Discover Awesome MCP Servers

Remote MCP Server (Authless) for Cloudflare Workers

A template for deploying remote Model Context Protocol servers to Cloudflare Workers using Server-Sent Events (SSE) without authentication. It enables developers to build and host custom tools that can be accessed by local clients like Claude Desktop or the Cloudflare AI Playground.

Postman MCP Server

Integrates Postman with Cursor IDE to manage collections and requests through natural language. It features specialized tools for automatically migrating API endpoints and metadata directly from .NET controller code into Postman collections.

Crestron Home MCP Server

Enables LLMs to discover and control Crestron Home automation systems through natural language, including lights, shades, scenes, thermostats, and sensors with multi-language support and fuzzy device name matching.

🌐 Welcome to Fetch-MCP Repository 🌟

Um servidor MCP para buscar URLs / transcrições de vídeos do Youtube.

MCP-NetDisk

A private cloud storage system with Model Context Protocol integration that allows AI models to manage files through operations like searching, reading, and creating content. It features a complete web interface for user administration, storage quota management, and rich media previews.

Python MCP Server Examples

A collection of Python-based Model Context Protocol servers that extend AI assistant capabilities with tools for calculations, AWS services (S3 and RDS), and PostgreSQL database operations.

Property MCP Server

Connects Claude AI to real estate data via the ATTOM Data API, enabling property information lookup and analysis using natural language queries.

MCP AI Memory

Enables AI agents to store, retrieve, and manage contextual knowledge across sessions using semantic search with PostgreSQL and vector embeddings. Supports memory relationships, clustering, multi-agent isolation, and intelligent caching for persistent conversational context.

AverbePorto-MCP

Servidor MCP AverbePorto

Build MCP Server

Enables AI assistants to manage development workflows by running build commands, executing tests, analyzing package.json files, installing dependencies, and performing code linting. Supports multiple package managers (npm, yarn, pnpm) and provides detailed error reporting for development operations.

Alethea World History Engine

A narrative graph engine that enables LLMs to generate, track, and mutate complex fictional worlds while maintaining consistency between factions, characters, and locations. It acts as a specialized RAG framework for storytelling, allowing models to manage thousands of entities without exceeding context limits.

Custom MCP Database Server

A Middleware/Control Plane server that allows AI code agents to securely execute queries against various databases (PostgreSQL, MySQL, MongoDB, Oracle) without directly exposing credentials.

Interactive Brokers MCP Server

Connects AI assistants to Interactive Brokers for intelligent portfolio management, options analysis, risk monitoring, and automated trading strategy suggestions. Enables real-time account tracking, Greeks calculations, option chain analysis, and playbook-based risk adjustments through natural language.

MCP-demo-blog-analyzer

Aqui está um guia rápido para testar o cliente do analisador de blog MCP e um servidor de visitantes de página web: **1. Configuração do Ambiente:** * **Certifique-se de ter o Python instalado:** Verifique se o Python (versão 3.6 ou superior) está instalado no seu sistema. Você pode verificar isso abrindo um terminal/prompt de comando e digitando `python --version` ou `python3 --version`. Se não estiver instalado, baixe e instale a partir do site oficial do Python. * **Crie um ambiente virtual (recomendado):** É uma boa prática criar um ambiente virtual para isolar as dependências do seu projeto. ```bash python -m venv venv # Cria um ambiente virtual chamado "venv" source venv/bin/activate # Ativa o ambiente virtual (Linux/macOS) venv\Scripts\activate # Ativa o ambiente virtual (Windows) ``` * **Instale as dependências:** Você precisará instalar as bibliotecas necessárias para o cliente e o servidor. Normalmente, isso é feito usando `pip`. Assumindo que você tem um arquivo `requirements.txt` que lista as dependências: ```bash pip install -r requirements.txt ``` Se você não tiver um `requirements.txt`, você precisará instalar as dependências individualmente, com base nos requisitos do seu cliente e servidor. Algumas dependências comuns podem incluir: * `requests`: Para fazer requisições HTTP (provavelmente usado pelo cliente). * `flask` ou `django`: Para criar o servidor web (se for um servidor Python). * Outras bibliotecas específicas para análise de texto ou manipulação de dados. **2. Executando o Servidor de Visitantes de Página Web:** * **Localize o código do servidor:** Encontre o arquivo principal do seu servidor (por exemplo, `server.py`, `app.py`, etc.). * **Execute o servidor:** Abra um terminal/prompt de comando, navegue até o diretório onde o arquivo do servidor está localizado e execute-o. Por exemplo: ```bash python server.py # Ou python app.py, dependendo do nome do arquivo ``` O servidor deve iniciar e exibir uma mensagem indicando o endereço e a porta em que está rodando (por exemplo, `Running on http://127.0.0.1:5000/`). Anote este endereço. **3. Executando o Cliente do Analisador de Blog MCP:** * **Localize o código do cliente:** Encontre o arquivo principal do seu cliente (por exemplo, `client.py`, `analyzer.py`, etc.). * **Configure o cliente:** O cliente provavelmente precisará ser configurado com o endereço do servidor. Procure no código do cliente por uma variável ou configuração que especifique o endereço do servidor (por exemplo, `SERVER_URL = "http://127.0.0.1:5000"`). Certifique-se de que este endereço corresponda ao endereço em que o servidor está rodando. * **Execute o cliente:** Abra um terminal/prompt de comando, navegue até o diretório onde o arquivo do cliente está localizado e execute-o. Por exemplo: ```bash python client.py # Ou python analyzer.py, dependendo do nome do arquivo ``` O cliente deve começar a enviar requisições para o servidor e exibir os resultados da análise. **4. Testando a Integração:** * **Verifique os logs do servidor:** Observe os logs do servidor para ver se ele está recebendo requisições do cliente e processando-as corretamente. * **Verifique a saída do cliente:** Examine a saída do cliente para ver se ele está recebendo os resultados esperados da análise. * **Simule tráfego de página web (se aplicável):** Se o servidor de visitantes de página web espera receber dados de visitantes, você pode simular esse tráfego usando ferramentas como `curl` ou `wget` para enviar requisições HTTP para o servidor. Por exemplo: ```bash curl http://127.0.0.1:5000/visit?page=homepage ``` Isso enviaria uma requisição para o servidor, simulando um visitante acessando a página "homepage". **Exemplo Simplificado (com Flask e Requests):** **Servidor (server.py):** ```python from flask import Flask, request, jsonify app = Flask(__name__) @app.route('/analyze', methods=['POST']) def analyze_blog(): data = request.get_json() blog_text = data.get('text', '') # Aqui você colocaria a lógica de análise do blog # (substitua com sua implementação real) analysis_result = f"Análise simulada: Texto do blog recebido: {blog_text}" return jsonify({'result': analysis_result}) if __name__ == '__main__': app.run(debug=True) ``` **Cliente (client.py):** ```python import requests import json SERVER_URL = "http://127.0.0.1:5000/analyze" def analyze_blog(blog_text): data = {'text': blog_text} headers = {'Content-type': 'application/json'} response = requests.post(SERVER_URL, data=json.dumps(data), headers=headers) if response.status_code == 200: result = response.json()['result'] print(f"Resultado da análise: {result}") else: print(f"Erro na requisição: {response.status_code}") if __name__ == '__main__': blog_text = "Este é um texto de blog de exemplo para ser analisado." analyze_blog(blog_text) ``` **Para executar este exemplo:** 1. Salve os dois arquivos como `server.py` e `client.py`. 2. Instale as dependências: `pip install flask requests` 3. Execute o servidor: `python server.py` 4. Execute o cliente: `python client.py` Este exemplo demonstra a comunicação básica entre um cliente e um servidor usando Flask e Requests. Você precisará adaptar o código para corresponder à sua implementação específica do analisador de blog MCP e do servidor de visitantes de página web. **Dicas:** * **Depuração:** Use ferramentas de depuração (como o depurador do Python ou logs) para identificar e corrigir erros. * **Testes Unitários:** Escreva testes unitários para verificar se cada componente do seu sistema está funcionando corretamente. * **Documentação:** Consulte a documentação do seu analisador de blog MCP e do servidor de visitantes de página web para obter informações mais detalhadas sobre como configurá-los e usá-los. Lembre-se de substituir o código de exemplo com a sua implementação real do analisador de blog MCP e do servidor de visitantes de página web. Boa sorte!

mercadolibre-mcp

Connects AI agents to MercadoLibre, the largest e-commerce marketplace in Latin America. Search products, get item details, browse categories, track trends, and convert currencies.

MCP Server with OpenAI Integration

Production-ready MCP server that integrates OpenAI API with extensible tool support, enabling dynamic plugin loading and knowledge search capabilities through multiple interfaces including CLI and browser UI.

Wireshark MCP Server

A containerized server that enables AI clients to perform automated network packet analysis, protocol inspection, and traffic forensics using Wireshark/tshark. It features a stateless design that synchronizes PCAP files directly from GitHub for secure and ephemeral analysis sessions.

KubeBlocks Cloud MCP Server

MCP server for KubeBlocks Cloud

TalkToAnki

An MCP server that enables AI assistants to seamlessly manage Anki flashcards, decks, and templates through the AnkiConnect API. It supports intelligent querying, batch note creation, and detailed study progress analysis using natural language.

Xiaohongshu (RedBook) MCP Server

Enables automated interaction with Xiaohongshu (Little Red Book) platform including searching posts, retrieving content and comments, and posting AI-generated comments with persistent login support.

Stimulus Docs MCP Server

An MCP server that provides access to up-to-date Stimulus JS documentation directly within Claude conversations and VS Code.

Actor-Critic Thinking MCP Server

Provides dual-perspective analysis through alternating actor (creator/performer) and critic (analyzer/evaluator) viewpoints, generating comprehensive performance evaluations with balanced, actionable feedback.

MCP 学习项目⚡

Aprendizagem individual de MCP

context-portal

context-portal

Swagger MCP Server

A lightweight server that enables interaction with the Swagger Petstore API using the Model Context Protocol, allowing operations on pets, stores, and users through dynamically loaded OpenAPI specifications.

Keyword Research Tool MCP Server

Provides comprehensive SEO analysis by crawling websites and generating AI-powered keyword insights, search volume data, and competitor strategies. It delivers detailed reports on keyword clusters and commercial intent to help optimize digital marketing workflows.

DevSecOps MCP Server

An MCP server that integrates SAST, DAST, and SCA security tools to enable AI-driven vulnerability scanning and automated security reporting. It allows AI assistants to execute and analyze results from tools like Semgrep, OWASP ZAP, and Trivy within a DevSecOps workflow.

ChainGPT AI News MCP Server

Provides access to AI-related crypto and Web3 news through the ChainGPT AI News API. Supports filtering by categories, blockchains, tokens, keywords, and date ranges across 40+ blockchains and 20+ categories.

🎯 Kubernetes AI Management System

Sistema de Gerenciamento Kubernetes Alimentado por IA: Uma plataforma que combina processamento de linguagem natural com gerenciamento Kubernetes. Usuários podem realizar diagnósticos em tempo real, monitoramento de recursos e análise inteligente de logs. Simplifica o gerenciamento Kubernetes através de IA conversacional, fornecendo uma alternativa moderna.

SSH Read-Only MCP Server

Enables secure remote SSH command execution with strict read-only enforcement, allowing safe delegation of SSH access to Claude while preventing write operations. Supports connection pooling, command validation, and comprehensive logging for audit trails.