Discover Awesome MCP Servers

Simple MCP Server Example

A simple example of an MCP server implementation for testing purposes

Autoconsent MCP

A Model Context Protocol server that provides browser automation capabilities for creating and testing Autoconsent rules, enabling LLMs to interact with web pages and test consent management platforms in a real browser environment.

translator-ai

Enables translation of JSON i18n files to multiple languages using various AI providers (Google Gemini, OpenAI, Ollama/DeepSeek) with intelligent caching and deduplication.

Coolify MCP Tools

Enables AI assistants to manage Coolify infrastructure including servers, applications, databases, deployments, and 80+ one-click services through 98 comprehensive tools for both cloud and self-hosted instances.

Homelab MCP Server

Enables AI assistants to manage homelab infrastructure through automated service installation (Jellyfin, Pi-hole, Ollama, Home Assistant, Frigate NVR), VM operations, AI accelerator support (MemryX, Coral TPU, Hailo-8), and Terraform state management with SSH-based discovery and deployment.

MCP Math Server

一个 Node.js 服务器，通过 RESTful API 接口处理数学计算和自然语言数学查询。

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.

Top MCP Servers

2025年精选顶级模型上下文协议 (MCP) 服务器，以增强开发工作流程

MCP Subfinder Server

模型上下文协议 (MCP) 服务器，它封装了 ProjectDiscovery 的 subfinder 工具，通过 JSON-RPC API 实现强大的子域名枚举。

VN Stock API MCP Server

Provides access to Vietnamese stock market data and APIs from VNDirect, FireAnt, and SSI, including real-time stock prices, market news from CafeF, technical analysis (Doji patterns), and comprehensive stock listings.

MCP Node Time

A MCP server that provides timezone-aware date and time operations. This server addresses the common issue where AI assistants provide incorrect date information due to timezone confusion.

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.

HC3 MCP Server

Enables AI assistants to interact with Fibaro Home Center 3 smart home systems through natural language commands. Provides comprehensive device control, scene management, QuickApp development, and system monitoring capabilities via the HC3 REST API.

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。

Notion MCP Server

Enables interaction with Notion databases through the Notion API, supporting full CRUD operations on pages and databases. Supports advanced querying, filtering, sorting, and all property types with Docker deployment for easy integration with Cursor and Claude.

Hue MCP Server

Enables AI assistants to interact with Hadoop Hue for executing SQL queries using Hive, SparkSQL, or Impala and managing HDFS files. It supports directory browsing, file transfers, and exporting query results to CSV through the Model Context Protocol.

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!

MCP-researcher Server

一个强大的研究助手，与 Cline 和 Claude Desktop 集成，利用 Perplexity AI 进行智能搜索、文档检索、API 发现和代码现代化辅助，同时进行编码。

Bluesky MCP (Model Context Protocol)

Bluesky MCP 是一个基于 Go 语言的 Bluesky 社交网络服务器，通过 JSON-RPC 2.0 API 端点提供 AI 驱动的功能。它支持灵活的配置，并遵循行业最佳实践，以确保安全性、性能和错误处理。

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。

Remote MCP Server Authless

A deployable Model Context Protocol server on Cloudflare Workers that doesn't require authentication, allowing tools to be added and used from Cloudflare AI Playground or Claude Desktop.

Ethora MCP Server

Enables integration with the Ethora platform through user authentication, registration, and application management operations. Supports creating, updating, deleting, and listing applications within the Ethora service.

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.

atlassian-mcp-server

An open-source Model Context Protocol (MCP) server for Atlassian Jira and Confluence Cloud, enabling LLMs to search, read, write, and manage issues and pages.

Ayrshare Unofficial MCP Server

Enables AI agents to interact with the Ayrshare API to publish social media posts, manage profiles, and handle comments or messages. It supports executing real-time API calls for analytics, media uploads, and automated scheduling across various social platforms.

FGD Fusion Stack Pro

MCP server with intelligent memory management and file monitoring that enables context-aware AI assistance across multiple LLM providers (Grok, OpenAI, Claude, Ollama) with persistent memory of interactions and real-time file system changes.

pocket-joe-mcp-toys

Enables transcription of YouTube videos to extract video titles, full transcripts, thumbnail URLs, and video IDs. Built with pocket-joe and deployable to Railway for scalable MCP server hosting.