Bienvenido a la Iniciativa Open Data de Vinkius.

Estamos abriendo el acceso al catálogo Model Context Protocol (MCP) de Vinkius. Documentación actualizada automáticamente para 7.588 Connectors únicos.

Pregunta a la IA sobre la Iniciativa de Datos Abiertos

Disponible en

GitHubgithub.com

Hugging Facehuggingface.co

Kagglekaggle.com

ModelScopemodelscope.ai

Por qué esto importa

Este corpus altamente estructurado está diseñado para investigadores de IA, científicos de datos y desarrolladores de modelos de lenguaje. Nadie más ha compilado, estructurado y publicado el ecosistema de Connectors como un conjunto de datos abierto como tal. Somos los primeros en tratar los metadatos MCP por lo que son: datos de infraestructura crítica que pertenecen al dominio público.

Connectors

Totalmente documentados: el mayor conjunto de datos MCP estructurado jamás publicado

Plataformas Globales

GitHub · Hugging Face · Kaggle · ModelScope, simultáneamente

12h

Sincronización Automática

Actualizado cada 12 horas por pipelines autónomos

CC0

Dominio Público

Usa, modifica, redistribuye para cualquier propósito, con cero restricciones

Distribución global

Un conjunto de datos.Cuatro continentes.

Replicamos el registro completo con integraciones nativas en las cuatro plataformas donde los investigadores, científicos de datos e ingenieros de IA del mundo realmente trabajan.

Kaggle

Notebooks

Ejecuta notebooks directamente contra los datos. Kernels Kaggle, instantáneas versionadas, discusiones comunitarias e integración instantánea con pipelines ML. El conjunto de datos está listo para análisis en el momento en que lo abres.

Utilizado por científicos de datos que investigan patrones de adopción MCP y construyen sistemas de recomendación para selección de herramientas de IA.

Abrir el dataset

Hugging Face

Streaming

Conjunto de datos compatible con streaming en el Hub. Cargalo con una sola línea de Python usando la biblioteca datasets. Previsualízalo en el visor de datos. Integra directamente con transformers y pipelines de fine-tuning.

Ideal para entrenar LLMs para entender y recomendar Connectors, la base para el descubrimiento autónomo de herramientas.

Abrir el dataset

GitHub

Fuente

La fuente de verdad. Clona, haz fork o contribuye. Documentación completa, definiciones de esquema, scripts de automatización y pipelines CI/CD que mantienen los espejos downstream sincronizados.

Infraestructura open source, audita el pipeline, propón adiciones o construye tu propio espejo. Todo el sistema es transparente.

Abrir el dataset

ModelScope

Espejo

Espejo con paridad completa para el ecosistema de desarrolladores chinos. Integración nativa con Alibaba Cloud, PAI y el hub de modelos ModelScope, llevando los AI Connections a más de 10 millones de desarrolladores en China.

El único conjunto de datos MCP estructurado accesible detrás del Gran Firewall, conectando dos ecosistemas.

Abrir el dataset

Referencia del esquema

13 columnas.Un CSV. Listo para consultar.

Cada fila captura el perfil completo de un Connector, desde metadatos e inventario de herramientas hasta calificaciones de calidad asignadas por el Vinkius Debugger. Codificado en UTF-8, ~3 MB, actualizado cada 12 horas.

10 string1 integer1 float1 datetime

vinkius_mcp_servers.csvUTF-8CC0 1.0

vinkius_mcp_servers.csvActualizado cada 12 horas

string

slug

Identificador único del servidor

string

title

Nombre de visualización del servidor

string

Para investigación en IA,desarrollo de productos e inteligencia de mercado.

Cuando todo el ecosistema MCP está estructurado, es consultable y está abierto, los investigadores, constructores y agentes autónomos pueden trabajar con datos reales en lugar de suposiciones.

Fine-Tuning de LLM

Esquemas del mundo real para entrenar modelos en llamadas avanzadas de funciones y utilización de herramientas. Usa tool_names y prompt_examples como corpus estructurado para enseñar a los LLMs a seleccionar e invocar Connectors.

Inteligencia del Ecosistema

Mapea la trayectoria de crecimiento de las categorías de Connectors a lo largo del tiempo. Identifica qué tipos de herramientas (base de datos, API, sistema de archivos, comunicación) se están expandiendo más rápido. Rastrea nuevos registros de servidores como indicador de adopción del ecosistema.

RAG & Fine-Tuning

Alimenta sistemas de generación aumentada por recuperación con el registro. Entrena un LLM que comprenda los servidores disponibles, sus herramientas y cómo recomendar la integración correcta para cualquier tarea.

Análisis de Calidad y Fiabilidad

Explora la distribución de debugger_grade y debugger_score para identificar patrones en servidores de alta calidad vs. mal mantenidos. Correlaciona tools_count con puntuaciones de fiabilidad para medir compromisos entre complejidad y estabilidad.

Machine Learning

Clasificación multi-etiqueta, predicción de categoría o tags a partir de descripciones usando modelos NLP. Sistemas de recomendación, construye recomendadores de herramientas basados en similitud de tags o distancia de embeddings. Detección de anomalías, señala servidores con patrones de puntuación anormales.

Frameworks Agénticos

Metadatos operacionales para estudiar la orquestación multi-agente e integración de sistemas. Analiza cómo las plataformas de software externas se mapean a interfaces de lenguaje natural a través de 7.588 implementaciones reales.

Invitación abierta

Abrimos el catálogo.Ahora es tuyo.

CC0 1.0 Dominio Público. Usa, modifica y distribuye sin restricciones, con fines comerciales o no comerciales. La citación es apreciada, no obligatoria.

Clonar Repositorio Abrir en Kaggle Abrir en Hugging Face

Citación

@dataset{vinkius_mcp_registry,
  title   = {Vinkius MCP Registry, Global Model Context Protocol Dataset},
  author  = {{Vinkius}},
  year    = {{2026}},
  url     = {https://www.kaggle.com/datasets/renato2marinho/vinkius-mcp-registry},
  note    = {Actualizado cada 12 horas. 7.588 Connectors indexados.}
}

Actualizado cada 12 horasCC0 1.0, Dominio Público7.588 servidores