Discover Awesome MCP Servers

Supabase MCP Server 🚀

Espelho de

Cyoda Calculation Node MCP

Enables AI assistants to interact with Cyoda platform entities and workflows through the Model Context Protocol, supporting entity management, workflow execution, and data synchronization.

MCP Weather Server

Provides weather forecasts, alerts, and current conditions via the Model Context Protocol, using simulated data and supporting both stdio and HTTP transports.

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!

AMM

Enables automatic memory retrieval and injection for AI conversations to provide continuous learning through semantic search and memory management.

DF-MCP

O DreamFactory MCP Server permite que assistentes de IA como o Claude consultem diretamente seus bancos de dados por meio das APIs REST geradas automaticamente pelo DreamFactory. Este servidor Node.js implementa o Protocolo de Contexto de Modelo (MCP), permitindo interações com o banco de dados em linguagem natural, mantendo a segurança de nível empresarial.

gerbil-mcp

Provides AI assistants with live access to a Gerbil Scheme environment to evaluate expressions, look up module exports, and check syntax. It enables real-time interaction with the gxi runtime for macro expansion and symbol searching.

git-context-mcp

A secure MCP server for local Git operations with path traversal protection, input validation, and 15 supported Git commands.

agentskill-mcp

MCP server for discovering and installing AI agent skills from agentskill.sh. Search skills across platforms, browse trending skills, and install them with built-in security scanning.

ansys-mcp-server

Enables Claude Code to control Ansys engineering simulations (CFD, FEA, meshing, post-processing) through natural language commands via PyAnsys.

is-bankasi-mcp

MCP server for Isbank (Is Bankasi) developer API (Turkey). Enables access to accounts, balances, transactions, exchange rates, transfers, and credit cards via OAuth 2.0 authentication.

xhs-mcp

A lightweight MCP server that provides read-only access to Xiaohongshu (Little Red Book) data, enabling search, note details, user profiles, and trending feeds via direct HTTP APIs.

NCBI Gene MCP Server

MCP server that interfaces with the NCBI Entrez API to fetch detailed information about genes and proteins, enabling gene searches, gene/protein metadata retrieval, and symbol searching with organism filtering.

airlock

MCP server that vets package installations and shell commands to block dangerous actions by AI coding agents.

Capacities MCP Server

Enables search, content creation, weblink saving, and knowledge base analysis with Capacities through any MCP-compatible client.

WordPress MCP

A WordPress plugin that implements the Model Context Protocol to enable AI models and applications to interact with WordPress sites in a structured and secure way.

Sentiment By Api Ninjas MCP Server

Enables sentiment analysis of text blocks using the Api Ninjas API, returning sentiment scores and overall sentiment classification for up to 2000 characters of text.

search-console-mcp

A read-only MCP server for Google Search Console that lets you query search performance data, sitemaps, and URL index status from any MCP client.

Insight Digger MCP

An enterprise-grade data analysis system that enables users to discover data sources, configure analyses, and execute workflows through Claude Desktop. It features intelligent caching, session isolation, and secure JWT authentication for streamlined multi-user data orchestration.

mdgen-mcp

MCP server for mdgen that enables reading, writing, and managing mdgen documents from MCP clients like Claude Desktop and Codex CLI using your own mdgen account.

Skolverket-MCP

Enables easy access to open data from the Swedish National Agency for Education, allowing querying and integration of educational statistics and facts through large language models.

Agnes Image MCP Server

Enables text-to-image generation using Agnes Image 2.1 Flash via OpenAI-compatible API, supporting aspect ratios, custom resolution, and multi-image generation.

astrbot-mcp

Provides tools for AstrBot plugin development including documentation access and hook inventory.

Connhex MCP Server

Enables natural language interaction with Connhex IoT platform APIs for managing devices, telemetry, rules, and resources via MCP tools.

GOAT MCP Server

Um servidor MCP que conecta o Claude para Desktop com funcionalidade blockchain, permitindo que os usuários verifiquem saldos e enviem tokens em chains EVM e Solana através de interações em linguagem natural.

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.

Metabase MCP Server

Enables AI assistants to interact with Metabase analytics platform, allowing users to query databases, manage dashboards and cards, execute SQL queries, and access analytics data through natural language.

Parquet MCP Server

Enables querying, modifying, and managing Parquet files with CRUD operations, semantic search, audit logging, and rollback capabilities for structured data storage.