Best MCP Servers (2026)

1

Playwright MCP

Open-source MCP-server som låter LLMs driva riktiga webbläsare via Playwright och tillgänglighetssnapshots.

4.8 (6)

· free

Fullständig recension

Playwright MCP är en öppen källkod för Model Context Protocol-server som exponerar Playwrights webbläsarautomationsfunktioner för stora språkmodeller. I stället för att förlita sig på skärmdumpar och synmodeller, tillhandahåller den strukturerade tillgänglighetssnapshots av webbsidor, vilket ger agenter en snabb, deterministisk vy av DOM som de kan resonera över och agera utifrån. Den möjliggör för LLM-drivna agenter att navigera på webbplatser, klicka på element, fylla i formulär, extrahera data och köra end-to-end arbetsflöden över Chromium, Firefox och WebKit. Eftersom den kommunicerar MCP kan den anslutas till alla kompatibla klienter som Claude Desktop, Cursor eller anpassade agentramverk, vilket gör verkliga webbläsartasks tillgängliga för autonoma och assisterade arbetsflöden.

• MCP-servergränssnitt för LLM-agenter
• Strukturerade tillgänglighetsträdssnapshots
• Krosswebbläsarstöd via Playwright
• Klicka, skriv, navigera och formulärfyllning
• Huvudlös eller huvudwebbläsarmode
• Integration med Claude, Cursor och anpassade klienter

Pydantic AI is an open-source Python framework for building applications powered by large language models. Created by the team behind Pydantic, it brings the same focus on type safety, validation, and developer ergonomics to agent development, making LLM outputs predictable and easier to integrate into production code. The framework supports multiple model providers, structured responses validated through Pydantic models, tool calling, dependency injection, and streaming. It is designed to feel familiar to Python developers and works well alongside existing stacks like FastAPI, making it suitable for everything from quick prototypes to production-grade GenAI services.

• Typed agents with Pydantic-validated outputs
• Support for OpenAI, Anthropic, Gemini, and more
• Tool and function calling with dependency injection
• Streaming responses and async-first design
• Integration with FastAPI and observability tools
• Testing utilities for deterministic agent behavior

Cognee är en öppen källkodsplattform för AI-minne utformad för AI-agenter. Den tillhandahåller ett bestående långsiktigt minne över sessioner genom att ingest data i vilket format som helst och bygga ett självhostat kunskapsdiagram. Cognee kombinerar vector embeddings, graph reasoning och ontology generation baserad på kognitiv vetenskap, vilket gör att dokument blir sökbara efter innebörd och kopplade genom utvecklande relationer. Plattformen är lämplig för utvecklare och organisationer som vill förena data från olika källor, möjliggöra domänkunskap i agenter och skapa pålitliga och trovärdiga agenter. Cognee erbjuder funktioner som unified ingestion, graph and vector search, local operation, ontology grounding, multimodal capabilities, learning from feedback, context management och cross-agent knowledge sharing. Den ger också agentic user/tenant isolation, traceability och audit traits. Plattformen stöder flera klienter, inklusive Python, Rust och TypeScript, och finns som plugins för OpenClaw och Claude Code.

• Kunskapsgrafbaserad agentminne
• Semantisk och strukturerad dataingestion
• Python SDK för agentintegration
• Pluggbara LLM- och lagringsleverantörer
• Fråga över tidigare sessioner och dokument
• Alternativ för självhostning eller hanterad deployment

4

Inbox Zero

AI-mailerassistent som organiserar, framställer svar och hjälper dig att få inbox noll snabbare.

4.8 (4)

· free

Fullständig recension

Inbox Zero är en AI-driven e-postassistens som är utformad för att hjälpa användare att hantera sina inkast mer effektivt. Det organiserar e-post, utformar svar och hanterar kalendrar med målet att hjälpa användare att nå 'noll i inbox' snabbare. Verktyget är tillgängligt via en webbgränssnitt och kan även interagera med Slack eller Telegram för hantering på gång. Inbox Zero är en öppen källkod alternativ till liknande verktyg som Fyxer, vilket erbjuder mer anpassningsbara alternativ och förbättrade säkerhetsfunktioner. Flera nycklfunktioner inkluderar en AI-assistent som lär sig användarens ton och stil för att förutsjäva svarsmallar, AI-drivna regler för att hantera e-post baserat på instruktioner på vanlig engelska och verktyg för att spåra e-post som kräver ett svar eller väntar på svar. Det erbjuder även bulk-avföljning och arkiveringsfunktioner, blockerar kalla e-postmeddelanden samt tillhandahåller e-postanalyser. Dessutom kan Inbox Zero generera mötesnotiser genom att hämta kontext från både e-post och kalenderhändelser och sparar automatiskt e-postbilagor på molntlager som Google Drive eller OneDrive. Verktyget bygger på en rad teknologier, inklusive Next.js, Tailwind CSS och Prisma, och är värd för GitHub. Användare kan välja mellan ett värded version som går att hitta på getinboxzero.com eller självvärdning med en CLI-installationsguiden som kräver Docker och Node.js. Projektet är aktivt, med en gemenskap som bidrar till dess utveckling och man kan fylla i önskemål på funktioner via GitHub-issues eller via projekts Discord-kanal. Inbox Zero har som mål att minska den tid användare spenderar på sin inkorg, så att de kan fokusera på mer betydelsefulla uppgifter. Även om det erbjuder en omfattande uppsättning funktioner för hantering av e-post, kan omfattningen av anpassningsmöjligheter och den läroprocess för att konfigurera och fullt ut utnyttja AI-förmågor variera. Inbox Zero presenterar sig somett flexibelt och säkert alternativ för individer som söker automatisera och effektivisera sina uppgifter för hantering av e-post och kalender.

• AI-genererade svarsskissar
• Automatisk email-kategorisering och prioritering
• Förfrågan till bulkavformandet från nyhetsbrev
• Anpassad automatiseringsregel
• Hyllor för inbox-analytiska och rensningsverktyg
• Intelligenta påminnelser för ofrånkomliga email

5

Screenpipe

Open-source 24/7 local screen and audio recording for building context-aware AI apps

4.8 (4)

· free

Fullständig recension

Screenpipe is an open-source platform that continuously captures screen activity and audio on your device, storing everything locally so developers can build AI applications grounded in real user context. By indexing what you see, hear, and do, it provides a rich personal data layer that apps and agents can query without sending information to the cloud. The project targets developers creating productivity tools, memory assistants, meeting summarizers, and personalized agents. It exposes APIs and a plugin system so custom pipelines can transform raw recordings into searchable text, transcripts, and structured events that feed downstream LLM workflows. Because all processing happens on the user's machine, Screenpipe emphasizes privacy and ownership of data while remaining extensible through community-built integrations.

• 24/7 screen and audio capture
• Local storage and on-device processing
• OCR and speech-to-text indexing
• Plugin and pipeline architecture
• APIs for querying captured context
• Cross-platform desktop support

6

AgentKit

TypeScript‑bibliotek för att bygga och orkestrera AI‑agenter med verktyg, minne och multi‑agent‑arbetsflöden.

4.5 (4)

· free

Fullständig recension

AgentKit är ett open‑source TypeScript‑ramverk för utvecklare som vill bygga produktionsklara AI‑agenter utan att behöva uppfinna kärnlogiken för orkestrering igen. Det erbjuder grundläggande byggstenar för att definiera agenter, knyta verktyg, hantera tillstånd och samordna multi‑agent‑arbetsflöden på ett typsäkert sätt. Biblioteket fokuserar på komponerbarhet och låter dig kedja ihop agenter, dirigera uppgifter mellan specialister samt integrera med befintliga modellleverantörer och API:er. Det passar naturligt in i Node.js och serverlösa miljöer, vilket gör det lämpligt för backend‑tjänster, intern automatisering och kundorienterade AI‑funktioner. Eftersom det är code‑first och inte föreskriver någon UI, är AgentKit bäst lämpat för ingenjörsteam som är bekväma med att arbeta i TypeScript och som vill ha finjusterad kontroll över hur deras agenter resonerar, anropar verktyg och hanterar långvariga uppgifter.

• Abstraktioner för agenter och verktyg
• Multi‑agent‑ruttning och överlämningar
• Tillstånds‑ och minneshantering
• Modell‑agnostiskt leverantörsstöd
• Typsäkra API:er för indata och utdata
• Fungerar i Node.js och serverlösa körmiljöer

7

onchain-mcp

Bringing the bankless onchain API to MCP

Inga recensioner· free

Fullständig recension

The Bankless Onchain MCP Server is a framework for interacting with on-chain data via the Bankless API. It implements the Model Context Protocol (MCP) to allow AI models to access blockchain state and event data in a structured way. The server provides various data operations, including contract state reading, event logs fetching, and transaction history retrieval. It caters to developers and researchers who need to interact with blockchain data in a structured manner. This project is no longer receiving updates, and its maintenance status might affect its stability and feature availability.

• Contract operations (read contract state, get proxy, get ABI, get source)
• Event operations (get events, build event topic)
• Transaction operations (get transaction history, get transaction info)

8

markitdown

Python-verktyg för konvertering av filer och kontorsdokument till Markdown.

Inga recensioner· free

Fullständig recension

MarkItDown är ett lätthanterligt Python-verktyg för att konvertera olika filer till Markdown för användning med LLMs och relaterade textanalyspipeliner. Det är mest jämförbart med textract, men med fokus på att bevara viktig dokumentstruktur och innehåll som Markdown, inklusive rubriker, listor, tabeller, länkar etc. Utmatningen är ofta rimligt presenterbar och människo-vänlig, men den är tänkt att konsumeras av textanalysverktyg och kan inte vara det bästa alternativet för högkvalitativa dokumentkonverteringar för mänsklig konsumtion. MarkItDown stöder för närvarande konvertering från PDF, PowerPoint, Word, Excel, bilder (EXIF-metadata och OCR), ljud (EXIF-metadata och taltranskription), HTML, textbaserade format (CSV, JSON, XML), ZIP-filer, Youtube-URL:er, EPubs och mycket mer. Det rekommenderas att använda en virtuell miljö för att undvika beroendekonflikter. Med Python 3.10 eller högre kan du installera markitdown med pip: pip install 'markitdown[all]' eller från källkoden med: git clone git@github.com:microsoft/markitdown.git, sedan pip install -e 'packages/markitdown[all]'. Användningen av MarkItDown innebär kommandoradsanrop, antingen genom att ange utdatafilen,管式innehåll eller använda den smalaste convert_*-funktionen för specifika användningsfall.

• Konvertering av PDF, PowerPoint, Word, Excel
• Stöd för bilder (EXIF-metadata och OCR)
• Stöd för ljud (EXIF-metadata och taltranskription)
• Stöd för HTML, textbaserade format (CSV, JSON, XML)
• Stöd för ZIP-filer, Youtube-URL:er, EPubs
• Valbara beroenden för att aktivera olika filformat

9

mcp-clickhouse

mcp-clickhouse MCP-server

Inga recensioner· free

Fullständig recension

mcp-clickhouse MCP-servern är en MCP-server för ClickHouse. Den har ClickHouse-verktyg, inklusive run_query för att köra SQL-frågor på din ClickHouse-kluster, list_databases för att lista alla databaser på din ClickHouse-kluster, och list_tables för att lista tabeller i en databas med sidbrytning. Dessutom innehåller den chDB-verktyg, som run_chdb_select_query, för att köra SQL-frågor med chDB:s inbyggda ClickHouse-motor. Den tillhandahåller också en Hälsokontrollslutpunkt för att kontrollera serverns hälsa och en säkerhetsmekanism för autentisering. Servern kan konfigureras för interna tjänster, lokal utveckling eller med OAuth / OIDC-autentiseringsleverantörer via FastMCP.

• run_query för att köra SQL-frågor på ClickHouse-kluster
• list_databases för att lista alla databaser på ClickHouse-kluster
• list_tables för att lista tabeller i en databas med sidnumrering
• run_chdb_select_query för att köra SQL-frågor med hjälp av chDB:s inbyggda ClickHouse-motor
• Hälsocheckslägesändpunkt för serverövervakning
• Flera autentiseringslägen, inklusive OAuth och OIDC via FastMCP

MCP Server för QA Sphere TMS är en klient som används för att integrera Large Language Models (LLM) med QA Sphere (QSP) för att förbättra möjligheterna att skapa testscripter. Efter att ha konfigurerat servern (detaljer finns tillgängliga på GitHub) kan LLM-modeller interagera med QA Spheres automatiserade testfall. Genom att utnyttja MCP (Model Callback Protocol) möjliggörs det för utvecklare och testare att snabbt skapa AI-baserade testfall, automatisera uppgifter och köra testsuiter integrerade med QAS Sphere. Lösningen baserad på MCP är användarstödd, vilket möjliggör automatisering av ett brett spektrum av kvalitetssäkringsuppgifter, inklusive upptäckt och utförande av testfall. Dessutom kan du referera till stora språkmodeller, automatisera uppgifter och köra testsuiter integrerade med QA Sphere Testhanteringssystem.