Servidores MCP
El registro abierto de servidores Model Context Protocol. Encuentra herramientas, recursos y prompts para tus agentes de IA, filtrados por categoría, transporte o caso de uso.
Servidores
177
Herramientas
471
Categorías
11
Colaboradores
155
Official Heroku MCP server that lets AI agents manage Heroku Platform resources. Supports listing and inspecting apps, scaling dynos, viewing logs, managing config vars and add-ons, and running one-off commands, so deployment and operations tasks can be handled conversationally.
MCP server for the Railway deployment platform. Lets AI agents create projects and services, deploy from repositories, manage environment variables, view deployment logs, and inspect service status. Useful for provisioning backends, databases, and cron jobs and for debugging deploys directly from an AI assistant.
Official DigitalOcean MCP server for managing cloud infrastructure. Lets AI agents deploy and manage App Platform apps, Droplets, databases, and Spaces object storage, and read logs and metrics. Useful for provisioning and operating cloud resources and debugging deployments through an AI assistant.
Google Cloud's MCP server for deploying and managing applications on Cloud Run, giving coding agents a guided path from source code to a serverless production service.
Render's official MCP server for interacting with your Render cloud resources via LLMs. Lets agents list and inspect services, create and manage deploys, read logs and metrics, and query managed Postgres and Key Value instances. Useful for deploying, debugging, and monitoring applications hosted on Render directly from an MCP-compatible assistant.
Skills frente a servidores MCP
¿cuál es la diferencia?Skillsel «qué hacer»
Una Skill reúne conocimientos prácticos —instrucciones, un prompt de ejemplo y modelos recomendados— para que un agente realice una tarea de forma consistente. Las Skills aportan conocimiento, no nuevas conexiones.
Servidores MCPel «cómo conectarse»
Un servidor MCP proporciona nuevas capacidades a un agente conectándolo con sistemas reales —bases de datos, API o archivos— mediante un transporte. MCP añade conexiones y acciones, no instrucciones de tarea.
Regla práctica: usa una Skill cuando necesites que el modelo realice bien una tarea y un servidor MCP cuando necesites conectarlo con una herramienta o sistema. Se complementan: una Skill puede utilizar las herramientas que proporciona un servidor MCP.
¿Has creado un servidor MCP?
Envíalo al registro: es de código abierto y está mantenido por la comunidad.