Discover Awesome MCP Servers

MCP Servers Collection

A collection of Model Context Protocol (MCP) servers for enhancing Claude's capabilities in Cursor IDE

Code Review Server

Phân tích cơ sở mã bằng Repomix và LLM để cung cấp các đánh giá mã có cấu trúc với các vấn đề và đề xuất cụ thể, hỗ trợ nhiều nhà cung cấp LLM bao gồm OpenAI, Anthropic và Gemini.

csa-mcp-servers

Gương của

Super Shell MCP Server

Một máy chủ MCP cho phép thực thi an toàn các lệnh shell trên Windows, macOS và Linux với cơ chế danh sách trắng và phê duyệt tích hợp để tăng cường bảo mật.

azure-devops-mcp-server

MCP server for Azure DevOps

MCP Multi-Server Demo with SSE Transport

Example of using MCP servers, both over sdio + sse. Also using langchain-mcp

istio-mcpWhat is istio-mcp?How to use istio-mcp?Key features of istio-mcp?Use cases of istio-mcp?FAQ from istio-mcp?

A tool library that encapsulates istio mcp client/server

Project Hub MCP Server

Mirror of

FIWARE MCP Server

Một cầu nối giữa Context Broker và các dịch vụ khác, thực hiện các hoạt động cơ bản để xuất bản, cập nhật và truy vấn thực thể trong môi trường FIWARE.

DateTime Tools for Langflow

Test Simple MCP server

Mcp Server Template

Dưới đây là một mẫu khởi đầu nhanh để phát triển MCP Server của riêng bạn, giúp AI có thể truy cập vào các công cụ/tài nguyên của bạn: ```python # Import necessary libraries from flask import Flask, request, jsonify import json # Initialize Flask app app = Flask(__name__) # Define your tool/resource functions here def my_tool(input_data): """ This is a placeholder for your actual tool/resource function. Replace this with your actual logic. """ # Process the input data and perform the desired action result = f"Processed input: {input_data}" return result # Define the API endpoint for your tool/resource @app.route('/my_tool', methods=['POST']) def my_tool_endpoint(): """ This endpoint receives requests from the AI and calls the my_tool function. """ try: # Get the input data from the request data = request.get_json() input_data = data['input'] # Call the tool/resource function result = my_tool(input_data) # Return the result as a JSON response return jsonify({'result': result}), 200 except Exception as e: # Handle errors and return an error response return jsonify({'error': str(e)}), 500 # Define a health check endpoint @app.route('/health', methods=['GET']) def health_check(): """ This endpoint provides a health check for the server. """ return jsonify({'status': 'ok'}), 200 # Run the Flask app if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **Giải thích:** * **`from flask import Flask, request, jsonify`**: Nhập các thư viện cần thiết từ Flask, một framework web Python. * **`app = Flask(__name__)`**: Khởi tạo ứng dụng Flask. * **`my_tool(input_data)`**: Đây là nơi bạn sẽ triển khai logic thực tế cho công cụ/tài nguyên của mình. Thay thế phần giữ chỗ bằng mã của bạn. Nó nhận dữ liệu đầu vào (`input_data`) và trả về kết quả. * **`@app.route('/my_tool', methods=['POST'])`**: Định nghĩa một endpoint API tại `/my_tool` mà chỉ chấp nhận các yêu cầu POST. AI sẽ gửi yêu cầu đến endpoint này. * **`request.get_json()`**: Lấy dữ liệu JSON từ yêu cầu POST. * **`data['input']`**: Giả định rằng dữ liệu JSON chứa một trường có tên là "input" chứa dữ liệu đầu vào cho công cụ của bạn. Điều chỉnh điều này nếu cấu trúc dữ liệu của bạn khác. * **`jsonify({'result': result})`**: Chuyển đổi kết quả thành định dạng JSON và trả về cho AI. * **`@app.route('/health', methods=['GET'])`**: Định nghĩa một endpoint kiểm tra sức khỏe tại `/health`. Điều này cho phép AI hoặc các hệ thống giám sát khác kiểm tra xem máy chủ có đang hoạt động hay không. * **`app.run(debug=True, host='0.0.0.0', port=5000)`**: Chạy ứng dụng Flask. `debug=True` cho phép gỡ lỗi, `host='0.0.0.0'` làm cho máy chủ có thể truy cập được từ bên ngoài và `port=5000` chỉ định cổng mà máy chủ sẽ lắng nghe. **Cách sử dụng:** 1. **Cài đặt Flask:** `pip install Flask` 2. **Thay thế `my_tool(input_data)` bằng logic thực tế của bạn.** 3. **Chạy script Python này.** 4. **AI có thể gửi yêu cầu POST đến `http://<your_server_ip>:5000/my_tool` với dữ liệu JSON như sau:** ```json { "input": "your_input_data" } ``` **Những điều cần cân nhắc:** * **Bảo mật:** Triển khai các biện pháp bảo mật thích hợp, chẳng hạn như xác thực và ủy quyền, để bảo vệ các công cụ/tài nguyên của bạn. Đặc biệt quan trọng nếu bạn đang xử lý dữ liệu nhạy cảm. * **Xử lý lỗi:** Xử lý các lỗi một cách duyên dáng và cung cấp thông tin phản hồi có ý nghĩa cho AI. * **Ghi nhật ký:** Triển khai ghi nhật ký để theo dõi việc sử dụng và gỡ lỗi các vấn đề. * **Khả năng mở rộng:** Nếu bạn dự kiến ​​lượng lưu lượng truy cập lớn, hãy xem xét sử dụng một framework web mạnh mẽ hơn và một kiến ​​trúc có thể mở rộng. * **Xác thực dữ liệu:** Xác thực dữ liệu đầu vào để đảm bảo rằng nó ở định dạng mong muốn và nằm trong các giới hạn cho phép. * **Tài liệu:** Cung cấp tài liệu rõ ràng cho AI về cách sử dụng các công cụ/tài nguyên của bạn, bao gồm các định dạng đầu vào và đầu ra được mong đợi. * **Kiểm soát tốc độ:** Triển khai kiểm soát tốc độ để ngăn AI làm quá tải các công cụ/tài nguyên của bạn. * **Môi trường:** Sử dụng các biến môi trường để cấu hình các cài đặt như khóa API, chuỗi kết nối cơ sở dữ liệu, v.v. **Ví dụ nâng cao hơn (sử dụng thư viện `requests` để gọi một API bên ngoài):** ```python from flask import Flask, request, jsonify import requests import os app = Flask(__name__) # Get API key from environment variable API_KEY = os.environ.get("MY_API_KEY") def call_external_api(query): """ Calls an external API with the given query. """ if not API_KEY: raise ValueError("API_KEY environment variable not set.") url = "https://api.example.com/search" # Replace with the actual API URL headers = {"Authorization": f"Bearer {API_KEY}"} params = {"q": query} try: response = requests.get(url, headers=headers, params=params) response.raise_for_status() # Raise HTTPError for bad responses (4xx or 5xx) return response.json() except requests.exceptions.RequestException as e: raise Exception(f"Error calling external API: {e}") @app.route('/search', methods=['POST']) def search_endpoint(): """ Endpoint to search using an external API. """ try: data = request.get_json() query = data['query'] results = call_external_api(query) return jsonify({'results': results}), 200 except Exception as e: return jsonify({'error': str(e)}), 500 @app.route('/health', methods=['GET']) def health_check(): return jsonify({'status': 'ok'}), 200 if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **Những thay đổi trong ví dụ nâng cao:** * **`import requests`**: Nhập thư viện `requests` để thực hiện các yêu cầu HTTP. * **`import os`**: Nhập thư viện `os` để truy cập các biến môi trường. * **`API_KEY = os.environ.get("MY_API_KEY")`**: Lấy khóa API từ một biến môi trường. Điều này quan trọng để bảo mật. **KHÔNG** mã hóa cứng khóa API của bạn trong mã. * **`call_external_api(query)`**: Hàm này gọi một API bên ngoài. Thay thế `https://api.example.com/search` bằng URL API thực tế của bạn và điều chỉnh các tiêu đề và tham số theo yêu cầu của API. * **`response.raise_for_status()`**: Điều này sẽ tạo ra một ngoại lệ nếu phản hồi HTTP có mã trạng thái lỗi (4xx hoặc 5xx). * **Xử lý ngoại lệ tốt hơn:** Ví dụ này bao gồm xử lý ngoại lệ tốt hơn cho các lỗi API bên ngoài. **Để chạy ví dụ nâng cao:** 1. **Cài đặt `requests`:** `pip install requests` 2. **Đặt biến môi trường `MY_API_KEY` thành khóa API thực tế của bạn.** Ví dụ: trong Linux/macOS: `export MY_API_KEY=your_api_key`. Trong Windows: `set MY_API_KEY=your_api_key`. 3. **Thay thế `https://api.example.com/search` bằng URL API thực tế của bạn.** 4. **Chạy script Python.** Hãy nhớ điều chỉnh các ví dụ này để phù hợp với nhu cầu cụ thể của bạn. Chúc bạn may mắn!

CAD-MCP Server (CAD Model Control Protocol Server)

Cho phép điều khiển phần mềm CAD (AutoCAD, GstarCAD, ZWCAD) thông qua các lệnh bằng ngôn ngữ tự nhiên, cho phép người dùng tạo và chỉnh sửa bản vẽ mà không cần thao tác thủ công trên giao diện CAD.

mcpc

Mcp server scaffolding tool

MCPAdapt

Unlock 650+ MCP servers tools in your favorite agentic framework.

Langfuse Prompt Management MCP Server

Tạo điều kiện thuận lợi cho việc truy cập và quản lý các prompt Langfuse thông qua Giao thức Ngữ cảnh Mô hình (Model Context Protocol), cho phép khám phá, truy xuất và tích hợp prompt trong các ứng dụng khách như Claude Desktop và Cursor.

Vercel MCP Server

Một máy chủ tuân thủ MCP định nghĩa 9 công cụ để làm việc với dữ liệu triển khai Vercel.

OSSInsight MCP Server

Phân tích dữ liệu GitHub cho các kho lưu trữ, nhà phát triển và tổ chức, cho phép hiểu sâu hơn về hệ sinh thái mã nguồn mở thông qua các lệnh gọi API và truy vấn ngôn ngữ tự nhiên.

test-mcp

test mcp servers and tokens used

ICICI Direct MCP Server

learning

TheQ

✔ TypeScript + Node.js cho máy chủ MCP ✔ API LLM Studio để trả lời các câu hỏi đã được tối ưu hóa ✔ Tối ưu hóa lời nhắc động

MCP Eagle Server

MCP server for Eagle app

VikingDB MCP server

Một máy chủ mcp cho vikingdb để lưu trữ và tìm kiếm.

repo-template

A Model Context Protocol (MCP) server that interfaces with Adobe Photoshop's Python API. Enables LLMs to execute image editing operations, automate workflows, and manage Photoshop tasks through structured commands and context-aware interactions.