Lo mejor de MCP Servers (2026)

1

Playwright MCP

Servidor de MCP de código abierto que permite a los modelos de lenguaje controlar navegadores reales mediante Playwright y capturas de accesibilidad.

4.8 (6)

· free

Reseña completa

Playwright MCP es un servidor de Protocolo de contexto de modelo de código abierto que expone las capacidades de automatización del navegador de Playwright a grandes modelos de lenguaje. En lugar de depender de capturas de pantalla y modelos de visión, proporciona instantáneas estructuradas de accesibilidad de páginas web, lo que brinda a los agentes una vista rápida y determinista del DOM sobre la que pueden razonar y actuar. Permite que los agentes impulsados por LLM naveguen por sitios, hagan clic en elementos, completen formularios, extraigan datos y ejecuten flujos de trabajo de extremo a extremo en Chromium, Firefox y WebKit. Debido a que habla MCP, se conecta a cualquier cliente compatible, como Claude Desktop, Cursor o marcos de trabajo de agentes personalizados, lo que hace que las tareas del navegador del mundo real sean accesibles para flujos de trabajo autónomos y asistidos.

• Interfaz del servidor de MCP para agentes de lenguaje de modelo
• Árboles de captura de accesibilidad estructurados
• Soporte interbrowser a través de Playwright
• Acciones de click, tipo, navegación y rellenado de formularios
• Modos de navegador sin encabezado o con encabezado
• Integración con Claude, Cursor y clientes personalizados

Pydantic AI es un marco de código abierto de Python para crear aplicaciones impulsadas por modelos de lenguaje grandes. Creado por el equipo detrás de Pydantic, aporta el mismo enfoque en seguridad de tipos, validación y ergonomía del desarrollador al desarrollo de agentes, lo que hace que las salidas de LLM sean predecibles y más fáciles de integrar en código de producción. El marco admite varios proveedores de modelos, respuestas estructuradas validadas a través de modelos Pydantic, llamadas de herramientas, inyección de dependencias y transmisión. Está diseñado para resultar familiar a los desarrolladores de Python y funciona bien junto con stacks existentes como FastAPI, lo que lo hace adecuado para todo, desde prototipos rápidos hasta servicios GenAI de producción.

• Agentes de tipo con salidas validadas mediante modelos Pydantic
• Soporte para OpenAI, Anthropic, Gemini y más
• Llamada a herramientas y funciones con inyección de dependencias
• Respuestas en streaming y diseño en primer lugar de sincronización
• Integración con FastAPI y herramientas de observabilidad
• Utiles para pruebas para comportamiento agente determinista

Cognee es una plataforma de memoria de IA de código abierto diseñada para agentes de IA. Ofrece una memoria a largo plazo persistente a través de sesiones al ingerir datos en cualquier formato y construir un grafo de conocimiento autoalojado. Cognee combina embeddings vectoriales, razonamiento gráfico y generación de ontologías fundamentada en la ciencia cognitiva, haciendo que los documentos sean buscables por significado y conectados mediante relaciones evolutivas. Esta plataforma es adecuada para desarrolladores y organizaciones que buscan unificar datos de diversas fuentes, habilitar conocimiento de dominio en los agentes y crear agentes fiables y confiables. Cognee ofrece funciones como ingestión unificada, búsqueda gráfica y vectorial, operación local, fundamentación ontológica, capacidades multimodales, aprendizaje a partir de retroalimentación, gestión de contexto y compartición de conocimiento entre agentes. También proporciona aislamiento de usuarios/tenantes con carácter agente, trazabilidad y características de auditoría. La plataforma soporta múltiples clientes, incluidos Python, Rust y TypeScript, y está disponible como plugins para OpenClaw y Claude Code.

• Memoria de agente basada en grafo de conocimiento
• Ingestión de datos semánticos y estructurados
• SDK de Python para la integración de agentes
• Proveedores de LLM y almacenamiento plug‑in
• Consultas entre sesiones pasadas y documentos
• Opciones de despliegue autoalojado o gestionado

4

Inbox Zero

Asistente de correo electrónico con IA que organiza, redacta respuestas y te ayuda a alcanzar el cero inbox más rápido.

4.8 (4)

· free

Reseña completa

Inbox Zero es un asistente de correo electrónico impulsado por IA diseñado para ayudar a los usuarios a gestionar su bandeja de entrada de manera más eficiente. Organiza correos electrónicos, redacta respuestas y gestiona calendarios, con el objetivo de ayudar a los usuarios a alcanzar el "inbox zero" más rápidamente. La herramienta es accesible a través de una interfaz web y también se puede interactuar con ella a través de Slack o Telegram para una gestión en movimiento. Inbox Zero es una alternativa de código abierto a herramientas similares como Fyxer, que ofrece más opciones de personalización y características de seguridad mejoradas. Entre sus características clave se incluye un asistente personal de IA que aprende el tono y estilo del usuario para redactar respuestas preliminares, reglas impulsadas por IA para manejar correos electrónicos basadas en instrucciones en lenguaje llano, y herramientas para rastrear correos electrónicos que requieren una respuesta o están pendientes de respuesta. También ofrece capacidades de cancelación masiva de suscripciones y archivado, bloquea correos electrónicos no solicitados y proporciona análisis de correos electrónicos. Además, puede generar resúmenes de reuniones extrayendo contexto tanto de correos electrónicos como de eventos de calendario y guardar automáticamente archivos adjuntos de correos electrónicos en servicios de almacenamiento en la nube como Google Drive o OneDrive. La herramienta está construida utilizando una serie de tecnologías que incluyen Next.js, Tailwind CSS y Prisma, y está alojada en GitHub. Los usuarios pueden elegir entre una versión alojada disponible en getinboxzero.com o autoalojar usando una configuración de CLI que requiere Docker y Node.js. El proyecto está activo, con una comunidad que contribuye a su desarrollo y las solicitudes de características pueden hacerse a través de problemas de GitHub o el canal de Discord del proyecto. Inbox Zero tiene como objetivo reducir el tiempo que los usuarios pasan en su bandeja de entrada, lo que les permite centrarse en tareas más importantes. Si bien ofrece un conjunto integral de características para la gestión de correo electrónico, el alcance de la personalización y la curva de aprendizaje para configurar y aprovechar al máximo las capacidades de IA pueden variar. En general, Inbox Zero se presenta como una solución flexible y segura para individuos que buscan automatizar y optimizar sus tareas de gestión de correo electrónico y calendario.

• Borradores de respuestas generados por IA
• Categorización y priorización automática de correos electrónicos
• Cancelar suscripción masiva de boletines
• Reglas de automatización personalizadas
• Herramientas de análisis y limpieza de bandeja de entrada
• Recordatorios inteligentes para correos electrónicos sin respuesta

5

Screenpipe

Plataforma de código abierto de grabación de pantalla y audio en tiempo real para el desarrollo de aplicaciones de IA conscientes del contexto

4.8 (4)

· free

Reseña completa

Screenpipe es una plataforma de código abierto que captura continuamente la actividad de la pantalla y el audio en tu dispositivo, almacenando todo localmente para que los desarrolladores puedan construir aplicaciones de inteligencia artificial basadas en el contexto real del usuario. Al indexar lo que ves, oyes y haces, proporciona una capa de datos personales rica que las aplicaciones y agentes pueden consultar sin enviar información a la nube. El proyecto se dirige a desarrolladores que crean herramientas de productividad, asistentes de memoria, resumidores de reuniones y agentes personalizados. Expone API y un sistema de plugins para que los pipelines personalizados puedan transformar grabaciones en texto buscable, transcripciones y eventos estructurados que alimenten flujos de trabajo de LLM posteriores. Dado que todo el procesamiento ocurre en la máquina del usuario, Screenpipe enfatiza la privacidad y la propiedad de los datos, al tiempo que permanece extensible a través de integraciones construidas por la comunidad.

• Captura de pantalla y audio en tiempo real
• Almacenamiento local y procesamiento en el dispositivo
• Índice de OCR y reconocimiento de voz a texto
• Arquitectura de plugins y tuberías
• APIs para consultar el contexto capturado
• Compatibilidad con escritorio interplataforma

6

AgentKit

Librería de TypeScript para crear y orquestar agentes de IA con herramientas, memoria y flujos de trabajo multi-agente.

4.5 (4)

· free

Reseña completa

AgentKit es un framework de TypeScript de código abierto diseñado para desarrolladores que desean crear agentes de IA listos para producción sin tener que reinventar la lógica de orquestación principal. Proporciona primitivas para definir agentes, conectar herramientas, gestionar estados y coordinar flujos de trabajo multi-agente de forma segura respecto a tipos. La librería se centra en la componibilidad, permitiéndote encadenar agentes, enrutar tareas entre especialistas e integrarte con proveedores de modelos y APIs existentes. Se adapta de forma natural a Node.js y entornos serverless, lo que la hace adecuada para servicios backend, automatización interna y funciones de IA orientadas al cliente. Debido a que prioriza el código y no impone una UI, AgentKit es ideal para equipos de ingeniería que se sienten cómodos trabajando en TypeScript y que desean un control preciso sobre cómo sus agentes razonan, llaman a herramientas y manejan tareas de larga duración.

• Abstracciones de agentes y herramientas
• Enrutamiento y transferencia entre múltiples agentes
• Gestión de estado y memoria
• Soporte agnóstico para proveedores de modelos
• APIs con seguridad de tipos para entradas y salidas
• Funciona en Node.js y entornos de ejecución serverless

7

onchain-mcp

Aportando la API bancalizada en cadena a MCP

Aún sin reseñas· free

Reseña completa

El servidor Bankless Onchain MCP es un marco para interactuar con datos en cadena a través de la API de Bankless. Implementa el Protocolo de Contexto de Modelo (MCP) para permitir que los modelos de inteligencia artificial accedan a datos de estado y eventos de blockchain de manera estructurada. El servidor proporciona varias operaciones de datos, incluyendo la lectura de estados de contratos, la obtención de registros de eventos y la recuperación de historial de transacciones. Está diseñado para desarrolladores e investigadores que necesitan interactuar con datos de blockchain de manera estructurada. Este proyecto ya no recibe actualizaciones, y su estado de mantenimiento puede afectar su estabilidad y disponibilidad de funciones.

• Operaciones de contrato (leer estado de contrato, obtener proxy, obtener ABI, obtener fuente)
• Operaciones de evento (obtener eventos, crear tema de evento)
• Operaciones de transacción (obtener historial de transacciones, obtener información de transacción)

8

markitdown

Herramienta Python para convertir archivos y documentos de oficina a Markdown.

Aún sin reseñas· free

Reseña completa

MarkItDown es una utilidad ligera de Python para convertir varios archivos a Markdown para uso con LLMs y pipelines de análisis de texto relacionados. Es comparable a textract, pero con un enfoque en preservar la estructura y el contenido importantes del documento como Markdown, incluidos títulos, listas, tablas, enlaces, etc. La salida suele ser razonablemente presentable y amigable para humanos, pero está destinada a ser consumida por herramientas de análisis de texto y puede no ser la mejor opción para conversiones de documentos de alta fidelidad para consumo humano. MarkItDown actualmente admite la conversión de PDF, PowerPoint, Word, Excel, Imágenes (metadatos EXIF y OCR), Audio (metadatos EXIF y transcripción de voz), HTML, formatos basados en texto (CSV, JSON, XML), archivos ZIP, URLs de Youtube, EPubs, y más. Se recomienda utilizar un entorno virtual para evitar conflictos de dependencias. Con Python 3.10 o superior, puede instalar MarkItDown usando pip: pip install 'markitdown[all]' o desde el código fuente con: git clone git@github.com:microsoft/markitdown.git, luego pip install -e 'packages/markitdown[all]' El uso de MarkItDown implica invocación desde la línea de comandos, ya sea especificando el archivo de salida, canalizando contenido o utilizando la función convert_* más específica para casos de uso particulares.

• Conversión de PDF, PowerPoint, Word, Excel
• Soporte para Imágenes (metadatos EXIF y OCR)
• Soporte para Audio (metadatos EXIF y transcripción de voz)
• Soporte para HTML, formatos basados en texto (CSV, JSON, XML)
• Soporte para archivos ZIP, URLs de Youtube, EPubs
• Dependencias opcionales para activar varios formatos de archivo

9

mcp-clickhouse

mcp-clickhouse Servidor MCP

Aún sin reseñas· free

Reseña completa

El servidor MCP mcp-clickhouse es una MCP server para ClickHouse. Cuenta con Herramientas de ClickHouse, incluyendo run_query para ejecutar consultas SQL en tu cluster de ClickHouse, list_databases para listar todas las bases de datos en tu cluster de ClickHouse, y list_tables para listar tablas en una base de datos con paginación. Además, incluye herramientas chDB, como run_chdb_select_query, para ejecutar consultas SQL utilizando el motor de ClickHouse incorporado de chDB. También proporciona un Punto de Final de Verificación de Salud para verificar el estado del servidor y una Mecanismo de Seguridad para autenticación. El servidor puede configurarse para servicios internos, desarrollo local, o con proveedores de autenticación OAuth / OIDC a través de FastMCP.

• run_query para ejecutar consultas SQL en cluster de ClickHouse
• list_databases para listar todas las bases de datos en cluster de ClickHouse
• list_tables para listar tablas en una base de datos con paginación
• run_chdb_select_query para ejecutar consultas SQL utilizando el motor de ClickHouse en chDB
• Punto de Final de Verificación de Salud para monitoreo del servidor
• Modos de autenticación múltiples, incluyendo OAuth y OIDC a través de FastMCP

El Servidor de MCP para QA Sphere TMS es un cliente utilizado para integrar Modelos de Lenguaje de Gran Escala (LLM) con QA Sphere (QSP) para mejorar las capacidades de creación de testigos de prueba. Después de configurar el servidor (detalles disponibles en GitHub), los LLMs pueden interactuar con los casos de prueba automatizados de QA Sphere. Al aprovechar el MCP (Model Callback Protocol), permite a los desarrolladores y los testadores crear casos de prueba basados en AI de manera rápida, automatizar tareas y ejecutar conjuntos de pruebas integrados con QAS Sphere. La solución basada en MCP es respaldada por el usuario, permitiendo automatizar una amplia gama de tareas de QA, incluida la descubierta y ejecución de casos de prueba. Además, puedes referenciar modelos de lenguaje de gran escala, automatizar tareas y ejecutar conjuntos de pruebas integrados con el Sistema de Gestión de Test de QA Sphere.