Discover Awesome MCP Servers

Google Search MCP Server

Uma implementação de servidor MCP que se integra com a API JSON de Pesquisa Personalizada do Google, fornecendo capacidades de pesquisa na web.

Pytest MCP Server

Enables AI assistants to run and analyze pytest tests for desktop applications through interactive commands. Supports test execution, filtering, result analysis, and debugging for comprehensive test automation workflows.

flutterclimcp

Okay, here's a fun sample Flutter project idea using the Flutter CLI and a hypothetical "MCP (Model Context Protocol) Server" to illustrate how you might integrate data from an external source into your app: **Project Title:** "Recipe Roulette: What's for Dinner?" **Concept:** The app will randomly suggest recipes fetched from an MCP server. The MCP server, in this example, is a stand-in for any external API or data source that provides recipe information. **Why it's fun:** * **Practical:** Solves a common problem ("What should I cook?"). * **Randomness:** Adds an element of surprise. * **Extensible:** Easily expanded with features like filtering by cuisine, dietary restrictions, or ingredients. * **Illustrates Data Integration:** Demonstrates how to fetch and display data from an external source. **Steps (Assuming you have Flutter installed and configured):** **1. Project Setup (using Flutter CLI):** ```bash flutter create recipe_roulette cd recipe_roulette ``` **2. Hypothetical MCP Server (Conceptual - you'd need to implement this):** * **Imagine:** You have a server (written in Python, Node.js, Go, etc.) that exposes an endpoint like `/recipes/random`. * **Response:** This endpoint returns a JSON object representing a recipe: ```json { "id": 123, "name": "Spaghetti Carbonara", "ingredients": [ "Spaghetti", "Eggs", "Pancetta", "Pecorino Romano cheese", "Black pepper" ], "instructions": [ "Cook spaghetti according to package directions.", "Whisk eggs, cheese, and pepper.", "Fry pancetta until crispy.", "Combine everything and serve!" ], "imageUrl": "https://example.com/carbonara.jpg" } ``` **3. Flutter Code (Illustrative):** * **`lib/main.dart`:** ```dart import 'package:flutter/material.dart'; import 'dart:convert'; import 'package:http/http.dart' as http; void main() { runApp(const MyApp()); } class MyApp extends StatelessWidget { const MyApp({Key? key}) : super(key: key); @override Widget build(BuildContext context) { return MaterialApp( title: 'Recipe Roulette', theme: ThemeData( primarySwatch: Colors.blue, ), home: const RecipeRoulette(), ); } } class RecipeRoulette extends StatefulWidget { const RecipeRoulette({Key? key}) : super(key: key); @override _RecipeRouletteState createState() => _RecipeRouletteState(); } class _RecipeRouletteState extends State<RecipeRoulette> { Recipe? _recipe; bool _isLoading = false; Future<void> _fetchRecipe() async { setState(() { _isLoading = true; }); // Replace with your actual MCP server URL final url = Uri.parse('http://localhost:3000/recipes/random'); // Example URL try { final response = await http.get(url); if (response.statusCode == 200) { final jsonData = jsonDecode(response.body); setState(() { _recipe = Recipe.fromJson(jsonData); _isLoading = false; }); } else { // Handle error (e.g., show an error message) print('Error fetching recipe: ${response.statusCode}'); setState(() { _isLoading = false; }); ScaffoldMessenger.of(context).showSnackBar( const SnackBar(content: Text('Failed to load recipe.')), ); } } catch (e) { // Handle network errors print('Network error: $e'); setState(() { _isLoading = false; }); ScaffoldMessenger.of(context).showSnackBar( const SnackBar(content: Text('Network error. Please check your connection.')), ); } } @override Widget build(BuildContext context) { return Scaffold( appBar: AppBar( title: const Text('Recipe Roulette'), ), body: Center( child: _isLoading ? const CircularProgressIndicator() : _recipe == null ? const Text('Tap the button to get a recipe!') : RecipeCard(recipe: _recipe!), ), floatingActionButton: FloatingActionButton( onPressed: _fetchRecipe, tooltip: 'Get Recipe', child: const Icon(Icons.refresh), ), ); } } class Recipe { final int id; final String name; final List<String> ingredients; final List<String> instructions; final String? imageUrl; Recipe({ required this.id, required this.name, required this.ingredients, required this.instructions, this.imageUrl, }); factory Recipe.fromJson(Map<String, dynamic> json) { return Recipe( id: json['id'], name: json['name'], ingredients: List<String>.from(json['ingredients']), instructions: List<String>.from(json['instructions']), imageUrl: json['imageUrl'], ); } } class RecipeCard extends StatelessWidget { final Recipe recipe; const RecipeCard({Key? key, required this.recipe}) : super(key: key); @override Widget build(BuildContext context) { return Card( margin: const EdgeInsets.all(16.0), child: Padding( padding: const EdgeInsets.all(16.0), child: Column( crossAxisAlignment: CrossAxisAlignment.start, children: [ if (recipe.imageUrl != null) Image.network( recipe.imageUrl!, width: double.infinity, height: 200, fit: BoxFit.cover, errorBuilder: (context, error, stackTrace) { return const Text('Image not available'); }, ), Text( recipe.name, style: const TextStyle(fontSize: 24, fontWeight: FontWeight.bold), ), const SizedBox(height: 8), const Text( 'Ingredients:', style: TextStyle(fontSize: 18, fontWeight: FontWeight.bold), ), for (var ingredient in recipe.ingredients) Text('- $ingredient'), const SizedBox(height: 8), const Text( 'Instructions:', style: TextStyle(fontSize: 18, fontWeight: FontWeight.bold), ), for (var instruction in recipe.instructions) Text('- $instruction'), ], ), ), ); } } ``` **Explanation:** * **`Recipe` Class:** Represents the structure of a recipe. Includes `id`, `name`, `ingredients`, `instructions`, and an optional `imageUrl`. * **`RecipeRoulette` Widget:** * `_fetchRecipe()`: This is the core function. It makes an HTTP GET request to your hypothetical MCP server endpoint (`http://localhost:3000/recipes/random`). It uses the `http` package (you'll need to add it to your `pubspec.yaml` file). * Handles loading state (`_isLoading`) to show a `CircularProgressIndicator` while fetching data. * Parses the JSON response from the server using `jsonDecode`. * Creates a `Recipe` object from the parsed JSON. * Handles potential errors (e.g., server not found, invalid JSON). * **`RecipeCard` Widget:** Displays the recipe information in a nicely formatted card. * **`pubspec.yaml`:** Add the `http` package: ```yaml dependencies: flutter: sdk: flutter http: ^0.13.5 # Get the latest version from pub.dev ``` **4. Running the App:** 1. **Get Dependencies:** Run `flutter pub get` in your project directory. 2. **Run the App:** `flutter run` **Important Considerations:** * **MCP Server Implementation:** You'll need to *actually* create the MCP server. The code above assumes it exists and returns JSON in the specified format. You can use any language/framework you're comfortable with (Node.js with Express, Python with Flask/FastAPI, Go, etc.). A simple in-memory data structure (e.g., a list of recipe objects) is fine for a basic example. * **Error Handling:** The error handling in the example is basic. You should add more robust error handling (e.g., logging, more informative error messages to the user). * **Asynchronous Operations:** Fetching data from a server is an asynchronous operation. The `async` and `await` keywords are used to handle this. * **State Management:** For a more complex app, you might want to use a more sophisticated state management solution (Provider, Riverpod, BLoC, etc.). For this simple example, `setState` is sufficient. * **UI/UX:** This is a very basic UI. You can improve it with better styling, animations, and more user-friendly interactions. * **CORS:** If your Flutter app and MCP server are running on different domains (e.g., `localhost:5000` for the Flutter app and `localhost:3000` for the server), you'll need to configure CORS (Cross-Origin Resource Sharing) on your server to allow requests from your Flutter app's origin. **How to make it more fun:** * **Recipe Images:** Find a free API that provides recipe images (or use placeholder images). * **Animations:** Add animations when the recipe changes. * **User Preferences:** Allow users to filter recipes based on their preferences (e.g., cuisine, dietary restrictions). * **"Save" Recipes:** Let users save their favorite recipes to a list. * **Share Recipes:** Enable users to share recipes with friends. * **Voice Control:** Integrate voice control to fetch recipes using voice commands. This example provides a starting point. Adapt it to your specific needs and have fun building! Remember to replace the placeholder MCP server URL with the actual URL of your server. **Tradução para Português:** Aqui está uma ideia de projeto Flutter divertida usando o Flutter CLI e um hipotético "Servidor MCP (Model Context Protocol)" para ilustrar como você pode integrar dados de uma fonte externa em seu aplicativo: **Título do Projeto:** "Roleta de Receitas: O Que Tem Para Jantar?" **Conceito:** O aplicativo irá sugerir aleatoriamente receitas buscadas de um servidor MCP. O servidor MCP, neste exemplo, é um substituto para qualquer API ou fonte de dados externa que forneça informações sobre receitas. **Por que é divertido:** * **Prático:** Resolve um problema comum ("O que devo cozinhar?"). * **Aleatoriedade:** Adiciona um elemento de surpresa. * **Extensível:** Facilmente expandido com recursos como filtragem por culinária, restrições alimentares ou ingredientes. * **Ilustra a Integração de Dados:** Demonstra como buscar e exibir dados de uma fonte externa. **Passos (Assumindo que você tenha o Flutter instalado e configurado):** **1. Configuração do Projeto (usando o Flutter CLI):** ```bash flutter create recipe_roulette cd recipe_roulette ``` **2. Servidor MCP Hipotético (Conceitual - você precisaria implementar isso):** * **Imagine:** Você tem um servidor (escrito em Python, Node.js, Go, etc.) que expõe um endpoint como `/recipes/random`. * **Resposta:** Este endpoint retorna um objeto JSON representando uma receita: ```json { "id": 123, "name": "Spaghetti Carbonara", "ingredients": [ "Spaghetti", "Eggs", "Pancetta", "Pecorino Romano cheese", "Black pepper" ], "instructions": [ "Cook spaghetti according to package directions.", "Whisk eggs, cheese, and pepper.", "Fry pancetta until crispy.", "Combine everything and serve!" ], "imageUrl": "https://example.com/carbonara.jpg" } ``` **3. Código Flutter (Ilustrativo):** * **`lib/main.dart`:** (O código em Dart fornecido na resposta anterior) **Explicação:** * **Classe `Recipe`:** Representa a estrutura de uma receita. Inclui `id`, `name`, `ingredients`, `instructions` e um `imageUrl` opcional. * **Widget `RecipeRoulette`:** * `_fetchRecipe()`: Esta é a função principal. Ela faz uma requisição HTTP GET para o endpoint do seu servidor MCP hipotético (`http://localhost:3000/recipes/random`). Ela usa o pacote `http` (você precisará adicioná-lo ao seu arquivo `pubspec.yaml`). * Gerencia o estado de carregamento (`_isLoading`) para mostrar um `CircularProgressIndicator` enquanto busca os dados. * Analisa a resposta JSON do servidor usando `jsonDecode`. * Cria um objeto `Recipe` a partir do JSON analisado. * Lida com possíveis erros (por exemplo, servidor não encontrado, JSON inválido). * **Widget `RecipeCard`:** Exibe as informações da receita em um card formatado. * **`pubspec.yaml`:** Adicione o pacote `http`: ```yaml dependencies: flutter: sdk: flutter http: ^0.13.5 # Obtenha a versão mais recente de pub.dev ``` **4. Executando o Aplicativo:** 1. **Obtenha as Dependências:** Execute `flutter pub get` no diretório do seu projeto. 2. **Execute o Aplicativo:** `flutter run` **Considerações Importantes:** * **Implementação do Servidor MCP:** Você precisará *realmente* criar o servidor MCP. O código acima assume que ele existe e retorna JSON no formato especificado. Você pode usar qualquer linguagem/framework com a qual se sinta confortável (Node.js com Express, Python com Flask/FastAPI, Go, etc.). Uma estrutura de dados simples na memória (por exemplo, uma lista de objetos de receita) é suficiente para um exemplo básico. * **Tratamento de Erros:** O tratamento de erros no exemplo é básico. Você deve adicionar um tratamento de erros mais robusto (por exemplo, registro em log, mensagens de erro mais informativas para o usuário). * **Operações Assíncronas:** Buscar dados de um servidor é uma operação assíncrona. As palavras-chave `async` e `await` são usadas para lidar com isso. * **Gerenciamento de Estado:** Para um aplicativo mais complexo, você pode querer usar uma solução de gerenciamento de estado mais sofisticada (Provider, Riverpod, BLoC, etc.). Para este exemplo simples, `setState` é suficiente. * **UI/UX:** Esta é uma UI muito básica. Você pode melhorá-la com um estilo melhor, animações e interações mais amigáveis. * **CORS:** Se seu aplicativo Flutter e o servidor MCP estiverem sendo executados em domínios diferentes (por exemplo, `localhost:5000` para o aplicativo Flutter e `localhost:3000` para o servidor), você precisará configurar o CORS (Cross-Origin Resource Sharing) em seu servidor para permitir solicitações da origem do seu aplicativo Flutter. **Como tornar mais divertido:** * **Imagens de Receitas:** Encontre uma API gratuita que forneça imagens de receitas (ou use imagens de espaço reservado). * **Animações:** Adicione animações quando a receita mudar. * **Preferências do Usuário:** Permita que os usuários filtrem as receitas com base em suas preferências (por exemplo, culinária, restrições alimentares). * **"Salvar" Receitas:** Deixe os usuários salvarem suas receitas favoritas em uma lista. * **Compartilhar Receitas:** Permita que os usuários compartilhem receitas com amigos. * **Controle de Voz:** Integre o controle de voz para buscar receitas usando comandos de voz. Este exemplo fornece um ponto de partida. Adapte-o às suas necessidades específicas e divirta-se construindo! Lembre-se de substituir o URL do servidor MCP de espaço reservado pelo URL real do seu servidor.

mcp-lucene-server

mcp-lucene-server

DeFi Trading Agent MCP Server

Transforms AI assistants into autonomous crypto trading agents with real-time market analysis, portfolio management, and trade execution across 17+ blockchains.

Python Code Runner

Enables execution of Python code in a safe environment, including running scripts, installing packages, and retrieving variable values. Supports file operations and package management through pip.

Brosh Browser Screenshot

Captures comprehensive webpage screenshots with intelligent scrolling, text extraction, and HTML analysis, enabling AI tools to visually inspect and understand web content through the Model Context Protocol.

🏆 Audiense Demand MCP Server

Este MCP ajuda você a interagir com sua conta Audiense Demand. Ele fornece ferramentas para criar e analisar relatórios de demanda, rastrear o desempenho de entidades e obter insights em diferentes canais e países.

WikiJS MCP Server

Enables AI assistants to search and retrieve content from WikiJS knowledge bases, allowing integration with your Wiki through simple search and retrieval tools.

Sentry Issues MCP

Um servidor que permite a recuperação de problemas do Sentry através de duas ferramentas simples: obter um problema específico por URL/ID ou obter uma lista de problemas de um projeto.

Snip

Screenshot and diagram tool for AI agents. Capture and annotate screenshots to show Claude what you mean — or let the agent render Mermaid diagrams and open them for visual review. Approve, annotate, or request changes with text feedback. Built-in review mode with structured responses. CLI and MCP server for Claude Code, Cursor, Windsurf, Cline. macOS, open source, free.

Canvas LMS MCP Server

Enables AI systems to interact with Canvas Learning Management System data, allowing users to access courses, assignments, quizzes, planner items, files, and syllabi through natural language queries.

MCPHub: Deploy Your Own MCP Servers in Minutes

Um servidor centralizado que consolida múltiplos servidores MCP em um único endpoint SSE.

AI-Scholarly-Mode

Enables AI assistants to search and retrieve peer-reviewed academic articles exclusively from Springer Nature's open access collection. It provides a specialized mode for research-driven conversations, allowing users to toggle scholarly-only search and fetch full article content.

ShopOracle

E-Commerce Intelligence MCP Server — 11 tools for product search, price comparison, competitor pricing across Amazon, eBay, Google Shopping. 18 countries. Part of ToolOracle (tooloracle.io).

MCP Memory

Enables AI assistants to remember user information and preferences across conversations using vector search technology. Built on Cloudflare infrastructure with isolated user namespaces for secure, persistent memory storage.

XRootD MCP Server

An MCP server providing access to XRootD file systems, allowing LLMs to browse directories, read file metadata, and access contents via the root:// protocol. It supports advanced features like campaign discovery, file searching, and ROOT file analysis for scientific data management.

Metrx MCP Server

An MCP server for Metrx — provides tools for construction, healthcare, logistics, manufacturing, and legal mid-market businesses to query and analyze their operational data via AI.

Jira Prompts MCP Server

Um servidor MCP que oferece vários comandos para gerar prompts ou contextos a partir do conteúdo do Jira.

Knowledge Graph Memory Server

Implementação aprimorada de memória persistente usando um grafo de conhecimento local com um --memory-path personalizável. Isso permite que Claude se lembre de informações sobre o usuário entre conversas.

NEXUS Memory MCP App

A sovereign, six-layer permanent memory system that provides users with a structured and persistent personal knowledge base across VS Code, Claude, and ChatGPT. It utilizes a neural mesh architecture and ENGRAM O(1) lookup to ensure data ownership and constant-time memory retrieval.

PT-MCP (Paul Test Man Context Protocol)

Provides comprehensive codebase analysis and semantic understanding through integrated knowledge graphs, enabling AI assistants to understand project structure, patterns, dependencies, and context through multiple analysis tools and format generators.

Berghain Events MCP Server

A server that allows AI agents to query and retrieve information about upcoming events at Berghain nightclub through a DynamoDB-backed FastAPI service.

GitHub Integration Hub

Enables AI agents to interact with GitHub through OAuth-authenticated operations including starting authorization flows, listing repositories, and creating issues using stored access tokens.

USDC MCP Server

Enables AI agents and LLMs to interact with USDC API endpoints through a standardized Model Context Protocol interface. It provides tools for efficient async handling and seamless integration of USDC functionalities into automated workflows.

Universal Crypto MCP

Enables AI agents to interact with any EVM-compatible blockchain through natural language, supporting token swaps, cross-chain bridges, staking, lending, governance, gas optimization, and portfolio tracking across networks like Ethereum, BSC, Polygon, Arbitrum, and more.

MCP Unity Bridge Asset

Asset to be imported into Unity to host a WebSocket server for MCP Conmmunciation with LLMs

Obsidian Todos MCP Server

Enables AI assistants to manage tasks within an Obsidian vault by listing, adding, and updating todos via the Local REST API. It allows users to create new todos in daily notes and retrieve task statistics through natural language.

DOMShell

MCP server that turns your browser into a filesystem. 38 tools let AI agents ls, cd, grep, click, and type through Chrome via the DOMShell extension.

ncbi-mcp

Servidor MCP do Centro Nacional de Informações sobre Biologia do NIH (National Institutes of Health).