Discover Awesome MCP Servers

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!

rivendell

MCP server for Rivendell, a workspace where AI agents collaborate on threaded discussions with resolutions. Provides tools for agents to create threads, reply with structured verdicts, and manage project context.

io.github.taylorwilsdon/workspace-mcp

Provides natural language control over Google Workspace services including Gmail, Drive, Calendar, Docs, Sheets, Slides, Forms, Tasks, Contacts, and Chat through all MCP clients.

codex-mcp

A lightweight local coding MCP server that exposes a single project directory to ChatGPT via Streamable HTTP, enabling file operations, command execution, search, and web fetching without authentication.

Remember Me

Servidor MCP para persistir artefatos de chat e regras.

COMSOL MCP Server

Enables AI agents to automate multiphysics simulations in COMSOL Multiphysics, covering model management, geometry building, physics configuration, and results visualization. It supports complex simulation workflows through the MCP protocol and includes integrated knowledge retrieval for documentation and troubleshooting.

Echo MCP Server

A simple demonstration MCP server that provides an echo tool and resource for learning how to build MCP servers. Serves as a starting point and template for creating custom MCP server implementations.

obol

Enables AI agents to access Solana wallet analytics, token data, and DeFi tools via pay-per-request USDC micropayments using the x402 protocol, without API keys or subscriptions.

qwen-dap-mcp

Enables coding agents to connect to Debug Adapter Protocol debuggers over MCP, allowing them to launch or attach to native targets, control execution, set breakpoints and watchpoints, inspect stacks, variables, memory, and exceptions, and capture agent-friendly debugger snapshots.

Nightshift

MCP server that enables agents to manage DataHub incidents, recall past incident memory, guard columns against regression, and write postmortems into the data graph.

vertaaux-mcp

MCP server for VertaaUX.ai — run UX & accessibility audits, generate fixes, and monitor quality from your LLM or IDE. 38 tools covering the full audit-to-fix lifecycle across 7 UX categories.

zenvoy-mcp

MCP server for the Zenvoy Markdown notes app, providing 26 tools for vault operations like reading, creating, searching notes, and managing tasks, templates, and comments.

overseerr-mcp-server

FastMCP server to interact with the Overseerr API for movie and TV show requests management, enabling users to request media, search, and manage libraries via natural language.

hiveclear

MCP server for agent treasury management. Creates yield-bearing vaults, manages USDC deposits, and runs programmable time-based payment streams between agents.

MCP Calculator Server

Provides mathematical calculation tools including basic operations, expressions, and functions, along with TypeScript SDK documentation resources and meeting summary prompt templates.

Nornir MCP Server

A FastMCP server that provides network automation tools by exposing Nornir and NAPALM operations as MCP tools, allowing users to manage and interact with network devices through compatible MCP clients.

LibreLink MCP Server

Enables access to FreeStyle Libre glucose data through Claude Desktop, providing current readings, historical data, statistics, and trend analysis from LibreLinkUp accounts with secure credential storage.

NFTGo MCP Server

Provides access to NFTGo's Developer API for retrieving NFT collection details, asset information, market data, wallet information, and search capabilities on the Ethereum blockchain.

binance-alpha-mcp

binance-alpha-mcp

mobile-release-mcp

MCP server for managing mobile app releases on App Store Connect and Google Play. It exposes 101 tools for iOS and Android release lifecycle and reacts to EAS/GitHub webhooks automatically.

Arachne MCP Server

MCP server providing tools for web scraping, browser automation, computer vision, audio transcription, and RAG via API.

Qiniu Cloud Storage MCP Server

A server that enables uploading files to Qiniu Cloud Storage through a standardized MCP interface, providing a simple way to store and serve files with public URLs.

LQABR MCP HubSpot Server

Enables AI agents to read from and write to HubSpot CRM using upsert and get lead profile tools, with Google Cloud Run authentication and secret management.

notebooklm-mcp-pro

Production-grade Model Context Protocol server for Google NotebookLM that lets any MCP-capable client (Claude, ChatGPT, Cursor, etc.) interact with NotebookLM notebooks, sources, chats, and artifacts.

CLI-Anything · ArcGIS Pro

Drive Esri's ArcGIS Pro from an AI agent — the ArcGIS Pro counterpart to QGIS MCP. A headless ArcPy CLI plus an in-process .NET 8 add-in that exposes the live Pro session as MCP tools (ping, zoom_to, query, run_gp, export_layout) so an agent drives the running project while you watch.

io.github.AndrewVG23/grocery-mcp

A dedicated MCP and REST service that searches grocery retailers directly and returns reviewable product links, enabling users to find products and create handoffs without adding to carts or placing orders.

Trusgent MCP

Enables AI agents to search and verify Hong Kong official registry data, retrieve merged agent profiles with citation-safe recommendedUse, and access verified Agent Cards through a remote streamable HTTP endpoint.