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 MCP server for interacting with MongoDB databases and MongoDB Atlas. Enables AI agents to query collections, run aggregations, manage indexes, inspect schemas, and perform CRUD operations. Also supports Atlas cloud management including cluster provisioning, database user management, performance advisor, and stream processing. Supports read-only mode for safe exploration.
Official MCP server for Qdrant vector search engine. Acts as a semantic memory layer enabling AI agents to store and retrieve information using vector similarity search. Supports storing text with metadata, semantic querying, configurable embedding models via FastEmbed, and both cloud-hosted and local Qdrant instances. Useful for building RAG pipelines, code search, knowledge bases, and long-term agent memory.
Official Snowflake MCP server enabling AI agents to query and analyze data in the Snowflake AI Data Cloud. Supports running SQL against warehouses, exploring databases and schemas, describing tables, and invoking Cortex AI services for search and analytics, with role-based access control honored end to end.
Official dbt Labs MCP server for analytics engineering workflows. Lets AI agents run dbt commands (build, run, test), inspect models and lineage via the dbt project, and query the Semantic Layer and Discovery API in dbt Cloud. Useful for transforming data, validating models, and answering metric questions grounded in governed definitions.
Official MCP server for DuckDB and MotherDuck. Lets AI assistants run SQL analytics directly against local DuckDB files, in-memory databases, S3-hosted data, and MotherDuck cloud warehouses. Supports read and write queries, browsing database catalogs, and switching between connections on the fly, making it well suited for conversational data exploration and lightweight analytics.
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.