Discover Awesome MCP Servers

FinanceMCP

Professional financial data MCP server integrating Tushare API, providing real-time financial data and technical indicators analysis for stocks, indices, funds, bonds, and cryptocurrencies across multiple markets (A-share, US, HK, crypto).

mediawiki-mcp-server

Model Context Protocol (MCP) server for MediaWiki

Firebase Management MCP Server

An MCP Server providing access to Google's Firebase API, allowing natural language interaction with Firebase services and resources.

MCP Code Assistant

Provides file operations (read/write) with an extensible architecture designed for future C code compilation and executable execution capabilities.

Delphi Build MCP Server

Enables AI coding agents to compile Delphi projects programmatically by parsing .dproj files, executing the Delphi compiler, and returning structured error results with multi-language support and automatic configuration generation from IDE build logs.

Remote MCP Server Authless

A serverless MCP implementation on Cloudflare Workers that allows connecting AI models to custom tools without requiring authentication.

AskDocs MCP Server

Enables semantic search and retrieval of information from technical documentation PDFs using RAG-powered natural language queries with Ollama embeddings and LLMs.

File MCP Server

A Model Context Protocol (MCP) server that enables AI assistants to perform comprehensive file operations including finding, reading, writing, editing, searching, moving, and copying files with security validations.

Liana-MCP

Enables natural language interface for single-cell RNA-Seq analysis using Liana. Supports reading/writing scRNA-Seq data, cell-cell communication analysis, and visualization through circle plots and dotplots.

qyweixin_bot_mcp_server

企业微信群通知机器人

Medicine Carousel MCP Server

Displays FDA-approved Lilly Direct pharmaceuticals in an interactive carousel interface and provides authenticated user profile access through OAuth 2.1 integration with AWS API Gateway.

MCP Server Implementation Guide

## Guia e Implementação para Criar seu Próprio Servidor MCP (Model Control Protocol) para Integração com o Cursor Este guia detalha como criar seu próprio servidor MCP (Model Control Protocol) para integrar com o Cursor, permitindo que você controle modelos de linguagem personalizados ou serviços externos diretamente do seu editor de código. **O que é o MCP (Model Control Protocol)?** O MCP é um protocolo de comunicação leve e flexível projetado para facilitar a interação entre o Cursor e modelos de linguagem externos. Ele permite que o Cursor envie solicitações (como completar código, gerar documentação ou refatorar código) para um servidor externo, que processa a solicitação e retorna uma resposta. **Por que criar seu próprio servidor MCP?** * **Integração com Modelos Personalizados:** Use seus próprios modelos de linguagem treinados ou serviços de terceiros que não são suportados nativamente pelo Cursor. * **Controle Total:** Tenha controle total sobre o processamento das solicitações e a lógica de resposta. * **Personalização:** Adapte o comportamento do Cursor para atender às suas necessidades específicas de desenvolvimento. * **Experimentação:** Explore novas funcionalidades e integrações com modelos de linguagem. **Passo 1: Escolha uma Linguagem de Programação e Framework** Você pode usar qualquer linguagem de programação para criar seu servidor MCP. Algumas opções populares incluem: * **Python:** Com frameworks como Flask ou FastAPI, é fácil criar um servidor web simples e eficiente. * **Node.js:** Com Express.js, você pode criar um servidor web escalável e de alto desempenho. * **Go:** Oferece excelente desempenho e concorrência, ideal para servidores de alta carga. Para este guia, usaremos **Python com FastAPI** como exemplo, devido à sua simplicidade e facilidade de uso. **Passo 2: Instale as Dependências** Crie um ambiente virtual (recomendado) e instale as dependências necessárias: ```bash python3 -m venv .venv source .venv/bin/activate # No Linux/macOS .venv\Scripts\activate # No Windows pip install fastapi uvicorn ``` **Passo 3: Defina a Estrutura do Servidor MCP** Um servidor MCP básico precisa de um endpoint para receber as solicitações do Cursor. Este endpoint geralmente usa o método `POST` e recebe um payload JSON contendo informações sobre a solicitação. Crie um arquivo chamado `main.py` com o seguinte conteúdo: ```python from fastapi import FastAPI, Request, HTTPException from pydantic import BaseModel from typing import Optional app = FastAPI() class MCPRequest(BaseModel): prompt: str language: str context: Optional[str] = None # Adicione outros campos relevantes para sua implementação class MCPResponse(BaseModel): completion: str # Adicione outros campos relevantes para sua implementação @app.post("/mcp") async def handle_mcp_request(request: MCPRequest): """ Endpoint para receber solicitações do Cursor. """ try: # 1. Extrair informações da solicitação prompt = request.prompt language = request.language context = request.context # 2. Processar a solicitação (substitua com sua lógica) # Aqui você integraria com seu modelo de linguagem # Exemplo: completion = f"// Completion for: {prompt} in {language} with context: {context}" # 3. Criar a resposta response = MCPResponse(completion=completion) return response except Exception as e: raise HTTPException(status_code=500, detail=str(e)) ``` **Explicação do Código:** * **`MCPRequest`:** Define a estrutura dos dados esperados na solicitação do Cursor. `prompt` é o texto a ser completado, `language` é a linguagem de programação e `context` pode conter informações adicionais sobre o código ao redor do cursor. Adapte esta classe para incluir todos os campos que seu modelo precisa. * **`MCPResponse`:** Define a estrutura da resposta que o servidor enviará de volta ao Cursor. `completion` é o texto gerado pelo modelo. Adicione outros campos conforme necessário (por exemplo, sugestões de código, documentação, etc.). * **`/mcp` endpoint:** Este é o endpoint que o Cursor usará para enviar solicitações. Ele recebe um objeto `MCPRequest`, processa a solicitação (neste exemplo, apenas cria uma string de exemplo) e retorna um objeto `MCPResponse`. * **Tratamento de Erros:** O bloco `try...except` garante que erros inesperados sejam capturados e retornados ao Cursor com um código de status HTTP 500. **Passo 4: Implemente a Lógica de Processamento da Solicitação** A parte mais importante é substituir o comentário `# 2. Processar a solicitação` com a lógica real para interagir com seu modelo de linguagem. Isso pode envolver: * **Carregar seu modelo de linguagem:** Se você estiver usando um modelo treinado localmente, carregue-o na memória. * **Pré-processar o prompt:** Prepare o prompt para ser usado pelo seu modelo (por exemplo, tokenização, embedding). * **Chamar seu modelo:** Envie o prompt para seu modelo e obtenha a resposta. * **Pós-processar a resposta:** Formate a resposta do modelo para ser usada pelo Cursor. **Exemplo de Integração com um Modelo de Linguagem (Hipotético):** ```python # ... (código anterior) @app.post("/mcp") async def handle_mcp_request(request: MCPRequest): try: prompt = request.prompt language = request.language context = request.context # Supondo que você tenha um objeto 'model' carregado # e uma função 'generate_completion' que recebe o prompt e retorna a completion completion = model.generate_completion(prompt, language, context) response = MCPResponse(completion=completion) return response except Exception as e: raise HTTPException(status_code=500, detail=str(e)) # ... (código posterior) ``` **Passo 5: Execute o Servidor MCP** Use Uvicorn para executar o servidor: ```bash uvicorn main:app --reload ``` Isso iniciará o servidor na porta 8000 (por padrão). Você verá uma mensagem como: ``` INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit) ``` **Passo 6: Configure o Cursor para Usar seu Servidor MCP** 1. **Abra as configurações do Cursor:** Vá para `File` -> `Preferences` -> `Settings`. 2. **Procure por "Model Control Protocol":** Digite "mcp" na barra de pesquisa. 3. **Configure as seguintes opções:** * **`Model Control Protocol: Enabled`:** Marque esta caixa para habilitar o MCP. * **`Model Control Protocol: Server URL`:** Insira a URL do seu servidor MCP (por exemplo, `http://127.0.0.1:8000/mcp`). * **`Model Control Protocol: API Key` (Opcional):** Se seu servidor MCP requer autenticação, insira a chave API aqui. Você precisará adicionar a lógica de autenticação ao seu servidor. * **`Model Control Protocol: Timeout` (Opcional):** Defina o tempo limite para as solicitações ao servidor. **Passo 7: Teste a Integração** Abra um arquivo de código no Cursor e comece a digitar. O Cursor deve enviar solicitações para seu servidor MCP e usar as respostas para completar o código. **Considerações Adicionais:** * **Autenticação:** Se você estiver expondo seu servidor MCP para a internet, implemente autenticação para proteger seu modelo de linguagem. Você pode usar chaves API, tokens JWT ou outros métodos de autenticação. * **Escalabilidade:** Se você espera um grande volume de solicitações, considere usar um framework de servidor mais escalável e um banco de dados para armazenar informações sobre os usuários e seus modelos. * **Logging:** Implemente logging para rastrear as solicitações e respostas do servidor, o que pode ser útil para depuração e monitoramento. * **Tratamento de Erros:** Implemente um tratamento de erros robusto para lidar com erros inesperados e retornar mensagens de erro informativas ao Cursor. * **Documentação:** Documente seu servidor MCP para que outros desenvolvedores possam usá-lo e integrá-lo com o Cursor. * **Segurança:** Certifique-se de que seu servidor MCP seja seguro e proteja seus dados contra acesso não autorizado. Use HTTPS para criptografar a comunicação entre o Cursor e o servidor. **Exemplo Completo (com autenticação básica):** ```python from fastapi import FastAPI, Request, HTTPException, Depends from fastapi.security import HTTPBasic, HTTPBasicCredentials from pydantic import BaseModel from typing import Optional from starlette import status app = FastAPI() security = HTTPBasic() class MCPRequest(BaseModel): prompt: str language: str context: Optional[str] = None class MCPResponse(BaseModel): completion: str # Substitua com suas credenciais reais USERS = { "user": "password" } def authenticate_user(credentials: HTTPBasicCredentials = Depends(security)): user = USERS.get(credentials.username) if user is None or user != credentials.password: raise HTTPException( status_code=status.HTTP_401_UNAUTHORIZED, detail="Incorrect username or password", headers={"WWW-Authenticate": "Basic"}, ) return credentials.username @app.post("/mcp") async def handle_mcp_request(request: MCPRequest, username: str = Depends(authenticate_user)): try: prompt = request.prompt language = request.language context = request.context # Aqui você integraria com seu modelo de linguagem completion = f"// Completion for: {prompt} in {language} by {username}" response = MCPResponse(completion=completion) return response except Exception as e: raise HTTPException(status_code=500, detail=str(e)) ``` **Para executar este exemplo com autenticação:** 1. Instale as dependências: `pip install fastapi uvicorn python-multipart` 2. Execute o servidor: `uvicorn main:app --reload` 3. No Cursor, configure o "Model Control Protocol: Server URL" para `http://127.0.0.1:8000/mcp`. 4. No Cursor, configure o "Model Control Protocol: API Key" para `user:password` (substitua com as credenciais definidas em `USERS`). O Cursor usará a autenticação Basic HTTP para enviar as credenciais. Este guia fornece um ponto de partida para criar seu próprio servidor MCP para integração com o Cursor. Adapte o código e as configurações para atender às suas necessidades específicas e explore as possibilidades de integração com modelos de linguagem personalizados. Lembre-se de priorizar a segurança e a escalabilidade ao implementar seu servidor MCP.

chatExcel

A Model Context Protocol server for intelligent Excel processing and data analysis, offering tools for reading, validating, executing code, and generating interactive visualizations with Excel files.

Rust Minidump MCP

Analyzes application crash dumps and extracts debug symbols, transforming Windows minidump files into readable stack traces and providing AI-powered crash analysis to help identify root causes and fix critical issues.

mcp_repod27deec8-0d1e-446e-b4d2-f2860d808f71

Este é um repositório de teste criado pelo script de teste do Servidor MCP para o GitHub.

onx-mcp-server

Explorando o protocolo de contexto do modelo construindo um servidor MCP.

Google Cloud DNS API MCP Server

Auto-generated MCP server that enables interaction with Google's Cloud DNS API for managing DNS zones and records through natural language.

How-To-Cook

An AI recipe recommendation server based on the MCP protocol, providing functions such as recipe query, classification filtering, intelligent dietary planning, and daily menu recommendation.

MCP Vulnerability Management System

Um sistema abrangente que ajuda as organizações a rastrear, gerenciar e responder a vulnerabilidades de segurança de forma eficaz por meio de recursos como rastreamento de vulnerabilidades, gerenciamento de usuários, tickets de suporte, gerenciamento de chaves de API e gerenciamento de certificados SSL.

HDFS MCP Server

A Model Context Protocol server that enables interaction with Hadoop Distributed File System, allowing operations like listing, reading, writing, and managing HDFS files and directories.

ScreenshotOne MCP Server

A simple implementation of an MCP server for the ScreenshotOne API

IRIS Legacy

Archived monolithic MCP server that provided 28 tools for Microsoft 365 (email, calendar, Teams, users, files), Italian PEC certified email, booking, and document management. Replaced by 8 atomic MCP servers.

Simple MCP Server

A minimalist MCP server that provides a single tool to retrieve a developer name, demonstrating the basic structure for Claude's Model Completion Protocol integration.

College Basketball Stats MCP Server

An MCP server for accessing college basketball statistics through the SportsData.io CBB v3 Stats API, enabling AI agents to retrieve and analyze college basketball data through natural language interactions.

MCP Web Scrape

A comprehensive web scraping server that transforms web content into clean, agent-ready Markdown with automatic citations and efficient caching. It features a robust suite of tools for metadata extraction, sentiment analysis, SEO auditing, and security scanning while strictly adhering to robots.txt policies.

Nano Banana

Generate, edit, and restore images using natural language prompts through the Gemini 2.5 Flash image model. Supports creating app icons, seamless patterns, visual stories, and technical diagrams with smart file management.

Nonpayment Health MCP Server

Enables querying and analyzing non-reimbursable medical treatment costs in South Korea using the Health Insurance Review & Assessment Service API. Supports searching treatment codes, comparing hospital prices, regional statistics analysis, and finding cost-effective healthcare options.

mcp-trigger

Servidor MCP para gatilho.

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.