Discover Awesome MCP Servers

Xcode Diagnostics MCP Plugin

连接到 Xcode 的构建系统，以提取、解析和显示 Swift 项目中的错误和警告，帮助 AI 助手快速识别代码问题，而无需手动搜索构建日志。

NotionMCP

Enables AI assistants to search, read, summarize, and analyze sentiment of Notion pages and databases, turning your Notion workspace into an intelligent, queryable knowledge system.

Delora MCP

Enables cross-chain quote retrieval, chain/token information, and tool discovery via the Delora API.

@whoisjson/mcp-server

Enables AI assistants to perform WHOIS, DNS, SSL, and domain availability lookups via the WhoisJSON API.

mcp-ytTranscript

好的，以下是一个简单的 MCP（最小可行产品）服务器，它使用 URL 和所需语言返回 YouTube 视频的转录： ```python from flask import Flask, request, jsonify from youtube_transcript_api import YouTubeTranscriptApi app = Flask(__name__) @app.route('/transcribe', methods=['GET']) def transcribe_youtube_video(): """ 从 YouTube 视频获取转录。 请求参数： url (str): YouTube 视频的 URL。 language (str, optional): 所需的转录语言代码（例如，'en' 代表英语，'zh-CN' 代表简体中文）。默认为 'en'。 返回： JSON: 包含转录文本的 JSON 对象。如果出现错误，则返回错误消息。 """ try: url = request.args.get('url') language = request.args.get('language', 'en') # 默认为英语 if not url: return jsonify({'error': '必须提供 YouTube 视频 URL。'}), 400 # 从 URL 中提取视频 ID video_id = url.split("watch?v=")[1] if "&" in video_id: video_id = video_id.split("&")[0] # 获取转录 transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language]) # 将转录转换为文本 text = '\n'.join([entry['text'] for entry in transcript]) return jsonify({'transcript': text}) except Exception as e: return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **代码解释:** 1. **导入必要的库:** * `flask`: 用于创建 Web 服务器。 * `youtube_transcript_api`: 用于从 YouTube 获取转录。 2. **创建 Flask 应用:** * `app = Flask(__name__)` 创建一个 Flask 应用实例。 3. **定义路由 `/transcribe`:** * `@app.route('/transcribe', methods=['GET'])` 定义一个 GET 请求的路由，当用户访问 `/transcribe` 时，会执行 `transcribe_youtube_video` 函数。 4. **`transcribe_youtube_video` 函数:** * **获取请求参数:** * `url = request.args.get('url')` 从请求参数中获取 YouTube 视频的 URL。 * `language = request.args.get('language', 'en')` 从请求参数中获取所需的语言代码，如果没有提供，则默认为英语 ('en')。 * **验证 URL:** * `if not url:` 检查是否提供了 URL，如果没有，则返回一个错误消息。 * **提取视频 ID:** * 从 URL 中提取 YouTube 视频的 ID。 这段代码假设 URL 格式为 `https://www.youtube.com/watch?v=VIDEO_ID`。 * **获取转录:** * `transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language])` 使用 `youtube_transcript_api` 获取指定语言的转录。 * **将转录转换为文本:** * `text = '\n'.join([entry['text'] for entry in transcript])` 将转录条目连接成一个字符串，每个条目之间用换行符分隔。 * **返回 JSON 响应:** * `return jsonify({'transcript': text})` 将转录文本作为 JSON 对象返回。 * **错误处理:** * `try...except` 块用于捕获可能发生的异常，例如无法找到转录或网络错误。如果发生错误，则返回一个包含错误消息的 JSON 对象。 5. **运行应用:** * `if __name__ == '__main__':` 确保只有在直接运行脚本时才执行以下代码。 * `app.run(debug=True)` 启动 Flask 开发服务器，`debug=True` 启用调试模式，方便开发。 **如何使用:** 1. **安装依赖:** ```bash pip install flask youtube-transcript-api ``` 2. **运行脚本:** ```bash python your_script_name.py ``` 3. **发送请求:** 使用浏览器或 `curl` 等工具发送 GET 请求到 `/transcribe` 路由，并提供 `url` 和 `language` 参数。 例如： ```bash curl "http://127.0.0.1:5000/transcribe?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=zh-CN" ``` 将 `https://www.youtube.com/watch?v=dQw4w9WgXcQ` 替换为实际的 YouTube 视频 URL，并将 `zh-CN` 替换为所需的语言代码。 **重要注意事项:** * **错误处理:** 这个 MCP 包含基本的错误处理，但你应该根据你的需求添加更详细的错误处理。 * **API 限制:** YouTube Transcript API 可能有速率限制。 如果你的应用需要处理大量的请求，你可能需要考虑使用 API 密钥或实现缓存机制。 * **转录可用性:** 并非所有 YouTube 视频都有自动生成的转录，并且并非所有转录都提供所有语言版本。 你的代码应该能够处理这些情况。 * **安全性:** 在生产环境中，你应该使用更安全的 Web 服务器，例如 Gunicorn 或 uWSGI，并配置 HTTPS。 * **URL 解析:** URL 解析代码比较简单，可能无法处理所有可能的 YouTube URL 格式。 你可以使用更健壮的 URL 解析库，例如 `urllib.parse`。 **中文翻译:** 好的，这是一个简单的最小可行产品 (MVP) 服务器，它使用 URL 和所需的语言返回 YouTube 视频的字幕： ```python from flask import Flask, request, jsonify from youtube_transcript_api import YouTubeTranscriptApi app = Flask(__name__) @app.route('/transcribe', methods=['GET']) def transcribe_youtube_video(): """ 从 YouTube 视频获取字幕。 请求参数： url (str): YouTube 视频的 URL。 language (str, optional): 所需的字幕语言代码（例如，'en' 代表英语，'zh-CN' 代表简体中文）。默认为 'en'。 返回： JSON: 包含字幕文本的 JSON 对象。如果出现错误，则返回错误消息。 """ try: url = request.args.get('url') language = request.args.get('language', 'en') # 默认为英语 if not url: return jsonify({'error': '必须提供 YouTube 视频 URL。'}), 400 # 从 URL 中提取视频 ID video_id = url.split("watch?v=")[1] if "&" in video_id: video_id = video_id.split("&")[0] # 获取字幕 transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language]) # 将字幕转换为文本 text = '\n'.join([entry['text'] for entry in transcript]) return jsonify({'transcript': text}) except Exception as e: return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True) ``` **代码解释:** 1. **导入必要的库:** * `flask`: 用于创建 Web 服务器。 * `youtube_transcript_api`: 用于从 YouTube 获取字幕。 2. **创建 Flask 应用:** * `app = Flask(__name__)` 创建一个 Flask 应用实例。 3. **定义路由 `/transcribe`:** * `@app.route('/transcribe', methods=['GET'])` 定义一个 GET 请求的路由，当用户访问 `/transcribe` 时，会执行 `transcribe_youtube_video` 函数。 4. **`transcribe_youtube_video` 函数:** * **获取请求参数:** * `url = request.args.get('url')` 从请求参数中获取 YouTube 视频的 URL。 * `language = request.args.get('language', 'en')` 从请求参数中获取所需的语言代码，如果没有提供，则默认为英语 ('en')。 * **验证 URL:** * `if not url:` 检查是否提供了 URL，如果没有，则返回一个错误消息。 * **提取视频 ID:** * 从 URL 中提取 YouTube 视频的 ID。 这段代码假设 URL 格式为 `https://www.youtube.com/watch?v=VIDEO_ID`。 * **获取字幕:** * `transcript = YouTubeTranscriptApi.get_transcript(video_id, languages=[language])` 使用 `youtube_transcript_api` 获取指定语言的字幕。 * **将字幕转换为文本:** * `text = '\n'.join([entry['text'] for entry in transcript])` 将字幕条目连接成一个字符串，每个条目之间用换行符分隔。 * **返回 JSON 响应:** * `return jsonify({'transcript': text})` 将字幕文本作为 JSON 对象返回。 * **错误处理:** * `try...except` 块用于捕获可能发生的异常，例如无法找到字幕或网络错误。如果发生错误，则返回一个包含错误消息的 JSON 对象。 5. **运行应用:** * `if __name__ == '__main__':` 确保只有在直接运行脚本时才执行以下代码。 * `app.run(debug=True)` 启动 Flask 开发服务器，`debug=True` 启用调试模式，方便开发。 **如何使用:** 1. **安装依赖:** ```bash pip install flask youtube-transcript-api ``` 2. **运行脚本:** ```bash python your_script_name.py ``` 3. **发送请求:** 使用浏览器或 `curl` 等工具发送 GET 请求到 `/transcribe` 路由，并提供 `url` 和 `language` 参数。 例如： ```bash curl "http://127.0.0.1:5000/transcribe?url=https://www.youtube.com/watch?v=dQw4w9WgXcQ&language=zh-CN" ``` 将 `https://www.youtube.com/watch?v=dQw4w9WgXcQ` 替换为实际的 YouTube 视频 URL，并将 `zh-CN` 替换为所需的语言代码。 **重要注意事项:** * **错误处理:** 这个 MVP 包含基本的错误处理，但你应该根据你的需求添加更详细的错误处理。 * **API 限制:** YouTube Transcript API 可能有速率限制。 如果你的应用需要处理大量的请求，你可能需要考虑使用 API 密钥或实现缓存机制。 * **字幕可用性:** 并非所有 YouTube 视频都有自动生成的字幕，并且并非所有字幕都提供所有语言版本。 你的代码应该能够处理这些情况。 * **安全性:** 在生产环境中，你应该使用更安全的 Web 服务器，例如 Gunicorn 或 uWSGI，并配置 HTTPS。 * **URL 解析:** URL 解析代码比较简单，可能无法处理所有可能的 YouTube URL 格式。 你可以使用更健壮的 URL 解析库，例如 `urllib.parse`。 This code provides a basic, functional server. Remember to handle potential errors and limitations as mentioned above for a more robust application. Good luck!

Docling MCP Server

Converts folders of financial and investment documents into structured markdown, JSON, and CSV files with a metadata index, enabling AI assistants to efficiently navigate and analyze large research libraries.

vibemarketing-mcp

Enables drafting, scheduling, and publishing social posts on Vibe Marketing workspace through chat in Claude Code, Claude Desktop, or Cursor.

AI Video Generator MCP Server

一个模型上下文协议服务器，可以使用 AI 模型（Luma Ray2 Flash 和 Kling v1.6 Pro）从文本提示和/或图像生成视频，并具有可配置的参数，例如宽高比、分辨率和持续时间。

calendar-tasks-mcp

Enables Claude to manage Outlook calendar events and Microsoft To Do tasks for a specific mailbox via Microsoft Graph API.

addgene-mcp

MCP server for Addgene plasmid repository, enabling AI assistants to search, filter, and retrieve plasmid data including sequences and metadata.

nubank-mcp

Connects Nubank accounts to Claude, ChatGPT, and AI agents via Open Finance Brasil, enabling natural language queries about balances, statements, credit card bills, and investments in read-only mode.

PocketBase MCP Server

Enables LLMs to manage PocketBase databases with comprehensive CRUD, authentication, file management, backup, and hook operations through a standardized protocol.

gh-issues-mcp

A standalone MCP server that exposes a narrow set of GitHub Issues tools for a single repository, securely handling a GitHub personal access token so agents never see the credential.

chrome-mcp

Enables controlling a real Chrome browser from MCP hosts like Claude, with extension-based or CDP fallback, supporting tabs, navigation, interaction, and page reading tools.

Weather Prediction MCP Server

Provides current weather, multi-day forecasts, and umbrella recommendations through natural language queries, backed by the Open-Meteo API.

zhupi-mcp

Agent-side MCP server for the zhupi review loop, enabling AI agents to submit documents, read annotations, and reply via GitHub.

SQLite MCP Server

Provides comprehensive SQLite database interaction for AI agents, including data manipulation, schema inspection, and automated query logging. It features a unique context preservation pattern that uses a dedicated meta-table to help autonomous agents maintain self-documenting database architectures.

Algorand MCP Server

Enables interaction with the Algorand blockchain network including account management, payments, asset creation and transfers, along with general utility tools. Provides secure mnemonic encryption and supports both testnet and mainnet environments.

Perplexity MCP Server

一个 Perplexity API 模型上下文协议 (MCP) 服务器，为 LLM 代理解锁 Perplexity 的搜索增强 AI 功能。它具有强大的错误处理、安全的输入验证以及通过 showThinking 参数实现的透明推理。采用类型安全、模块化架构和生产就绪的实用程序构建。

agent-observability

MCP server exposing AI agent observability tools: list, inspect, and deterministically replay recorded agent execution traces for debugging failures.

Remote MCP Server

A Cloudflare Workers-based server that implements the Model Context Protocol (MCP), allowing AI assistants like Claude to access custom tools without authentication.

Universal Menu

Provides an interactive decision menu that surfaces contextual choices on every assistant turn, allowing users to navigate available actions through a React widget interface.

powerbi-agent

MCP server enabling AI agents to directly query and manage Power BI datasets, reports, and workspaces via DAX, with built-in data security policies and support for both Power BI Desktop and Service.

A2A Registry

Provides a unified registry for discovering and managing agents that implement the A2A (Agent-to-Agent) protocol, enabling registration, querying, and CRUD operations on agent metadata through both REST API and MCP tools.

ita-matrix-mcp

MCP server that searches ITA Matrix for complex flight itineraries, supporting multi-city trips and custom routing codes, to help plan intricate travel plans.

Zava Insurance MCP Server

Enables management of insurance claims, inspections, and contractors through interactive UI widgets and data tools. Users can view claim dashboards, update statuses, and query service provider information using natural language.

Datadog MCP Server

Enables interaction with Datadog's monitoring platform to search logs, search trace spans, and perform trace span aggregation for analysis.

mcp-schema-bloat-fixer

Reduces token costs from MCP tool schemas by analyzing bloat, compressing descriptions, and selecting only relevant tools for AI agents.

OpenEHR MCP Server

Enables LLMs to interact with OpenEHR electronic health record systems by retrieving clinical archetypes, generating AQL queries from natural language, and executing queries against on-premise EHR databases. Supports OpenEHR Clinical Knowledge Manager integration and custom IIS-hosted EHR APIs for comprehensive medical data access.

Telephony MCP Server

Enables LLM applications to make voice calls and send SMS messages through the Vonage API, allowing AI assistants to perform real-world telephony operations with support for speech recognition and customizable voice parameters.