Discover Awesome MCP Servers

MCP Associative Memory Server

Enables storing, searching, and discovering knowledge connections using associative memory, with semantic search, hierarchical organization, and cross-environment sync.

Dingo MCP Server

Dingo MCP Server

Bloghunch MCP Server

Connects AI assistants to Bloghunch publications for automating content creation, analytics, and distribution.

StableDeliver AI Bridge

Enables ChatGPT to supervise Claude Code for automated engineering tasks, with safety gates and logging.

mermaider

Validates Mermaid diagram syntax using a persistent browser for fast, reliable checks.

MCP Memory

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

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.

mcp-jokes

Enables searching jokes by keyword and retrieving joke categories using the free JokeAPI v2, with no authentication required.

QuantContext

QuantContext turns plain-English strategy descriptions into executable quant research by screening stocks, backtesting, and performing factor analysis using real market data.

codecks-mcp

A TypeScript MCP server for Codecks project management that provides over 32 tools to manage cards, decks, milestones, and PM workflows. It enables users to perform actions like creating cards, tracking activity, and managing project conversations through the Model Context Protocol.

Terminal MCP Server

Exposes authenticated shell tools for remote command execution and task management, enabling grok.com to run shell commands on the host machine.

mcp-streamable-http

A step-by-step guide and complete working example for building and running an MCP server with streamable HTTP transport using Python, mcp, and FastAPI, enabling AI assistants to access tools over HTTP.

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-open-fec

Access Federal Election Commission campaign finance data through MCP tools. Enables querying OpenFEC data using natural language via ask_pipeworx or direct tool calls.

Quick-start Auto MCP

A tool that helps easily register Anthropic's Model Context Protocol (MCP) in Claude Desktop and Cursor, providing RAG functionality, Dify integration, and web search capabilities.

action1-mcp

An MCP server for Action1, a cloud-native RMM platform, enabling remote monitoring, patch management, and endpoint management through Action1's API.

Perfect Web Clone IDE

Enables pixel-perfect website cloning from within the IDE by extracting real source code, styles, and assets, and assembling them into a React project with live preview.

reference-mcp

An MCP server that helps AI agents comprehend a codebase by providing tools for navigating, searching, and understanding code structure and history.

immich-photo-manager

Manage your self-hosted Immich photo library through conversation — natural language search via CLIP, geographic album curation, duplicate detection with perceptual hashing,

perseus

MCP server with 24 tools for live workspace state resolution. Pre-resolves git status, service health, file queries, memory federation, and multi-agent coordination into markdown before the AI sees it. Single-file Python (pyyaml only), MIT. Serves over stdio and SSE. Published as io.github.tcconnally/perseus on the MCP Registry.

@lakehouse/mcp-server

MCP server for Lakehouse42, enabling code-first tool discovery, hybrid search, document management, and Iceberg time-travel queries with optimized responses.

agentbank-merchant-mcp

Merchant-side MCP server for agentbank that lets merchants read their own orders and live Curless wallet balance from an MCP client such as Claude Desktop.

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.

jobjourney-claude-plugin

An MCP server that enables AI-assisted job search workflows including job discovery, application tracking, resume evaluation, and cover letter generation, with support for multiple job sources and scheduled scraping.

Firecrawl MCP Toolkit

A high-performance, asynchronous MCP server that provides comprehensive Google search and web content scraping capabilities through the Firecrawl API, designed for LLMs to retrieve external information efficiently.

Trilium MCP Server

Brings your Trilium Notes knowledge base into Claude Desktop, enabling full-text search, note management, and content interaction through natural language.