Discover Awesome MCP Servers

MCP Server for Danmarks Statistik

将丹麦统计局的 API 作为可编程资源公开，使其易于与语言模型和现代 AI 应用集成，从而能够使用自然语言查询统计数据。

Arithmo MCP Server pypi Package

PyPI 包 (PyPI bāo)

mcp-remote-macos-use

第一个开源的MCP服务器，使AI能够完全控制远程macOS系统。

Digest MCP Server

Enables extraction of fully rendered web content from dynamic pages, SPAs, and infinite scroll sites using browserless.io, with support for configurable scrolling and wait times to capture JavaScript-generated content.

Dremio MCP Server

Enables LLMs to interact with Dremio data platforms for querying, analyzing data patterns, and exploring metadata through natural language, with support for both local and production Kubernetes deployments.

NHL MCP Server

通过模型-上下文协议模式，提供对NHL（国家冰球联盟）数据的结构化访问，包括球队、球员、积分榜、赛程和统计数据。

mcp-github

Gitbub mcp

Brex MCP Server

Enables interaction with Brex financial data including expenses, budgets, transactions, and accounts through read-only API access with support for pagination, filtering, and receipt management.

Brave Search MCP

Brave Search MCP

ORKL MCP Server

ORKL 威胁情报库的 MCP 服务器

TypeScript MCP Server Boilerplate

A boilerplate project for quickly developing Model Context Protocol (MCP) servers using TypeScript SDK, with example implementations of calculator and greeting tools, plus resource management capabilities.

PDF Knowledgebase MCP Server

A Model Context Protocol server that enables intelligent document search and retrieval from PDF collections, providing semantic search capabilities powered by OpenAI embeddings and ChromaDB vector storage.

Confluence MCP Server

Bridges Confluence Wiki with Large Language Models, allowing them to search, read, and explore content through automated HTML-to-Markdown conversion. It supports both local stdio and containerized HTTP/SSE transport modes for flexible deployment.

TypeScript MCP Server Boilerplate

A boilerplate project for quickly developing Model Context Protocol (MCP) servers using TypeScript SDK, with example implementations of tools (calculator, greeting) and resources (server info).

mcpserveraitools

刚刚发布了一个“模型上下文协议”（MCP）服务器，基本上就是JARVIS，但更有个性，而且没有英国口音！ 等机器人起义发生时，我肯定会在他们的“处理过这个人类的奇怪问题”名单上。

Composer Trade MCP

Enables AI assistants to create, backtest, and manage automated investment strategies (symphonies) on Composer, including searching through 1000+ existing strategies, monitoring portfolio performance, and executing trades with live market data.

Idealista7 MCP Server

Enables access to Idealista API for searching and retrieving property listings across Spain, Portugal, and Italy. Supports various property types including homes, apartments, garages, commercial properties, offices, and land with detailed filtering options.

Windows Forensics MCP Server

Enables AI-assisted Windows digital forensics analysis including parsing Windows Event Logs (EVTX), analyzing registry hives (SAM, SYSTEM, SOFTWARE), and remotely collecting artifacts via WinRM with built-in security queries and forensic reference data.

System Initiative

System Initiative provides AI Native Infrastructure automation that gives you clarity over your running infrastructure, control to change, automate, and integrate it, with conifdence

MCP Express Server Example

A basic example demonstrating how to develop and run a serverless Model Context Protocol (MCP) implementation using Netlify Functions and Express.

HowToCook-MCP Server

Enables AI assistants to recommend recipes, plan weekly meals, and solve the "what to eat today" problem by providing access to a comprehensive Chinese recipe database with smart filtering by categories, allergies, and dietary restrictions.

ArchiMate MCP Server

Enables generation of PlantUML ArchiMate enterprise architecture diagrams with full ArchiMate 3.2 specification support across all 7 layers, including automatic validation, multi-format export (PNG/SVG/XML), and instant diagram viewing through a built-in HTTP server.

AI Makerspace: MCP Event

一个简短的演示，教你如何构建你自己的 MCP 服务器！

ThousandEyes MCP

Enables AI assistants to query Cisco ThousandEyes v7 API for network monitoring data including tests, agents, alerts, dashboards, and test results (network, page-load, web-transactions, path visualization) for faster troubleshooting through natural language.

Figma MCP Server

一个 TypeScript 服务器，实现了模型上下文协议 (Model Context Protocol)，从而可以使用自然语言提示，通过 Cursor Agent 在 Figma 中实现 AI 驱动的设计创作。

MCP Handoff Server

Facilitates seamless collaboration between AI agents by providing tools for structured task handoffs, progress tracking, and documentation management. It allows agents to create, update, and archive handoff documents to ensure continuity across complex workflows.

OpenAPI Korea MCP Server

Enables access to Korean public data services through OpenAPI integration. Supports querying government datasets like parking information in Sejong City through natural language interactions.

mcp-weather

好的，以下是一個給 AI Agent 使用的 MCP (Message Communication Protocol) Server 範例，用來取得美國各州的天氣預報與警示資訊。 這個範例著重於概念的清晰，實際部署可能需要根據您的具體需求進行調整。 **概念概述:** * **MCP Server:** 負責接收來自 AI Agent 的請求，處理請求，並將結果返回給 AI Agent。 * **AI Agent:** 發送請求到 MCP Server，並解析返回的結果。 * **天氣資料來源:** 使用外部 API (例如 NOAA, OpenWeatherMap) 來獲取天氣資訊。 * **資料格式:** 使用 JSON 作為請求和回應的資料格式，方便 AI Agent 解析。 **MCP Server (Python 範例 - 使用 Flask):** ```python from flask import Flask, request, jsonify import requests import os app = Flask(__name__) # 替換成你的 API 金鑰 (從 NOAA, OpenWeatherMap 等取得) API_KEY = os.environ.get("WEATHER_API_KEY") # 建議使用環境變數 # 預設天氣資料來源 (NOAA) WEATHER_API_URL = "https://api.weather.gov/alerts/active?area={state}" @app.route('/weather', methods=['POST']) def get_weather(): """ 接收來自 AI Agent 的請求，取得指定州的天氣預報和警示資訊。 """ try: data = request.get_json() state = data.get('state') if not state: return jsonify({'error': 'State is required'}), 400 # 呼叫天氣 API url = WEATHER_API_URL.format(state=state.upper()) # NOAA 需要大寫州代碼 response = requests.get(url) if response.status_code == 200: weather_data = response.json() return jsonify(weather_data), 200 else: return jsonify({'error': f'Weather API error: {response.status_code}'}), 500 except Exception as e: print(f"Error: {e}") return jsonify({'error': str(e)}), 500 if __name__ == '__main__': app.run(debug=True, host='0.0.0.0', port=5000) ``` **AI Agent (Python 範例):** ```python import requests import json MCP_SERVER_URL = "http://localhost:5000/weather" # 替換成你的 MCP Server URL def get_state_weather(state): """ 向 MCP Server 發送請求，取得指定州的天氣資訊。 """ try: payload = {'state': state} headers = {'Content-type': 'application/json'} response = requests.post(MCP_SERVER_URL, data=json.dumps(payload), headers=headers) if response.status_code == 200: weather_data = response.json() return weather_data else: print(f"Error: MCP Server error: {response.status_code}") return None except Exception as e: print(f"Error: {e}") return None # 範例用法 state = "CA" # 加州 weather_info = get_state_weather(state) if weather_info: print(f"加州 ({state}) 天氣資訊:") print(json.dumps(weather_info, indent=4, ensure_ascii=False)) # 輸出美觀的 JSON else: print("無法取得天氣資訊。") ``` **說明:** * **MCP Server (Flask):** * 使用 Flask 建立一個簡單的 Web 服務。 * `/weather` 端點接收 POST 請求，請求體包含一個 JSON 物件，其中包含 `state` 欄位 (例如: `{"state": "CA"}`). * 使用 `requests` 庫呼叫外部天氣 API (NOAA 在此範例中)。 * 將天氣 API 的回應以 JSON 格式返回給 AI Agent。 * 錯誤處理：包含基本的錯誤處理，例如檢查 `state` 是否存在，以及處理天氣 API 的錯誤。 * **重要:** 請務必將 `API_KEY` 儲存在環境變數中，而不是直接寫在程式碼中，以確保安全性。 * **AI Agent:** * 使用 `requests` 庫向 MCP Server 發送 POST 請求。 * 將 `state` 作為 JSON payload 發送。 * 解析 MCP Server 返回的 JSON 回應。 * 錯誤處理：包含基本的錯誤處理，例如檢查 MCP Server 的回應狀態碼。 * **JSON 格式:** 請求和回應都使用 JSON 格式，方便 AI Agent 解析和處理。 * **NOAA API:** 此範例使用 NOAA 的 API，但您可以根據需要替換成其他天氣 API。 請注意，不同的 API 可能需要不同的參數和金鑰。 * **錯誤處理:** 範例中包含基本的錯誤處理，但您可能需要根據您的需求添加更完善的錯誤處理機制。 * **安全性:** 在實際部署中，請務必考慮安全性問題，例如驗證 AI Agent 的身份，以及保護 API 金鑰。 **如何執行:** 1. **安裝必要的套件:** ```bash pip install flask requests ``` 2. **設定環境變數:** ```bash export WEATHER_API_KEY="YOUR_API_KEY" # 替換成你的 API 金鑰 ``` 3. **執行 MCP Server:** ```bash python your_mcp_server_file.py ``` 4. **執行 AI Agent:** ```bash python your_ai_agent_file.py ``` **中文翻譯 (概念):** 這個範例展示了一個給 AI 代理使用的 MCP (訊息通訊協定) 伺服器，用於獲取美國各州的天氣預報和警報資訊。 * **MCP 伺服器:** 負責接收來自 AI 代理的請求，處理這些請求，並將結果返回給 AI 代理。 * **AI 代理:** 向 MCP 伺服器發送請求，並解析返回的結果。 * **天氣資料來源:** 使用外部 API (例如 NOAA, OpenWeatherMap) 來獲取天氣資訊。 * **資料格式:** 使用 JSON 作為請求和回應的資料格式，方便 AI 代理解析。 **中文翻譯 (程式碼註解):** 程式碼中的註解已經是中文，所以不需要額外翻譯。 **重要注意事項:** * **API 金鑰:** 請務必使用您自己的 API 金鑰，並將其儲存在環境變數中。 * **錯誤處理:** 根據您的需求，添加更完善的錯誤處理機制。 * **安全性:** 在實際部署中，請考慮安全性問題。 * **API 限制:** 不同的天氣 API 可能有不同的使用限制 (例如請求頻率限制)。 請仔細閱讀 API 的文件。 * **資料格式:** 不同的天氣 API 返回的資料格式可能不同。 您可能需要修改程式碼來解析不同的資料格式。 這個範例提供了一個基本的框架。 您可以根據您的具體需求進行修改和擴展。 例如，您可以添加更多的功能，例如支持不同的天氣 API，或者提供更詳細的天氣資訊。

Notion MCP Server

Enables AI assistants to search, create, and manage Notion workspace content including pages and databases. It supports advanced database querying, page updates, and content organization through natural language conversations.