Разработка

PySpark MCP

AnnasMazhar

Сервер переносит SQL-запросы в PySpark и автоматизирует работу с AWS Glue. Разработчики данных применяют его при миграции на Spark, создании ETL-пайплайнов и рефакторинге кода. В основе сервера — библиотека SQLGlot. Она распознаёт диалект исходного запроса и конвертирует его в Spark SQL или DataFrame API. Если точное преобразование невозможно, сервер выдаёт эквивалент на Spark SQL и рекомендации по доработке.

MCP-сервер docker-wts-build решает проблему долгих сборок Docker в среде разработки. Стандартный вызов сборки из VS Code или другого клиента может прерваться из-за тайм-аута терминала — особенно на слабых машинах или при большом количестве слоёв. Сервер передаёт команду сборки Планировщику задач Windows. Задача выполняется в фоне, не привязана к сессии клиента. Ассистент создаёт задачу, возвращает управление и позже проверяет результат. Сборка выдерживает закрытие VS Code, перезагрузку агента и временную потерю сети.

Yandex Tracker MCP подключает AI-ассистента к API Яндекс Трекера. Разработчики, тестировщики и тимлиды управляют задачами прямо из чата с ассистентом, вместо переключения между вкладками браузера. Сервер автоматизирует рутину: создание тикетов, изменение статусов, поиск задач и работу с комментариями. Достаточно описать задачу текстом — ассистент выполнит действия через протокол MCP.

AiPayGent расширяет Claude AI. Сервер даёт разработчикам и исследователям набор готовых инструментов. Вам не нужно писать сложные промты для каждой задачи — сервер сам умеет искать информацию, писать код, анализировать данные и переводить тексты. Сервер работает через streamable-http и stdio, поэтому подходит для десктопных приложений и облачных развёртываний. Claude сам выбирает нужный инструмент под задачу.

IntegrityPulse FinOps

maryadawson-code

AI-агенты часто выдумывают цены на облачные ресурсы. Делают они это не со зла — просто у них нет доступа к актуальным прайс-листам. Из-за этого сметы раздуваются или становятся нереалистично низкими. IntegrityPulse FinOps решает эту проблему. Это удалённый MCP-сервер. AI-ассистент обращается к нему, передаёт конфигурацию (провайдер, типы инстансов, базы данных, кэши), а сервер отвечает точной сметой на основе официальных матриц ценообразования AWS, GCP и Azure. Никаких «где-то 50 долларов в месяц» — только построчный расчёт с итоговой суммой. Инструмент будет полезен FinOps-инженерам, DevOps и разработчикам, которые хотят получать точные бюджеты прямо в диалоге с ассистентом, не переключаясь между консолями облачных провайдеров.

Dear Claude

sns45

Dear Claude — это MCP-сервер для разработчиков на Claude Code. Он превращает фразу «Dear Claude» в сигнал к действию. Когда вы пишете «Dear Claude» в описании задачи, комментарии к пулл-реквесту или заметке, сервер запускает локальный экземпляр Claude Code. AI читает контекст, выполняет задание и публикует результат в том же сервисе. Код остаётся на вашей машине — внешние API не используются. Сервер объединяет шесть платформ в единое пространство: GitHub, Linear, Jira, GitLab, Notion и Obsidian.

Rove MCP

noncelogic

MCP-сервер Rove — это хостинг Playwright, созданный для AI-агентов. Он работает как посредник между агентом и браузером: отправляет команды, получает данные со страниц. Главная особенность: вместо скриншотов сервер возвращает доступное дерево (accessibility tree). Это структурированный список элементов, который LLM обрабатывает быстрее и дешевле. Для типовой страницы скриншот занимает ~114 000 токенов, доступное дерево — ~26 000. Экономия около 77 %. Разработчики AI-ассистентов используют Rove, чтобы агенты могли заполнять формы, нажимать кнопки, собирать данные и делать скриншоты — без лишних затрат.

Context7

upstash

56.6k2.7k

Context7 — это MCP-сервер, который решает проблему устаревших знаний языковых моделей. Когда вы просите нейросеть написать код на основе определённой библиотеки, она часто опирается на старые данные из обучения и выдаёт неработающие примеры или вымышленные функции. Context7 перехватывает ваш запрос, находит актуальную документацию для используемого пакета или фреймворка и подкладывает её прямо в контекст промпта. Так модель отвечает на основе свежих официальных материалов. Сервер пригодится разработчикам, которые работают через AI-ассистентов (Claude, Cursor, продолжения) и не хотят тратить время на ручное копирование документации. Всё происходит автоматически: вы просто дописываете к промпту маркер use context7 или используете специальную команду, и модель получает актуальные API-референсы, примеры кода и информацию о версиях.

Serena MCP: the IDE for your agent

oraios

24.9k1.7k

У людей есть IDE. У AI-агентов такого инструмента не было. Serena меняет ситуацию. Это MCP-сервер, дающий агенту среду разработки с семантикой. Агент оперирует символами — переменными, функциями, классами — и понимает их связи. Результат — меньше ошибок, быстрые правки, контекстное понимание кода. Serena даёт агенту не просто доступ к файлам, а понимание архитектуры. Разница между поиском по слову и знанием, что authUser — это функция из модуля users, возвращающая экземпляр User.

Keploy

keploy

17.6k2.2k

Keploy — это MCP-сервер для автоматизации API-тестирования. Он записывает реальные HTTP-запросы и ответы, а затем превращает их в готовые тесты и моки. Вам не нужно писать код — сервер сам анализирует трафик и создаёт тестовые сценарии. Подходит разработчикам и DevOps-инженерам, которые хотят быстро покрыть API тестами без ручной работы. Проект с открытым исходным кодом — на GitHub его отметили уже более 17 000 разработчиков. Сервер умеет генерировать тесты из OpenAPI-спецификаций, коллекций Postman, curl-запросов и реального пользовательского трафика. Под капотом — Go-движок Keploy, который работает на уровне ядра через eBPF и не требует изменений в коде приложения. Вы можете запускать тесты локально или в CI/CD, отслеживать покрытие и автоматически создавать заглушки (моки) для зависимых сервисов.

Figma Context MCP — GLips

GLips

15k1.2k

Сервер Figma-Context-MCP подключает AI-ассистента (Cursor, Claude Desktop и других) к данным из Figma. Вы даёте ссылку на дизайн — ассистент получает структурированное описание макета: расположение элементов, размеры, отступы, цвета, шрифты и другие CSS-свойства. В отличие от передачи скриншотов, этот подход передаёт точные метрики и атрибуты. Модель может в один запрос сгенерировать код, совпадающий с дизайном до пикселя. Сервер автоматически сокращает передаваемые данные, оставляя только значимую информацию для конкретного фрейма или компонента.

Kubeshark MCP

kubeshark

11.9k538

Kubeshark MCP подключает AI-агентов к сети Kubernetes. Вы пишете запрос обычным языком, сервер ищет данные в трафике кластера и отдаёт их агенту. В основе — open-source проект Kubeshark (бывший Mizu). Он перехватывает пакеты на уровне ядра через eBPF. Не нужно никаких sidecar или ручной настройки. Сервер сам индексирует трафик и расшифровывает TLS/mTLS. Поддерживает протоколы микросервисов: HTTP/1.1, HTTP/2, gRPC, Redis, Kafka, DNS. Разработчикам и SRE достаточно описать словами, что искать.