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
MCP server for Grafana's observability platform. Enables AI agents to query metrics from Prometheus, search and analyze logs from Loki, query traces, list and manage dashboards, and investigate incidents. Useful for debugging production issues, building monitoring dashboards, and performing root cause analysis with AI assistance across the full Grafana LGTM stack.
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 Asana MCP server that connects AI tools to the Asana Work Graph. Enables agents to create and update tasks, manage projects and sections, add comments, search work, and summarize project status via a remote OAuth-secured endpoint.
Official MCP server for the Milvus vector database. Lets AI agents create collections, insert vectors, and run similarity and scalar-filtered searches over large-scale embedding data, enabling retrieval and long-term memory for AI applications.
Google's MCP Toolbox provides secure, ready-made and custom tools for database queries, schema operations, and semantic search in agent workflows.
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.