Discover Awesome MCP Servers

TimeMCP

Servidor MCP em Golang para substituir o servidor MCP modelcontextprotocol/time

Buildkite MCP Server

Servidor de Protocolo de Contexto de Modelo (MCP) para integração com Buildkite

FastAPI-MCP

Uma ferramenta de configuração zero que expõe automaticamente os endpoints FastAPI como ferramentas do Protocolo de Contexto de Modelo (MCP), permitindo que sistemas LLM como o Claude interajam com sua API sem codificação adicional.

Part 1. Real-Time LangGraph Agent with MCP Tool Execution

Este projeto demonstra uma arquitetura de agente desacoplada em tempo real que conecta agentes LangGraph a ferramentas remotas servidas por servidores MCP (Modular Command Protocol) personalizados. A arquitetura permite um sistema multiagente flexível e escalável, onde cada ferramenta pode ser hospedada independentemente (via SSE ou STDIO), oferecendo modularidade e executáveis implantáveis na nuvem.

Slack MCP Server

A comprehensive Slack integration server that enables sending messages, managing channels, uploading files, and running Pomodoro timers through FastMCP v2.

GHAS MCP server (GitHub Advanced Security)

Este servidor integra-se com o GitHub Advanced Security para carregar alertas de segurança e trazê-los para o seu contexto. Suporta Alertas de Segurança do Dependabot, Alertas de Secret Scanning e Alertas de Segurança de Código.

Clay

A Model Context Protocol (MCP) server for Clay (https://clay.earth). Search your email, calendar, Twitter / X, Linkedin, iMessage, Facebook, and WhatsApp contacts. Take notes, set reminders, and more.

Wolfram Alpha

Conectar seu repl de chat à inteligência computacional Wolfram Alpha envolve algumas etapas e depende de como você deseja que a interação funcione. Aqui está um guia geral e algumas opções: **Conceito Geral:** A ideia é que seu programa (executado no repl) receba uma entrada do usuário, envie essa entrada para a API do Wolfram Alpha, receba a resposta do Wolfram Alpha e, em seguida, exiba essa resposta para o usuário. **Passos:** 1. **Obtenha uma Chave de API do Wolfram Alpha:** * Vá para o site do Wolfram Alpha Developer: [https://developer.wolframalpha.com/](https://developer.wolframalpha.com/) * Crie uma conta (se você ainda não tiver uma). * Obtenha uma chave de API (App ID). Você precisará disso para autenticar suas solicitações. 2. **Escolha uma Linguagem de Programação no seu Repl:** * Python é uma escolha popular e bem suportada. Outras linguagens como Node.js (JavaScript) também funcionam. 3. **Instale a Biblioteca Necessária (se aplicável):** * **Python:** Você pode usar a biblioteca `wolframalpha` (mais fácil) ou a biblioteca `requests` (mais flexível). ```bash pip install wolframalpha # OU pip install requests ``` * **Node.js:** Você pode usar a biblioteca `wolfram-alpha-api` ou `node-fetch` (para fazer solicitações HTTP). ```bash npm install wolfram-alpha-api # OU npm install node-fetch ``` 4. **Escreva o Código:** Aqui estão exemplos em Python usando ambas as bibliotecas: **Usando a biblioteca `wolframalpha` (mais simples):** ```python import wolframalpha # Substitua com sua chave de API app_id = "SUA_CHAVE_DE_API" client = wolframalpha.Client(app_id) while True: query = input("Digite sua pergunta para o Wolfram Alpha (ou 'sair' para sair): ") if query.lower() == "sair": break try: res = client.query(query) # Tenta obter o resultado principal (plaintext) try: result = next(res.results).text print("Wolfram Alpha:", result) except StopIteration: print("Wolfram Alpha: Não encontrou uma resposta clara.") except Exception as e: print("Ocorreu um erro:", e) ``` **Usando a biblioteca `requests` (mais controle, mas mais código):** ```python import requests import xml.etree.ElementTree as ET # Substitua com sua chave de API app_id = "SUA_CHAVE_DE_API" base_url = "http://api.wolframalpha.com/v2/query" while True: query = input("Digite sua pergunta para o Wolfram Alpha (ou 'sair' para sair): ") if query.lower() == "sair": break try: params = { "input": query, "appid": app_id, "output": "xml" # Solicita a resposta em XML } response = requests.get(base_url, params=params) response.raise_for_status() # Lança uma exceção para erros HTTP xml_data = response.text root = ET.fromstring(xml_data) # Procura pelo resultado principal (plaintext) result = None for pod in root.findall(".//pod"): if pod.get("primary") == "true": for subpod in pod.findall(".//subpod"): plaintext = subpod.find(".//plaintext") if plaintext is not None and plaintext.text: result = plaintext.text break if result: break if result: print("Wolfram Alpha:", result) else: print("Wolfram Alpha: Não encontrou uma resposta clara.") except requests.exceptions.RequestException as e: print("Erro de requisição:", e) except ET.ParseError as e: print("Erro ao analisar XML:", e) except Exception as e: print("Ocorreu um erro:", e) ``` **Explicação do Código (Python):** * **Importação:** Importa as bibliotecas necessárias. * **Chave de API:** Substitua `"SUA_CHAVE_DE_API"` pela sua chave real. * **Loop:** Entra em um loop para que o usuário possa fazer várias perguntas. * **Entrada do Usuário:** Obtém a pergunta do usuário usando `input()`. * **Solicitação à API:** * **`wolframalpha`:** Usa `client.query(query)` para enviar a pergunta. * **`requests`:** Constrói a URL da API com os parâmetros `input` (a pergunta) e `appid` (sua chave). Faz uma requisição GET usando `requests.get()`. * **Processamento da Resposta:** * **`wolframalpha`:** Itera sobre os resultados e tenta obter o texto do primeiro resultado. * **`requests`:** Analisa a resposta XML usando `xml.etree.ElementTree`. Procura por um `<pod>` com o atributo `primary="true"` e, dentro dele, procura por um `<subpod>` com um elemento `<plaintext>`. * **Exibição:** Imprime a resposta do Wolfram Alpha. * **Tratamento de Erros:** Usa blocos `try...except` para lidar com erros de rede, erros de API e outros problemas. 5. **Execute o Código no seu Repl:** * Cole o código no seu repl. * Certifique-se de que a biblioteca necessária esteja instalada (o repl geralmente cuida disso automaticamente se você usar `pip install` ou `npm install` no shell do repl). * Execute o programa. **Considerações Adicionais:** * **Formato da Resposta:** A API do Wolfram Alpha pode retornar resultados em vários formatos (XML, JSON, plaintext). O exemplo acima usa XML (com `requests`) e plaintext (com `wolframalpha`). Você pode ajustar o código para usar o formato que melhor se adapta às suas necessidades. * **Tratamento de Erros:** É importante tratar os erros de forma robusta. A API do Wolfram Alpha pode retornar erros se a pergunta for inválida ou se houver problemas com a API. * **Limites de Uso:** A API gratuita do Wolfram Alpha tem limites de uso. Se você precisar de mais consultas, pode precisar considerar um plano pago. * **Interface do Usuário:** Para uma experiência de usuário melhor, você pode considerar usar uma biblioteca de interface gráfica (como Tkinter em Python) ou criar uma interface web. * **Segurança:** Não coloque sua chave de API diretamente no código se você for compartilhar o código publicamente. Use variáveis de ambiente ou um arquivo de configuração para armazenar a chave de forma segura. O repl.it tem um recurso para armazenar segredos. **Exemplo em Node.js (usando `wolfram-alpha-api`):** ```javascript const WolframAlphaAPI = require('wolfram-alpha-api'); const readline = require('readline').createInterface({ input: process.stdin, output: process.stdout, }); // Substitua com sua chave de API const app_id = "SUA_CHAVE_DE_API"; const waApi = WolframAlphaAPI(app_id); function askQuestion() { readline.question("Digite sua pergunta para o Wolfram Alpha (ou 'sair' para sair): ", async query => { if (query.toLowerCase() === "sair") { readline.close(); return; } try { const result = await waApi.getFullResult(query); if (result && result.success && result.pods && result.pods.length > 0) { // Procura pelo pod "Result" ou um pod primário let answer = null; for (const pod of result.pods) { if (pod.title === "Result" || pod.primary === true) { if (pod.subpods && pod.subpods.length > 0) { answer = pod.subpods[0].plaintext; break; } } } if (answer) { console.log("Wolfram Alpha:", answer); } else { console.log("Wolfram Alpha: Não encontrou uma resposta clara."); } } else { console.log("Wolfram Alpha: Não encontrou uma resposta."); } } catch (error) { console.error("Ocorreu um erro:", error); } askQuestion(); // Pergunta novamente }); } askQuestion(); ``` **Explicação do Código (Node.js):** * **Importação:** Importa as bibliotecas `wolfram-alpha-api` e `readline`. `readline` é usado para obter a entrada do usuário no console. * **Chave de API:** Substitua `"SUA_CHAVE_DE_API"` pela sua chave real. * **Criação da Interface `readline`:** Configura a interface para ler a entrada do usuário. * **Função `askQuestion()`:** * **Pergunta ao Usuário:** Usa `readline.question()` para obter a pergunta do usuário. * **Solicitação à API:** Usa `waApi.getFullResult(query)` para enviar a pergunta ao Wolfram Alpha. `getFullResult` retorna uma promessa. * **Processamento da Resposta:** * Verifica se a resposta foi bem-sucedida e se há pods (resultados). * Itera sobre os pods e procura por um pod com o título "Result" ou um pod que seja primário (`primary === true`). * Se encontrar um pod adequado, extrai o texto simples (`plaintext`) do primeiro subpod. * **Exibição:** Imprime a resposta do Wolfram Alpha. * **Tratamento de Erros:** Usa um bloco `try...catch` para lidar com erros. * **Recursão:** Chama `askQuestion()` novamente para que o usuário possa fazer outra pergunta. * **Chamada Inicial:** Chama `askQuestion()` para iniciar o processo. Lembre-se de substituir `"SUA_CHAVE_DE_API"` pela sua chave de API real. Adapte o código para lidar com diferentes tipos de respostas do Wolfram Alpha e para fornecer uma interface de usuário mais amigável, se necessário. A documentação da API do Wolfram Alpha e das bibliotecas que você escolher usar será muito útil.

Obsidian iCloud MCP

Conecta vaults do Obsidian armazenados no iCloud Drive a modelos de IA através do Protocolo de Contexto do Modelo, permitindo que assistentes de IA acessem e interajam com suas notas do Obsidian.

Meta Ads MCP

A Model Context Protocol server that allows AI models to access, analyze, and manage Meta advertising campaigns, enabling LLMs to retrieve performance data, visualize ad creatives, and provide strategic insights for Facebook and Instagram platforms.

Excel MCP Server

Espelho de

GitHub MCP Server

A custom MCP server implementation

KMB Bus MCP Server

Um servidor de Protocolo de Contexto de Modelo que fornece acesso em tempo real às informações de rotas e horários de chegada dos ônibus da KMB e Long Win de Hong Kong, permitindo que Modelos de Linguagem respondam às perguntas dos usuários sobre rotas de ônibus, paradas e ETAs (Estimated Time of Arrival - Horários Estimados de Chegada).

Amazon DynamoDB MCP Server by CData

Amazon DynamoDB MCP Server by CData

JSON Filter MCP

Query only the data you need from your JSON file and keep your context clean

Ekispert MCP Remote Server

Enables route search and PDF generation using Japan's Ekispert API through a remote MCP server. Deployed on Cloudflare Workers with secure OAuth authentication and persistent PDF storage via R2.

Academic Author Network MCP Server

Enables analysis of academic author networks and research collaborations by retrieving co-authors and research keywords from sources like Semantic Scholar, OpenAlex, Crossref, and Google Scholar.

Remote MCP Server

A Cloudflare-deployable server that implements Model Context Protocol (MCP) capabilities, allowing AI assistants like Claude to access custom tools via OAuth authentication flows.

ReviewWebsite MCP Server

MCP server that connects AI assistants to ReviewWebsite.com API for creating and managing website reviews, extracting data, converting URLs to markdown, and interacting with web content.

Kong Konnect MCP Server

Um servidor de Protocolo de Contexto de Modelo que permite que assistentes de IA interajam com o API Gateway Kong Konnect, fornecendo ferramentas para consultar dados analíticos, inspecionar configurações e gerenciar planos de controle por meio de linguagem natural.

Binance MCP Server

Um servidor de Protocolo de Controle de Modelo (MCP) que fornece interfaces de negociação de criptomoedas para a exchange Binance, habilitando funções como busca de preços em tempo real, consultas de saldo da conta, colocação/cancelamento de ordens e estratégias de arbitragem automatizadas.

Inspire MCP Server

A Model Context Protocol server that enables searching for similar images by text description, integrating Inspire's backend image search capabilities with LLM interfaces like Claude Desktop.

xigua-MCP

A protocol implementation that extends AI capabilities by enabling language models to interact with external systems through remote control, notes, email operations, and knowledge search.

BBOT MCP Server

Enables users to run and manage BBOT security scans through the MCP interface. Provides comprehensive tools for executing reconnaissance scans, monitoring progress, and retrieving results with support for concurrent scanning operations.

MCP Advisor

Servidor MCP para auxiliar LLMs e humanos na conformidade e compreensão da especificação do Protocolo de Contexto de Modelo.

Paperless NGX

Permite a interação com servidores API Paperless-NGX, suportando gerenciamento de documentos, marcação e operações de metadados através de uma interface de linguagem natural.

Pinata MCP

Fornece ao Claude acesso à API da Pinata, permitindo que ele interaja com IPFS Público e Privado para upload de arquivos, pesquisa, organização e recuperação de conteúdo.

RAG-MCP

A Python server that enables retrieval-augmented generation through semantic, question/answer, and style search modalities using PostgreSQL and pgvector for embedding storage and retrieval.

CoinGecko MCP Server

Servidor MCP do CoinGecko