Una lista práctica de servidores MCP en tres grupos: el registro oficial MCP y los servidores de referencia, directorios comunitarios gratuitos como Glama, mcp.so y PulseMCP, y el registro y las listas awesome de GitHub. Incluye una tabla comparativa, una rutina de seguridad y una configuración que funciona.
Busca un servidor MCP hoy y te encontrarás con un mar de opciones. Hay decenas de miles de fichas repartidas en una docena de sitios, y cada sitio define "listado" a su manera. Unos pocos catálogos los revisan los propios mantenedores del protocolo. La mayoría se extraen de GitHub durante la noche y se ordenan según la señal que prefiera el dueño de cada sitio.
Esta lista de servidores MCP organiza ese ruido en tres grupos útiles para decidir: fuentes oficiales, directorios comunitarios gratuitos y directorios y listas de GitHub. Para cada uno verás qué es, qué hace bien y dónde se queda corto. Después llegan una breve rutina de seguridad, una configuración que funciona y un repaso a los servidores que generan imágenes y video.
Primero, los términos. Un servidor MCP es un programa pequeño que expone herramientas, datos o prompts a un cliente de IA como Claude, Cursor o VS Code a través del Model Context Protocol. Los servidores locales se comunican por stdio, y los remotos por Streamable HTTP. Un directorio es un catálogo de esos programas. Un registro es un directorio con normas sobre quién puede publicar.
💡 Respuesta corta: usa el registro oficial MCP cuando necesites un nombre verificado, Glama o PulseMCP cuando quieras explorar una categoría, y GitHub cuando quieras leer el código fuente antes de ejecutar nada en tu equipo.
"Oficial" aquí significa una de dos cosas: lo gestiona el propio proyecto MCP, o lo gestiona la empresa que creó el servicio. Estas fuentes son pequeñas, y precisamente por eso puedes confiar en ellas.
El registro oficial MCP está en registry.modelcontextprotocol.io y se lanzó en vista previa el 8 de septiembre de 2025. Un publicador describe un servidor en un archivo server.json y lo sube con la herramienta de línea de comandos mcp-publisher. Los nombres usan DNS invertido, como io.github.username/server o com.example/server, y el publicador tiene que demostrar que es dueño de la cuenta de GitHub o del dominio detrás de ese espacio de nombres.
Hay dos detalles importantes. Primero, es un catálogo de metadatos, no un alojamiento: una ficha apunta a un paquete o a una URL remota y no ejecuta nada por sí misma. Segundo, su documentación describe una vista previa en la que pueden producirse cambios incompatibles o reinicios de datos antes de la disponibilidad general, así que revisa el estado actual antes de crear herramientas sobre su API. Los clientes y agregadores lo leen a través de una API REST, por eso un nombre del registro es la cadena más segura para pegar en la configuración de un cliente.
El repositorio modelcontextprotocol/servers tiene más de 90 000 estrellas, pero solo enumera los pocos servidores que mantiene el grupo directivo de MCP. Piensa en él como código de ejemplo funcional, no como una tienda.
| Servidor | Qué hace |
|---|---|
| Everything | Un servidor de demostración con prompts, recursos y herramientas, creado para probar clientes |
| Fetch | Obtiene contenido web y lo convierte para que lo use el modelo |
| Filesystem | Operaciones de archivos con controles de acceso |
| Git | Lee, busca y edita repositorios |
| Memory | Memoria persistente basada en un grafo de conocimiento |
| Sequential Thinking | Resolución de problemas paso a paso mediante secuencias de pensamiento |
| Time | Conversión de hora y zonas horarias |
Los servidores de referencia más antiguos, entre ellos GitHub, Slack, PostgreSQL, Puppeteer, Google Drive, Redis y SQLite, pasaron a un repositorio aparte servers-archived. El servidor de Brave Search fue sustituido por la versión oficial de Brave. El README del repositorio remite a quien busque una lista al registro MCP.
💡 Si un tutorial te indica que instales uno de los servidores archivados, busca primero el servidor actual del proveedor. Los comandos de instalación antiguos siguen circulando en blogs mucho después de que el código dejara de recibir actualizaciones.
Cada vez más empresas publican su propio servidor. Ejemplos son el servidor de GitHub en github/github-mcp-server, playwright-mcp de Microsoft para automatización del navegador, y Context7 de Upstash para documentación de bibliotecas. Los servidores remotos de Stripe, Notion, Linear, Sentry, Figma y Cloudflare siguen el mismo patrón.
La regla general es sencilla: cuando el proveedor publica un servidor, prefiérelo a un clon de la comunidad. La lista de herramientas sigue a la API real, la empresa corrige los problemas de seguridad y la documentación la escriben personas que conocen el producto. Busca "MCP" en la documentación del proveedor antes de abrir cualquier directorio.
Los directorios comunitarios cambian la curación por volumen. Todos los sitios siguientes se pueden explorar gratis, aunque algunos venden alojamiento o planes de pago además. Toma las cifras como instantáneas de mediados de 2026, porque cambian a diario.
Glama tenía unos 50 800 servidores de código abierto en julio de 2026, lo que lo convierte en el índice más grande de esta lista. También aloja servidores detrás de una pasarela, así que puedes conectarte mediante una API en lugar de ejecutar tú el código. mcp.so es un directorio comunitario con unas 19 700 fichas y envíos abiertos.
El volumen es el punto fuerte y también el problema. A esa escala te encontrarás con duplicados, bifurcaciones abandonadas y proyectos de fin de semana con un solo commit. Ordena por actualizaciones recientes y estrellas antes de hacer clic en nada, e ignora cualquier ficha que no tenga enlace a su código fuente.
PulseMCP sigue varios miles de servidores y se apoya en señales de popularidad y frescura. Eso lo convierte en la pestaña adecuada cuando quieres los servidores más usados de una categoría, como bases de datos, automatización del navegador o búsqueda, en lugar de todos los servidores que existen.
Un directorio te dice qué existe. Estos dos te ayudan a ponerlo en marcha. Smithery es un marketplace con alojamiento y gestión de OAuth, de modo que los servidores remotos se conectan sin que tengas que configurar las credenciales a mano. El Docker MCP Catalog empaqueta los servidores como contenedores, y la pasarela MCP de Docker los inicia bajo demanda e inyecta las credenciales que necesitan, lo que mantiene cada servidor aislado del resto de tu equipo.
Elige estos cuando prefieras aislar antes que confiar. La contrapartida es otra pieza más en movimiento: ahora hay una cuenta de plataforma, o una instalación de Docker, entre tu cliente y la herramienta.
GitHub es donde vive casi todo servidor, así que también es donde están las fichas más honestas. Puedes leer el código, los issues y el historial de commits antes de decidir nada.
GitHub lanzó su propio registro MCP en septiembre de 2025 como catálogo seleccionado, con instalación en VS Code de un solo clic. En su lanzamiento contaba con 39 servidores de socios como Figma, Postman, HashiCorp y Dynatrace, cada uno revisado antes de publicarse, y las entradas se pueden ordenar por estrellas de GitHub. Es pequeño, pero cada entrada está vinculada a un repositorio que puedes abrir. Es probable que la cifra haya crecido desde el lanzamiento.
El formato clásico es un único README con enlaces agrupados por categoría. punkpeye/awesome-mcp-servers y wong2/awesome-mcp-servers son dos ejemplos muy usados.
Usa la función de búsqueda de tu navegador para encontrar la herramienta que necesitas y, antes de fiarte de un enlace, revisa la fecha del último commit de cada repositorio.
Cuando las listas no encuentran algo, busca en el propio GitHub. El tema mcp-server es donde los autores etiquetan sus proyectos, y la sintaxis de búsqueda te permite filtrar los obsoletos:
topic:mcp-server language:TypeScript stars:>50 pushed:>2026-07-01
Cambia el lenguaje por Python, Go o Rust según lo que tu equipo pueda mantener. Un servidor que puedas leer y corregir tú mismo vale más que uno un poco más popular que no puedes revisar.
Cada fuente de arriba responde a una pregunta distinta. Esta tabla las pone una al lado de otra.
| Fuente | Tipo | Tamaño (mediados de 2026) | Ideal para | Cuidado con |
|---|---|---|---|---|
| Registro oficial MCP | Registro | Seleccionado | Nombres verificados e integraciones con clientes | Estado de vista previa |
| modelcontextprotocol/servers | Repositorio de GitHub | 7 servidores de referencia | Probar clientes, leer código de ejemplo limpio | No es un catálogo |
| Registro MCP de GitHub | Registro seleccionado | 39 en el lanzamiento | Servidores vinculados a repositorios legibles | Selección pequeña |
| Glama | Índice y alojamiento | Unos 50 800 | Búsqueda más amplia, opción alojada | Duplicados |
| mcp.so | Directorio comunitario | Unos 19 700 | Envíos abiertos | Calidad irregular |
| PulseMCP | Directorio | Varios miles | Señales de popularidad | Menos fichas |
| Smithery | Marketplace y alojamiento | Variable | OAuth y servidores alojados | Dependencia de la plataforma |
| Catálogo MCP de Docker | Catálogo de contenedores | Variable | Aislamiento y gestión de credenciales | Requiere Docker |
| Listas awesome | README de GitHub | Variable | Exploración gratuita por categoría | Enlaces caducados |
La mayoría de las personas acaban usando dos fuentes: una para encontrar candidatos y otra, normalmente GitHub, para revisarlos.
Un servidor MCP se ejecuta con tus permisos, y todo lo que devuelve llega directamente a tu modelo. Uno descuidado puede leer archivos que no debería tocar, filtrar tokens o colar instrucciones en la conversación. Trata cada servidor como una dependencia que tiene acceso a la shell.
Concede a cada servidor el acceso más restringido que funcione. Usa un usuario de base de datos de solo lectura, un token de GitHub con permisos acotados y una única carpeta de proyecto en lugar de todo tu directorio personal. Guarda los tokens en variables de entorno, nunca en un archivo de configuración que subas al repositorio.
Ejecuta los servidores desconocidos primero dentro de Docker o en una máquina virtual desechable. El modelo lee las descripciones de las herramientas, así que un servidor malicioso puede intentar una inyección de prompts a través de ellas. Mantén activada la aprobación humana para cualquier herramienta que escriba, borre o envíe algo.
⚠️ Ojo con las colisiones de nombres de herramientas. Dos servidores que exponen una herramienta llamada
searchoread_filepueden confundir al modelo sobre cuál debe llamar. Instala menos servidores y desactiva las herramientas que nunca uses.
Elige un servidor inofensivo para tu primera prueba. El servidor Filesystem de referencia es una buena opción porque controlas exactamente qué carpeta puede ver.
La mayoría de los clientes de escritorio leen un archivo JSON con un objeto mcpServers. Cada entrada indica el comando que se ejecuta y sus argumentos:
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Users/me/projects"
]
}
}
}
El último argumento es la única carpeta que el servidor puede leer y escribir. Guarda el archivo, reinicia el cliente por completo y las herramientas aparecerán en el menú de herramientas. Los servidores remotos no necesitan ningún comando: añades su URL en los ajustes de conectores o servidores del cliente e inicias sesión con OAuth cuando lo pida.
Para probar un servidor por su cuenta antes de conectarlo a un cliente, ejecuta MCP Inspector con npx @modelcontextprotocol/inspector. Muestra las herramientas del servidor, te permite llamarlas a mano y enseña los mensajes sin procesar.
Errores comunes y soluciones rápidas:
spawn npx ENOENT: Node.js no está en el PATH que ve tu cliente. Instala Node o escribe la ruta completa a npx en el campo command.La generación de imágenes y de video son dos de las categorías más activas en todos los directorios de arriba. Un servidor de este grupo envuelve la API de un modelo en unas pocas herramientas: generar, consultar el estado y obtener el resultado.
El modelo del lado del cliente también importa. La calidad de las llamadas a herramientas varía, así que prueba tus servidores con algunos candidatos como Claude Sonnet 5, GPT-5.6 Sol, Gemini 3.5 Flash o Kimi K2.6 antes de decidirte por uno.
PicassoIA expone sus modelos de generación de dos formas: una API REST en api.picassoia.com/v1 y un conector para clientes MCP como claude.ai. La API sigue el patrón asíncrono habitual. Creas una predicción, la consultas hasta que termina y después obtienes el resultado. El conector convierte esos mismos modelos en herramientas:
| Herramienta | Función |
|---|---|
generate_image | Crea una imagen a partir de un prompt de texto |
edit_image | Modifica una imagen existente |
generate_video_picassoia | Crea un video con el modelo de video de PicassoIA |
generate_video_seedance | Crea un video con un modelo Seedance |
get_generation | Consulta un trabajo hasta que termina con éxito o con error |
list_generations | Explora resultados anteriores |
cancel_generation | Detén un trabajo que sigue en cola o en ejecución |
list_models y get_account | Consulta los modelos disponibles, el plan y los límites de ejecución en paralelo |
A fecha de octubre de 2026, se pueden ejecutar hasta cinco predicciones a la vez por cuenta, y ese límite se comparte entre el acceso por API y las conexiones MCP. Los requisitos de plan para el acceso por API y MCP aparecen en picassoia.com/en/api, así que lee esa página antes de construir un flujo de trabajo sobre ello.
💡 Consejo para video: parte de una imagen fija sólida y anímala. Un primer fotograma limpio le da al modelo de video una composición fija, así que gastas menos reintentos en resultados inestables.
No necesitas cincuenta servidores. La mayoría de las configuraciones de trabajo funcionan con tres a seis: un servidor de archivos o de Git, una herramienta de navegador o búsqueda, uno o dos servidores de proveedores para los productos que usas a diario y un servidor de generación si creas contenido visual.
Una rutina que mantiene la lista en buen estado:
Si creas contenido visual, la forma más rápida de comprobar que un flujo de trabajo con MCP compensa es probarlo. Abre Picasso IA, elige un modelo de la lista completa de modelos y escribe tu primer prompt. Genera algunas imágenes con Seedream 5 Pro, anima la mejor con Seedance 2.0 y luego conecta los mismos modelos a tu cliente de IA para que el siguiente lote se ejecute desde un único chat. Empieza poco a poco, prueba distintos prompts y modelos, y quédate con la lista corta que te funcione.
Elige tu idioma
