Discover Awesome MCP Servers

MCP Audio Tweaker

Enables batch audio processing and optimization using FFmpeg with preset configurations for game audio, voice processing, and music mastering, including specialized optimization for ElevenLabs AI voice output.

MCP Troubleshooter

A specialized diagnostic framework that enables AI models to self-diagnose and fix MCP-related issues by analyzing logs, validating configurations, testing connections, and implementing solutions.

Withings MCP Client

Enables retrieval of health data from Withings smart scales including weight measurements and comprehensive body composition metrics like fat mass, muscle mass, and hydration levels. Supports multiple users, unit preferences, and OAuth authentication for secure access to personal health data.

LibSQL Memory

Um servidor MCP de alto desempenho que utiliza libSQL para memória persistente e capacidades de pesquisa vetorial, permitindo o gerenciamento eficiente de entidades e o armazenamento de conhecimento semântico.

prometheus-mcp-server

A TypeScript-based MCP server that enables users to interact with Prometheus metrics using PromQL queries and discovery tools. It allows LLMs to retrieve time-series data, metadata, alerts, and system status directly from a Prometheus instance.

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.

Wikipedia Summarizer MCP Server

Um servidor MCP (Protocolo de Contexto de Modelo) que busca e resume artigos da Wikipédia usando LLMs Ollama, acessível tanto via linha de comando quanto por interfaces Streamlit. Perfeito para extrair rapidamente informações-chave da Wikipédia sem precisar ler artigos inteiros.

DateTime MCP Server

Provides timezone-aware date and time information with configurable time formats and timezone support. Enables users to get current date and time in their preferred timezone and format through simple MCP tools.

MCP DeepSeek 演示项目

Com certeza! Aqui está um exemplo mínimo de uso do DeepSeek combinado com o MCP (Message Passing Communication) em um cenário cliente-servidor, traduzido para português: **Cenário:** Imagine um cenário simples onde um cliente envia uma mensagem de texto para um servidor. O servidor recebe a mensagem, a converte para letras maiúsculas e a envia de volta para o cliente. **Código (Python):** **Servidor (server.py):** ```python import socket import threading HOST = '127.0.0.1' # Endereço IP do servidor (localhost) PORT = 12345 # Porta para comunicação def handle_client(conn, addr): print(f"Conectado por {addr}") try: while True: data = conn.recv(1024) # Recebe dados do cliente (máximo 1024 bytes) if not data: break # Cliente desconectou message = data.decode('utf-8') # Decodifica os bytes para string print(f"Recebido: {message}") uppercase_message = message.upper() # Converte para maiúsculas conn.sendall(uppercase_message.encode('utf-8')) # Envia de volta para o cliente except Exception as e: print(f"Erro na conexão: {e}") finally: conn.close() print(f"Conexão com {addr} fechada.") def start_server(): server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) server_socket.bind((HOST, PORT)) server_socket.listen() print(f"Servidor ouvindo em {HOST}:{PORT}") while True: conn, addr = server_socket.accept() # Aceita novas conexões thread = threading.Thread(target=handle_client, args=(conn, addr)) thread.start() if __name__ == "__main__": start_server() ``` **Cliente (client.py):** ```python import socket HOST = '127.0.0.1' # Endereço IP do servidor (localhost) PORT = 12345 # Porta para comunicação def main(): client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) try: client_socket.connect((HOST, PORT)) print(f"Conectado ao servidor em {HOST}:{PORT}") message = input("Digite uma mensagem: ") client_socket.sendall(message.encode('utf-8')) # Envia a mensagem para o servidor data = client_socket.recv(1024) # Recebe a resposta do servidor uppercase_message = data.decode('utf-8') print(f"Resposta do servidor: {uppercase_message}") except Exception as e: print(f"Erro: {e}") finally: client_socket.close() if __name__ == "__main__": main() ``` **Explicação:** * **Servidor (server.py):** * Cria um socket do servidor e o vincula a um endereço IP e porta. * Fica ouvindo por conexões de clientes. * Quando um cliente se conecta, cria uma nova thread para lidar com a conexão. * Na thread, recebe dados do cliente, converte a mensagem para maiúsculas e envia de volta. * Lida com erros e fecha a conexão quando o cliente se desconecta. * **Cliente (client.py):** * Cria um socket do cliente. * Conecta-se ao servidor. * Pede ao usuário para digitar uma mensagem. * Envia a mensagem para o servidor. * Recebe a resposta do servidor (a mensagem em maiúsculas). * Imprime a resposta. * Fecha a conexão. **Como executar:** 1. Salve os arquivos como `server.py` e `client.py`. 2. Abra dois terminais. 3. No primeiro terminal, execute o servidor: `python server.py` 4. No segundo terminal, execute o cliente: `python client.py` 5. No terminal do cliente, digite uma mensagem e pressione Enter. 6. Você verá a resposta do servidor (a mensagem em maiúsculas) no terminal do cliente. O terminal do servidor mostrará a mensagem recebida e a conexão. **Pontos importantes:** * **MCP (Message Passing Communication):** Neste exemplo, o MCP é implementado usando sockets. Os sockets permitem que o cliente e o servidor troquem mensagens (dados) entre si. * **Threads:** O servidor usa threads para lidar com múltiplas conexões de clientes simultaneamente. Cada thread lida com um cliente individual. * **Codificação/Decodificação:** As mensagens são codificadas em UTF-8 antes de serem enviadas e decodificadas ao serem recebidas. Isso garante que os caracteres sejam transmitidos corretamente. * **Tratamento de Erros:** O código inclui tratamento de erros básico para lidar com problemas de conexão. **DeepSeek:** Embora este exemplo não utilize diretamente o DeepSeek para inferência ou geração, ele fornece a base para integrar o DeepSeek. Você poderia, por exemplo: 1. **No servidor:** Usar o DeepSeek para analisar a mensagem recebida do cliente (por exemplo, para análise de sentimentos, tradução, etc.). 2. **No cliente:** Usar o DeepSeek para gerar a mensagem a ser enviada ao servidor. Para integrar o DeepSeek, você precisaria: * Instalar a biblioteca DeepSeek apropriada (se houver uma biblioteca Python disponível). * Carregar um modelo DeepSeek pré-treinado. * Usar o modelo para processar a mensagem. **Exemplo de integração (conceitual) no servidor:** ```python # ... (código do servidor) ... # Supondo que você tenha uma biblioteca DeepSeek e um modelo carregado # import deepseek # model = deepseek.load_model("caminho/para/o/modelo") def handle_client(conn, addr): # ... message = data.decode('utf-8') print(f"Recebido: {message}") # Análise de sentimentos com DeepSeek (exemplo) # sentiment = model.analyze_sentiment(message) # print(f"Sentimento: {sentiment}") uppercase_message = message.upper() conn.sendall(uppercase_message.encode('utf-8')) # ... ``` Lembre-se de que este é um exemplo mínimo. Em um cenário real, você precisaria lidar com mais complexidades, como: * Protocolos de comunicação mais robustos. * Segurança. * Escalabilidade. * Gerenciamento de erros mais abrangente. Espero que isso ajude! Se você tiver alguma dúvida, me diga.

MCP Security Scanner

Enables comprehensive security scanning of code projects, detecting vulnerabilities in dependencies, code patterns (XSS, eval, etc.), and exposed secrets, with detailed reports in Spanish prioritized by severity.

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.

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.

Replicate Recraft V3 MCP Server

Provides access to the recraft-ai/recraft-v3 image generation model via Replicate, supporting high-quality image creation with granular style, size, and aspect ratio controls. It features synchronous and asynchronous generation workflows, local image downloads in WebP format, and comprehensive prediction tracking.

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.

Obsidian Tools MCP Server

Enables comprehensive management of Obsidian vaults with full CRUD operations, advanced search, link/tag extraction, backlinks discovery, frontmatter editing, and template-based note creation through natural language.

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.

Haloscan MCP Server

A Model Context Protocol server that exposes Haloscan SEO API functionality, allowing users to access keyword insights, domain analysis, and competitor research through Claude for Desktop and other MCP-compatible clients.

MTG Card Lookup MCP Server

Enables fuzzy lookup of Magic: The Gathering cards by name using the Scryfall API, returning card details including type, oracle text, mana value, and images.

GPT MCP Server

Enables ChatGPT Desktop to securely access and search local filesystem files through ngrok tunneling with whitelist-based directory protection and read-only operations.

MCP Host RPC Bridge

A server that bridges MCP tool calls to JSON-RPC function calls over socket connections, allowing external applications to expose functions as MCP tools.

FortunaMCP

FortunaMCP is an advanced MCP server dedicated to generating high-quality random values. It leverages the Fortuna C-extension, which is directly powered by Storm—a robust, thread-safe C++ RNG engine optimized for high-speed, hardware-based entropy.

BloodHound MCP

Uma extensão que permite que Modelos de Linguagem Grandes interajam e analisem ambientes do Active Directory por meio de consultas em linguagem natural, em vez de consultas Cypher manuais.

xcomet-mcp-server

Translation quality evaluation MCP Server powered by xCOMET. Provides quality scoring (0-1), error detection with severity levels, and optimized batch processing for AI-assisted translation workflows.

Case Study Generator MCP Server

Processes documents, analyzes GitHub repositories, and researches companies using local Gemma3 AI to extract structured business insights for generating compelling case studies.

Test MCP Feb4 MCP Server

An MCP server that provides standardized tools for AI agents to interact with the Test MCP Feb4 API. It enables LLMs to access API endpoints through asynchronous operations and standardized Model Context Protocol tools.