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.
Algunas descripciones forman parte del piloto de traducción automática y aún no han sido revisadas.
Servidores
177
Herramientas
471
Categorías
11
Colaboradores
155
Provides AI agents with access to ClickHouse analytical databases through the Model Context Protocol. Enables running analytical queries, exploring table schemas, inspecting materialized views, and monitoring query performance. Designed for OLAP workloads with support for large result sets and query profiling.
Official Elastic MCP server that connects AI agents to Elasticsearch data using the Model Context Protocol. Enables natural language interactions with Elasticsearch indices — querying, analyzing, and retrieving data without custom APIs. Supports both stdio and streamable-HTTP transports, and works with Elasticsearch 8.x/9.x clusters including Elasticsearch Serverless. Distributed as a Docker container image from the Elastic registry.
Proporciona acceso de solo lectura a bases de datos PostgreSQL mediante Model Context Protocol. Permite a los agentes de IA inspeccionar esquemas, ejecutar consultas SELECT y explorar estructuras de tablas. Utiliza aislamiento de transacciones de solo lectura para evitar modificaciones accidentales. Formaba parte de los servidores de referencia y ahora está archivado y disponible en servers-archived.
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.