What can you do with this server?

mcp-toolkit is a general-purpose MCP server for AI agents with the following capabilities: * Web Search — Search the web via DuckDuckGo with optional deep content extraction using Playwright, configurable result count (up to 10), and language support. * URL Fetching — Extract main content from a direct HTTP/HTTPS URL using Playwright. * Generic HTTP Requests — Execute GET, POST, PUT, PATCH, DELETE, HEAD, or OPTIONS requests with optional headers and body. * Time & Date Utilities — Get current time in any timezone, convert between timezones, parse dates, add durations, and calculate differences. * Persistent Memory (Key-Value Store) — Store, retrieve, delete, list, search, and clear key-value pairs persistently via SQLite, with namespace support. * Sandboxed Python Execution — Run Python code in an isolated subprocess with configurable timeout (up to 60s), memory limit (256MB on Linux), optional stdin, and no network access. * Sandboxed JavaScript Execution — Run Node.js code in an isolated subprocess with the same safety restrictions as Python (requires Node.js installed).

Which integrations are available for this server?

Provides web search capabilities using DuckDuckGo, allowing AI agents to search the web and extract content from web pages with configurable parameters like result count and language. Supports installation directly from GitHub repositories and provides development tools for extending the MCP server with custom functionality.

How do I use mcp-toolkit?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@mcp-toolkit search for latest Python 3.14 release notes with deep extraction" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

de en es ja ko ru zh

mcp-toolkit

by YoshiLoL0526

Overview Schema Related Servers Score Discussions

Python

Hybrid

mcp-toolkit

Servidor MCP de propósito general para agentes de IA.
Construido con Python 3.13, FastMCP y Playwright.

Herramientas disponibles

Herramienta	Descripción
`web_search`	Busca en DuckDuckGo y extrae contenido web con Playwright
`fetch_url`	Extrae el contenido principal de una URL directa
`http_request`	Ejecuta peticiones HTTP genéricas sin Playwright
`time_now`	Devuelve la fecha y hora actual en una zona horaria
`date_utils`	Convierte zonas horarias y calcula fechas/duraciones
`memory_set`	Guarda un valor persistente en SQLite
`memory_get`	Recupera un valor guardado
`memory_delete`	Elimina una clave
`memory_list`	Lista todas las claves (con filtro por prefijo opcional)
`memory_clear`	Borra toda la memoria (¡irreversible!)
`memory_search`	Busca texto en claves y valores guardados
`run_python`	Ejecuta código Python en un sandbox con timeout
`run_js`	Ejecuta código JavaScript con Node.js en un sandbox con timeout

Instalación

Requisitos previos

UV instalado
Python 3.13 (UV lo descarga automáticamente si no está)
Node.js (opcional, solo para run_js)

Opción A — Instalar desde carpeta local

git clone https://github.com/YoshiLoL0526/mcp-toolkit
cd mcp-toolkit
uv tool install --python 3.13 .

Opción B — Instalar directamente desde GitHub

uv tool install --python 3.13 git+https://github.com/YoshiLoL0526/mcp-toolkit

Paso obligatorio: instalar Chromium para Playwright

Después de instalar el paquete, ejecuta este comando una sola vez:

# Obtener la ruta del entorno virtual creado por uv tool
uv tool run --from mcp-toolkit python -m playwright install chromium

O alternativamente, si sabes la ruta del entorno:

~/.local/share/uv/tools/mcp-toolkit/bin/python -m playwright install chromium

Configuración en clientes MCP

Claude Desktop (`~/Library/Application Support/Claude/claude_desktop_config.json`)

{
  "mcpServers": {
    "mcp-toolkit": {
      "command": "mcp-toolkit"
    }
  }
}

En Windows la ruta es %APPDATA%\Claude\claude_desktop_config.json

Cursor / VS Code (`.cursor/mcp.json` o `.vscode/mcp.json`)

{
  "servers": {
    "mcp-toolkit": {
      "type": "stdio",
      "command": "mcp-toolkit"
    }
  }
}

Servidor HTTP (para acceso remoto o múltiples clientes)

mcp-toolkit --transport http --host 0.0.0.0 --port 8080

El servidor quedará escuchando en http://<host>:<port>/mcp usando el transporte streamable-http (estándar MCP actual). Puedes cambiar la ruta con --path /otra-ruta.

El transporte --transport sse se mantiene por compatibilidad con clientes antiguos, pero está deprecado desde FastMCP 2.3.

Uso de las herramientas

`web_search`

Parámetros:
  query        (str)  — texto a buscar
  max_results  (int)  — resultados a devolver, default 5, máximo 10
  deep         (bool) — si True, extrae el contenido completo de cada página
  language     (str)  — idioma para las cabeceras HTTP, default "es-ES"

Ejemplo (agente):

Busca las últimas noticias sobre Python 3.13 con deep=True

`fetch_url`

Parámetros:
  url (str) — URL absoluta HTTP o HTTPS a leer

Ejemplo (agente):

Lee https://example.com/articulo con fetch_url

`http_request`

Parámetros:
  method  (str)  — método HTTP: GET, POST, PUT, PATCH, DELETE, HEAD u OPTIONS
  url     (str)  — URL absoluta HTTP o HTTPS
  headers (dict) — cabeceras opcionales
  body    (str)  — cuerpo opcional como texto
  timeout (int)  — segundos máximos, default 10, máximo 60

Ejemplo (agente):

Haz un POST a https://api.example.com/items con http_request

`time_now` / `date_utils`

time_now(timezone_name="UTC")

date_utils(
  action="convert_timezone",
  value="2026-04-21T12:00:00+00:00",
  target_timezone="America/New_York"
)

Acciones soportadas por date_utils: parse, convert_timezone, add y diff. Para fechas sin offset se usa timezone_name; las zonas horarias deben ser nombres IANA como UTC, America/New_York o Europe/Madrid.

`memory_set` / `memory_get`

memory_set(key="usuario_nombre", value="Carlos", namespace="default")
memory_get(key="usuario_nombre", namespace="default")
memory_list(prefix="usuario_", namespace="default")
memory_search(query="Carlos", namespace="default")

Los datos se guardan en ~/.local/share/mcp-toolkit/memory.db. Todas las herramientas de memoria aceptan namespace para separar datos por proyecto, cliente o conversación. Si no se indica, se usa default.

`run_python`

Parámetros:
  code     (str) — código Python a ejecutar
  timeout  (int) — segundos máximos, default 10, máximo 60
  stdin    (str) — entrada estándar opcional

Restricciones de seguridad:

Entorno mínimo: no hereda secretos ni variables arbitrarias del proceso host
Directorio de trabajo temporal por ejecución
Proxies HTTP anulados por variables de entorno
Límite de memoria: 256 MB (Linux/macOS)
Timeout estricto: el proceso se mata al agotarse el tiempo
En Windows no hay límite de memoria por proceso aplicado desde Python
El bloqueo de red no es una garantía de aislamiento fuerte; para código no confiable se recomienda ejecutar el servidor dentro de un contenedor o VM con políticas de red

`run_js`

Mismos parámetros que run_python. Requiere Node.js instalado en el sistema.

Desarrollo

git clone https://github.com/YoshiLoL0526/mcp-toolkit
cd mcp-toolkit
uv sync
uv run python -m playwright install chromium

# Ejecutar en modo desarrollo
uv run mcp-toolkit

# Tests
uv run pytest

Añadir una nueva herramienta

Crear mcp_toolkit/tools/mi_tool.py con una función async def mi_tool(...) -> str
Importarla y registrarla en server.py con mcp.tool()(mi_tool)
Reinstalar: uv tool install --python 3.13 . --reinstall

Estructura del proyecto

mcp-toolkit/
├── pyproject.toml
├── README.md
├── mcp_toolkit/
│   ├── server.py              # FastMCP app + registro
│   ├── tools/
│   │   ├── web_search.py      # Playwright: buscar + extraer
│   │   ├── fetch_url.py       # Extraer una URL directa
│   │   ├── http_request.py    # Cliente HTTP genérico
│   │   ├── date_time.py       # Fechas, zonas horarias y duraciones
│   │   ├── memory.py          # SQLite KV store con namespaces
│   │   ├── run_python.py      # Sandbox Python
│   │   └── run_js.py          # Sandbox Node.js
│   └── utils/
│       ├── browser.py         # Singleton Playwright
│       └── sandbox.py         # Helpers de subprocess y timeout
└── tests/

Licencia

MIT

Install Server

license - permissive license

quality

maintenance

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Tools

Latest Blog Posts

Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
open source
OpenAI
Tool Definition Quality Score (TDQS)
By punkpeye on April 3, 2026.
mcp
The Hackers Who Tracked My Sleep Cycle
By punkpeye on March 26, 2026.
security

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/YoshiLoL0526/mcp-toolkit'

If you have feedback or need assistance with the MCP directory API, please join our Discord server

mcp-toolkit

Herramientas disponibles

Instalación

Requisitos previos

Opción A — Instalar desde carpeta local

Opción B — Instalar directamente desde GitHub

Paso obligatorio: instalar Chromium para Playwright

Configuración en clientes MCP

Claude Desktop (~/Library/Application Support/Claude/claude_desktop_config.json)

Cursor / VS Code (.cursor/mcp.json o .vscode/mcp.json)

Servidor HTTP (para acceso remoto o múltiples clientes)

Uso de las herramientas

web_search

fetch_url

http_request

time_now / date_utils

memory_set / memory_get

run_python

run_js

Desarrollo

Añadir una nueva herramienta

Estructura del proyecto

Licencia

Resources

Looking for Admin?

Tools

Latest Blog Posts

MCP directory API

Claude Desktop (`~/Library/Application Support/Claude/claude_desktop_config.json`)

Cursor / VS Code (`.cursor/mcp.json` o `.vscode/mcp.json`)

`web_search`

`fetch_url`

`http_request`

`time_now` / `date_utils`

`memory_set` / `memory_get`

`run_python`

`run_js`