Discover Awesome MCP Servers

terraform-docs

Provides hybrid (BM25 + vector) search over Terraform AWS and Google provider documentation, with tools for ranked search and full document retrieval.

google-workspace-alias-mcp

A Model Context Protocol server for Google Workspace integration with send-as alias support, email templates, and scheduled send, enabling AI assistants to manage Gmail and Google Calendar through natural language.

zei-world-mcp

Exposes ESG/CSR data from Zei World to LLMs, enabling sector browsing, company search, ESG score comparison, and detailed evaluation criteria exploration through natural language.

Doubao MCP Agent

A local skill assistant based on the Model Context Protocol that integrates with the Volcengine Doubao API to provide tools like calculators and weather queries. It features a Web interface and a modular architecture that allows developers to easily register and deploy custom local AI skills.

MPT SE: Certidão Negativa de Feitos

MCP server for consulting negative certificates of court cases (Certidão Negativa de Feitos) from the Ministério Público do Trabalho in Sergipe, Brazil, via a single read-only tool.

Anki MCP Server

A Model Context Protocol (MCP) server that integrates with Anki flashcard application, allowing LLM applications like Claude to interact with your Anki decks and cards.

Global MCP Server

A modular MCP server that extends GitHub Copilot's capabilities through intelligent context compression and dynamic model routing for long-lived coding sessions.

SourceRecall MCP Server

Enables AI coding assistants to search and retrieve code from self-hosted Git repositories using semantic and lexical search with optional reranking, while keeping repository data under the operator's control.

mcp-test

好的，以下是一些关于将 MCP (Minecraft Protocol) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "your_server_address" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "your_openai_api_key" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！ --- **中文翻译：** 好的，以下是一些关于将 MCP (Minecraft 协议) 服务器与 LLM (大型语言模型) 应用集成的教程方向，以及一些相关的资源和思路： **核心概念：** * **MCP (Minecraft Protocol):** Minecraft 客户端和服务器之间通信的协议。你需要理解如何解析和生成 MCP 数据包，才能与 Minecraft 服务器进行交互。 * **LLM (Large Language Model):** 大型语言模型，例如 GPT-3、LLaMA、文心一言等。你需要使用 LLM 来理解用户的自然语言指令，并将其转化为 Minecraft 服务器可以理解的命令。 * **中间件/桥梁:** 你需要一个中间件或桥梁来连接 MCP 服务器和 LLM 应用。这个中间件负责： * 接收来自 Minecraft 服务器的数据 (例如，玩家聊天信息)。 * 将数据传递给 LLM 进行处理。 * 接收来自 LLM 的指令。 * 将指令转化为 MCP 数据包，发送给 Minecraft 服务器。 **教程方向和思路：** 1. **基础：MCP 协议理解和数据包解析** * **目标:** 学习如何读取和写入 Minecraft 服务器的数据包。 * **内容:** * MCP 协议的结构和数据类型。 * 使用 Python (例如，`mcstatus`, `nbt`) 或 Java (例如，`netty`) 等编程语言解析和生成 MCP 数据包。 * 监听 Minecraft 服务器的特定事件 (例如，聊天消息、玩家加入/离开)。 * **资源:** * **Wiki.vg:** Minecraft 协议的官方文档：[https://wiki.vg/Protocol](https://wiki.vg/Protocol) * **Python `mcstatus` 库:** 用于查询 Minecraft 服务器状态的 Python 库，可以作为学习 MCP 协议的起点：[https://pypi.org/project/mcstatus/](https://pypi.org/project/mcstatus/) * **Python `nbt` 库:** 用于读取和写入 Minecraft 的 NBT 数据格式，例如玩家数据和世界数据：[https://pypi.org/project/nbt/](https://pypi.org/project/nbt/) * **Netty:** 一个流行的 Java 网络框架，常用于 Minecraft 服务器开发和协议处理。 2. **LLM 集成：自然语言指令处理** * **目标:** 使用 LLM 将自然语言指令转化为 Minecraft 命令。 * **内容:** * 选择一个合适的 LLM (例如，GPT-3, LLaMA, 文心一言)。 * 设计一个 prompt 工程方案，让 LLM 能够理解 Minecraft 相关的指令。 * 使用 LLM 的 API (例如，OpenAI API) 将用户指令发送给 LLM。 * 解析 LLM 的输出，提取 Minecraft 命令。 * **示例 Prompt:** ``` 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{用户指令}" Minecraft 命令: ``` * **资源:** * **OpenAI API 文档:** [https://platform.openai.com/docs/api-reference](https://platform.openai.com/docs/api-reference) * **LLaMA 文档:** (取决于你选择的 LLaMA 版本和部署方式) * **文心一言 API 文档:** (取决于你选择的文心一言版本和部署方式) * **Prompt Engineering 指南:** 搜索 "prompt engineering guide" 可以找到很多关于如何设计有效 prompt 的资源。 3. **中间件开发：连接 MCP 和 LLM** * **目标:** 创建一个中间件，负责 MCP 数据包的接收和发送，以及与 LLM 的通信。 * **内容:** * 使用 Python, Java, 或 Node.js 等编程语言开发中间件。 * 中间件需要监听 Minecraft 服务器的聊天消息。 * 将聊天消息发送给 LLM 进行处理。 * 接收 LLM 返回的 Minecraft 命令。 * 将 Minecraft 命令转化为 MCP 数据包，发送给 Minecraft 服务器。 * 处理错误和异常情况。 * **架构示例:** ``` [Minecraft Client] <--> [Minecraft Server] <--> [中间件] <--> [LLM API] ``` * **技术选型:** * **Python:** 易于使用，有很多相关的库 (例如，`mcstatus`, `requests`)。 * **Java:** 性能更好，适合处理高并发的场景。 * **Node.js:** 适合构建实时应用。 4. **进阶：更复杂的功能和优化** * **目标:** 实现更复杂的功能，例如： * 根据玩家的位置和状态，生成更智能的指令。 * 使用 LLM 生成 Minecraft 的故事或对话。 * 优化性能，减少延迟。 * **内容:** * 使用 Minecraft 的 API (例如，Bukkit API, Spigot API) 获取更多关于玩家和世界的信息。 * 使用 LLM 进行文本生成和对话。 * 使用缓存和异步处理来提高性能。 * 添加错误处理和日志记录。 **示例代码 (Python):** 这是一个非常简化的示例，展示了如何监听 Minecraft 服务器的聊天消息，并将消息发送给 LLM。 ```python import mcstatus import requests import json # Minecraft 服务器信息 SERVER_ADDRESS = "你的服务器地址" SERVER_PORT = 25565 # OpenAI API 密钥 OPENAI_API_KEY = "你的 OpenAI API 密钥" def get_chat_messages(): """ 监听 Minecraft 服务器的聊天消息。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来获取聊天消息 # 这里假设你已经获取到了聊天消息列表 chat_messages = ["Player1: Hello!", "Player2: Can you help me build a house?"] return chat_messages def generate_minecraft_command(user_message): """ 使用 OpenAI API 将用户消息转化为 Minecraft 命令。 """ url = "https://api.openai.com/v1/completions" headers = { "Content-Type": "application/json", "Authorization": f"Bearer {OPENAI_API_KEY}" } prompt = f""" 你是一个 Minecraft 助手。你的任务是将用户的自然语言指令转化为 Minecraft 命令。 用户指令: "帮我挖一个 10x10 的坑。" Minecraft 命令: "/fill ~ ~ ~ ~10 ~ ~10 air replace stone" 用户指令: "在我的位置放一个红色的羊毛方块。" Minecraft 命令: "/setblock ~ ~ ~ minecraft:red_wool" 用户指令: "{user_message}" Minecraft 命令: """ data = { "model": "text-davinci-003", # 选择合适的模型 "prompt": prompt, "max_tokens": 100, "n": 1, "stop": None, "temperature": 0.5, } response = requests.post(url, headers=headers, data=json.dumps(data)) response_json = response.json() if "choices" in response_json: return response_json["choices"][0]["text"].strip() else: print(f"Error: {response_json}") return None def send_minecraft_command(command): """ 将 Minecraft 命令发送给服务器。 (需要使用 Minecraft 服务器插件或修改服务器代码来实现) """ # 这是一个占位符，你需要根据你的服务器设置来实现 # 例如，你可以使用 RCON 或 WebSocket 来发送命令 print(f"Sending command: {command}") if __name__ == "__main__": while True: chat_messages = get_chat_messages() for message in chat_messages: print(f"Received message: {message}") minecraft_command = generate_minecraft_command(message) if minecraft_command: print(f"Generated command: {minecraft_command}") send_minecraft_command(minecraft_command) # 暂停一段时间，避免过度请求 import time time.sleep(5) ``` **重要提示:** * **安全性:** 在生产环境中，务必注意安全性。不要将 API 密钥硬编码到代码中。使用环境变量或配置文件来存储敏感信息。 * **服务器插件/修改:** 你需要使用 Minecraft 服务器插件 (例如，Bukkit, Spigot, Paper) 或修改服务器代码，才能监听聊天消息和发送命令。 * **错误处理:** 添加完善的错误处理机制，以应对各种异常情况。 * **速率限制:** 注意 LLM API 的速率限制，避免过度请求。 **总结:** 将 MCP 服务器与 LLM 应用集成是一个复杂但有趣的项目。你需要理解 MCP 协议，掌握 LLM 的使用方法，并开发一个可靠的中间件。希望这些教程方向和资源能够帮助你入门。 祝你成功！

mcp-tudu

MCP server that lets AI assistants create projects, epics, and tasks in the TuDu app through natural conversation. It securely connects over local HTTP with token authentication and requires on-screen confirmation before writing anything.

Minisend MCP

MCP server for Minisend payment APIs, enabling stablecoin-to-local-currency payouts and on-ramps across Kenya, Nigeria, Ghana, and Uganda. Exposes tools for off-ramp, on-ramp, checkout, wallets, and API knowledge, with permissions-based tool visibility.

X API AI Agent – Personal Learning Project

Okay, here's a translation of "AI agent that can post on X(twitter) with the help of MCP(Model Text Protocol) Server" into Chinese, along with a few options depending on the nuance you want to convey: **Option 1 (Most Literal):** * **使用 MCP (模型文本协议) 服务器，可以在 X (Twitter) 上发帖的 AI 代理** * (Shǐyòng MCP (Móxíng Wénběn Xiéyì) fúwùqì, kěyǐ zài X (Twitter) shàng fā tiě de AI dàilǐ) * This is a direct translation, emphasizing the technical aspects. **Option 2 (Slightly More Natural):** * **一个可以借助 MCP (模型文本协议) 服务器在 X (Twitter) 上发布内容的 AI 代理** * (Yīgè kěyǐ jièzhù MCP (Móxíng Wénběn Xiéyì) fúwùqì zài X (Twitter) shàng fābù nèiróng de AI dàilǐ) * This emphasizes the AI agent's ability to *publish content* on X. **Option 3 (Focus on Functionality):** * **能够通过 MCP (模型文本协议) 服务器在 X (Twitter) 上发帖的 AI 代理** * (Nénggòu tōngguò MCP (Móxíng Wénběn Xiéyì) fúwùqì zài X (Twitter) shàng fā tiě de AI dàilǐ) * This highlights the *capability* of the AI agent to post. **Breakdown of the terms:** * **AI agent:** AI 代理 (AI dàilǐ) * **can post:** 可以发帖 (kěyǐ fā tiě) or 可以发布内容 (kěyǐ fābù nèiróng) * **on X (Twitter):** 在 X (Twitter) 上 (zài X (Twitter) shàng) * **with the help of:** 借助 (jièzhù) or 通过 (tōngguò) * **MCP (Model Text Protocol) Server:** MCP (模型文本协议) 服务器 (MCP (Móxíng Wénběn Xiéyì) fúwùqì) * 模型文本协议 (Móxíng Wénběn Xiéyì) = Model Text Protocol * 服务器 (fúwùqì) = Server **Which option is best?** It depends on the context. If you're writing technical documentation, Option 1 is fine. If you're describing the AI agent's functionality to a broader audience, Option 2 or 3 might be better.

DWZ Short URL MCP Server

Enables AI assistants to create, manage, and analyze short URLs through complete URL shortening functionality. Supports batch operations, custom domains, click statistics, and comprehensive link management.

mcp-pandas

Enables data analysis on CSV/Excel files using pandas. Supports profiling, column interpretation, sandboxed code execution, and interactive chart generation.

ShapeItUp

Enables AI agents to write TypeScript to create, render, verify, and export parametric 3D models using Replicad/OpenCascade CAD kernel, headlessly from terminal or MCP clients.

MCP Tools

A local Model Context Protocol (MCP) server that exposes custom tools to Claude Desktop, enabling direct interaction with your local environment. It provides a framework for building and integrating custom TypeScript tools into the Claude interface.

gemini-video-mcp-server

Enables AI coding assistants like Claude Code and Cursor to analyze and understand video content using Google's Gemini AI, supporting long videos, segment analysis, and Q\&A.

Copilot Studio MCP Server

Example MCP server for Microsoft Copilot Studio, providing echo (repeat input 3 times) and multi (square a number) tools via Streamable HTTP.

joplin-mcp

A minimal MCP server that enables interaction with Joplin notes and notebooks through the local Web Clipper REST API, providing tools for search, create, update, and note management.

Netbox MCP Server

A powerful integration server that combines Netbox's network infrastructure management capabilities with MCP (Multi-Cloud Platform) functionality.

mistral-ai-mcp

MCP server for Mistral AI providing OCR, TTS, and STT capabilities via Voxtral.

cro_go_cadastro-mcp

Enables users to query the official Brazilian Regional Council of Dentistry (GO) registry for professional registration data through a read-only MCP server, with pay-per-use prepaid credits.

qasphere-mcp

QA Sphere MCP 服务器，使大型语言模型能够直接与测试管理系统测试用例交互，从而支持 AI 驱动的开发工作流程和测试用例发现。

@ratel-ai/mcp-server

Exposes a Ratel tool catalog over MCP with two tools (search_tools and invoke_tool), and includes a CLI for managing multi-scope MCP configurations, OAuth flows, and telemetry.

LiveKit MCP Server

MCP server bridging AI agents with the MantraCare LiveKit voice and telephony engine, enabling secure control and inspection of voice pipelines via OAuth 2.1 authenticated tools.

MCP Book Search Server

An intelligent book search server that leverages Aladin Book API and OpenAI GPT to transform natural language search requests into structured search parameters for finding relevant books.

codebase-indexer

A semantic codebase indexer MCP server that chunks source code, generates embeddings via Ollama, and stores them in Qdrant for natural-language code search.

MCP Server Tools

Provides basic utility tools including calculator for arithmetic operations, text processor for string transformations, and JSON formatter for validating and formatting JSON data.

Blender MCP

A headless-first Model Context Protocol server for safe, deterministic Blender automation, exposing typed tools to inspect scenes and render previews without arbitrary command execution.

mcp-server-toolkit

A production-ready MCP server providing 8 tools for file operations, shell command execution, web search and fetching, plus AI-powered code review and text summarization, with built-in security controls.