funcionalidade blockchain, permitindo que os usuários verifiquem saldos e enviem tokens em chains EVM e Solana através de interações em linguagem natural.

GRID.gg Esports MCP Server

Enables AI agents to access and analyze professional esports data for League of Legends and Valorant via the GRID.gg API. It provides tools for team lookups, executing GraphQL queries, and retrieving detailed match replay files and event definitions.

PAN-OS MCP Server

Servidor MCP PAN-OS (API XML)

MySQL MCP Server by CData

MySQL MCP Server by CData

skykeep-mcp-server

MCP Server for Skykeep Application

MCP Outlook - Microsoft Outlook Integration for Claude

MCP Server and CLI for Microsoft Outlook integration

Related Identity MCP Server

Discovers related blockchain addresses and domain names for web3 identities across different platforms including Ethereum, Farcaster, Lens, and ENS using next.id's relation server data.

Qontinui MCP Server

Enables AI-driven visual automation by connecting to Qontinui Runner to load workflow configurations, execute visual automation workflows, and monitor execution status across multiple displays.

Spring Ai Mcp Deepseek

Com certeza! Para integrar o Spring AI com os serviços MCP (incluindo o servidor MCP e o cliente Deepseek), você precisará seguir algumas etapas e configurar algumas dependências. Aqui está um guia detalhado: **1. Entendendo os Componentes** * **Spring AI:** Uma abstração do Spring para interagir com modelos de IA, facilitando a integração com diferentes provedores (como Deepseek). * **MCP Server:** Um servidor que provavelmente expõe APIs para interagir com modelos de IA. Você precisará entender como este servidor funciona e quais APIs ele oferece. * **Deepseek Client:** Um cliente específico para interagir com os modelos Deepseek. **2. Adicionando as Dependências Necessárias** Primeiro, você precisará adicionar as dependências do Spring AI ao seu projeto. Se você estiver usando Maven, adicione o seguinte ao seu `pom.xml`: ```xml <dependencies> <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-core</artifactId> <version>0.8.0</version> <!-- Use a versão mais recente --> </dependency> <!-- Dependência para o provedor específico (se houver um já implementado no Spring AI) --> <!-- Exemplo: Se houver um módulo para Deepseek, adicione-o aqui --> <!-- <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-deepseek</artifactId> <version>0.8.0</version> </dependency> --> <!-- Se não houver um módulo específico para Deepseek no Spring AI, você precisará usar o Spring Web para fazer chamadas HTTP --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!-- Para processar JSON (se necessário) --> <dependency> <groupId>com.fasterxml.jackson.core</groupId> <artifactId>jackson-databind</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> </dependencies> ``` **Observações Importantes sobre as Dependências:** * **Versão do Spring AI:** Use a versão mais recente do Spring AI para ter acesso aos recursos e correções mais recentes. * **Módulo Deepseek:** Verifique se o Spring AI já possui um módulo específico para Deepseek. Se tiver, adicione essa dependência. Se não tiver (o que é provável, dependendo da popularidade do Deepseek e do desenvolvimento do Spring AI), você precisará usar o `spring-boot-starter-web` para fazer chamadas HTTP diretamente para o MCP Server. **3. Configurando a Conexão com o MCP Server** Como não há um módulo específico para Deepseek no Spring AI (assumindo que não há), você precisará criar um cliente HTTP para interagir com o MCP Server. Aqui está um exemplo de como você pode fazer isso: ```java import org.springframework.beans.factory.annotation.Value; import org.springframework.boot.web.client.RestTemplateBuilder; import org.springframework.stereotype.Component; import org.springframework.web.client.RestTemplate; @Component public class MCPClient { private final RestTemplate restTemplate; @Value("${mcp.server.url}") // Defina esta propriedade no seu application.properties ou application.yml private String mcpServerUrl; public MCPClient(RestTemplateBuilder restTemplateBuilder) { this.restTemplate = restTemplateBuilder.build(); } public String sendMessageToDeepseek(String message) { // Construa a URL para a API do Deepseek no MCP Server String url = mcpServerUrl + "/deepseek/generate"; // Ajuste a URL conforme a API do seu MCP Server // Crie o corpo da requisição (se necessário) // Pode ser um objeto JSON, por exemplo // Map<String, String> requestBody = new HashMap<>(); // requestBody.put("prompt", message); // Faça a requisição POST para o MCP Server // String response = restTemplate.postForObject(url, requestBody, String.class); // Se a API do MCP Server espera um texto simples como entrada: String response = restTemplate.postForObject(url, message, String.class); return response; } } ``` **Explicação do Código:** * **`@Component`:** Marca a classe como um componente Spring, permitindo que ela seja injetada em outros beans. * **`RestTemplate`:** Um cliente HTTP do Spring para fazer requisições REST. * **`@Value("${mcp.server.url}")`:** Injeta a URL do MCP Server a partir do arquivo `application.properties` ou `application.yml`. Você precisará definir essa propriedade no seu arquivo de configuração. * **`sendMessageToDeepseek(String message)`:** Este método envia uma mensagem para o endpoint do Deepseek no MCP Server. * **Construção da URL:** A URL é construída combinando a URL base do MCP Server com o endpoint específico do Deepseek (por exemplo, `/deepseek/generate`). **Ajuste esta URL para corresponder à API real do seu MCP Server.** * **Corpo da Requisição:** Se a API do MCP Server espera um corpo de requisição JSON, você precisará criar um `Map` ou uma classe Java que represente o corpo da requisição e usar `restTemplate.postForObject(url, requestBody, String.class)`. Se a API espera apenas um texto simples, você pode passar a mensagem diretamente como no exemplo. * **`restTemplate.postForObject()`:** Envia a requisição POST para o MCP Server e recebe a resposta como uma String. * **Tratamento de Erros:** É importante adicionar tratamento de erros (try-catch) para lidar com possíveis exceções durante a chamada HTTP. **4. Configurando o `application.properties` ou `application.yml`** Adicione a URL do seu MCP Server ao seu arquivo de configuração: ```properties mcp.server.url=http://localhost:8080 # Substitua pela URL real do seu MCP Server ``` Ou, em YAML: ```yaml mcp: server: url: http://localhost:8080 # Substitua pela URL real do seu MCP Server ``` **5. Usando o `MCPClient` em um Componente Spring AI** Agora você pode usar o `MCPClient` em um componente Spring AI para interagir com o Deepseek: ```java import org.springframework.ai.client.AiClient; import org.springframework.ai.client.AiResponse; import org.springframework.ai.prompt.PromptTemplate; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; @Service public class DeepseekAIService implements AiClient { @Autowired private MCPClient mcpClient; @Override public AiResponse generate(String prompt) { String response = mcpClient.sendMessageToDeepseek(prompt); // Crie um AiResponse a partir da resposta do MCP Server AiResponse aiResponse = new AiResponse(response); // Adapte conforme a estrutura da resposta return aiResponse; } @Override public AiResponse generate(String prompt, AiClient.Options options) { // Implemente a lógica para lidar com as opções, se necessário return generate(prompt); } // Outros métodos da interface AiClient podem ser implementados com lógica similar // Se o MCP Server suportar streaming, você pode implementar o método generateStream() } ``` **Explicação do Código:** * **`@Service`:** Marca a classe como um serviço Spring. * **`@Autowired`:** Injeta o `MCPClient` no serviço. * **`generate(String prompt)`:** Este método recebe um prompt, envia para o Deepseek através do `MCPClient` e retorna um `AiResponse`. * **`mcpClient.sendMessageToDeepseek(prompt)`:** Envia o prompt para o MCP Server. * **`new AiResponse(response)`:** Cria um `AiResponse` a partir da resposta do MCP Server. **Adapte esta parte para corresponder à estrutura da resposta que você recebe do MCP Server.** Se a resposta for um JSON, você precisará desserializá-lo e extrair o texto relevante. * **`generate(String prompt, AiClient.Options options)`:** Este método permite passar opções adicionais para o modelo. Implemente a lógica para lidar com essas opções, se o MCP Server as suportar. * **Implementação da Interface `AiClient`:** Você precisará implementar todos os métodos da interface `AiClient`. Se o MCP Server suportar streaming, você pode implementar o método `generateStream()`. **6. Usando o Serviço AI** Agora você pode injetar o `DeepseekAIService` em qualquer outro componente Spring e usá-lo para gerar texto com o Deepseek: ```java import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Component; @Component public class MyComponent { @Autowired private DeepseekAIService aiService; public String generateText(String prompt) { return aiService.generate(prompt).getGeneration(); // Adapte para extrair o texto da resposta } } ``` **Considerações Adicionais:** * **Autenticação:** Se o MCP Server exigir autenticação, você precisará adicionar cabeçalhos de autenticação às suas requisições HTTP. Você pode fazer isso configurando um `ClientHttpRequestInterceptor` no seu `RestTemplate`. * **Tratamento de Erros:** Implemente um tratamento de erros robusto para lidar com possíveis erros de rede, erros do MCP Server e erros de desserialização JSON. * **Logging:** Adicione logging para rastrear as requisições e respostas do MCP Server. * **Configuração:** Use um arquivo de configuração (como `application.properties` ou `application.yml`) para armazenar as configurações do MCP Server (URL, chaves de API, etc.). * **Mapeamento de Dados:** Certifique-se de mapear corretamente os dados entre o Spring AI e o formato de dados esperado pelo MCP Server. * **Testes:** Escreva testes unitários e de integração para garantir que a integração esteja funcionando corretamente. **Resumo:** Integrar o Spring AI com um serviço externo como o MCP Server (com Deepseek) requer um pouco mais de trabalho manual, especialmente se não houver um módulo específico no Spring AI para esse provedor. Você precisará usar o `RestTemplate` para fazer chamadas HTTP para o MCP Server e adaptar os dados entre o Spring AI e o formato esperado pelo servidor. Lembre-se de tratar erros, adicionar autenticação (se necessário) e configurar as dependências corretamente. Lembre-se de que este é um guia geral. Você precisará adaptar o código e a configuração para corresponder à API específica do seu MCP Server e às suas necessidades. Boa sorte!

LinkedIn Sales & Navigator MCP Server

Enables AI assistants to interact with LinkedIn and LinkedIn Sales Navigator for searching profiles, managing leads, and handling messaging via cookie-based authentication. It supports professional networking tasks such as sending connection requests and retrieving account details through the Model Context Protocol.

GraphRAG MCP

Enables enterprise document retrieval using graph-based reasoning and knowledge graphs. Allows agents to search and extract information from scattered documents through structured entity and relationship extraction.

Metabase MCP Server

Enables AI assistants to interact with Metabase analytics platform, allowing users to query databases, manage dashboards and cards, execute SQL queries, and access analytics data through natural language.