तुम AI से coding करते हो। सवाल पूछते हो, error logs paste करते हो, शायद एक-दो function लिखवा लेते हो। वो जवाब देता है अपनी training के basis पर — जो भी उसने सीखा था, वो एक frozen mammoth की तरह time में जम गया है। वो तुम्हारा database check नहीं कर सकता। तुम्हारा GitHub नहीं खोल सकता। Google नहीं कर सकता कि जो library तुम install करने जा रहे हो वो 2023 से abandoned तो नहीं। तुम्हारा AI एक डिब्बे में बंद है। 😼

डिब्बा ही problem है। जो AI तुम्हारे actual infrastructure को छू नहीं सकता, वो बस एक बहुत eloquent rubber duck है।

ये बदला November 2024 में जब Anthropic ने MCP (Model Context Protocol) release किया — AI tools को external services से connect करने का एक standard तरीका। इसे अपने AI के लिए USB ports समझो: एक "server" (एक छोटा background program) plug in करो, और अचानक तुम्हारा AI agent databases query कर सकता है, GitHub issues manage कर सकता है, web search कर सकता है, या browser control कर सकता है। March 2026 तक, official MCP server registry में हज़ारों plugins listed हैं। ज़्यादातर demos हैं। कुछ टूटे हुए हैं। पाँच actually daily काम के लिए matter करते हैं।

मैं तुम्हें हर एक को detail में बताऊँगा, साथ में copy-paste ready install instructions जो पाँच मिनट से कम में काम कर जाएँगे।

शुरू करने से पहले: MCP configs कहाँ रहते हैं

MCP servers किसी भी MCP-compatible client के साथ काम करते हैं — Claude Code, Claude Desktop, Cursor, Windsurf, Cline। मैं Claude Code के examples दूँगा, लेकिन config format लगभग हर जगह same है।

तुम्हारी config file यहाँ होती है:

# Claude Code (project-level)
.mcp.json

# Claude Code (global)
~/.claude.json

# Claude Desktop
~/Library/Application Support/Claude/claude_desktop_config.json  # macOS
~/.config/Claude/claude_desktop_config.json                       # Linux

हर server same pattern follow करता है:

{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "@package/server-name"],
      "env": {
        "API_KEY": "your-key-here"
      }
    }
  }
}

npx एक Node.js package को globally install किए बिना run करता है। -y flag confirmation prompt skip कर देता है। बस इतनी ही formality है। अब असली माल पर आते हैं।

1. PostgreSQL — अपने database से सीधे बात करो

क्या करता है: तुम्हारा AI तुम्हारे database का schema (structure — tables, columns, types) पढ़ता है, SQL queries (database की भाषा) run करता है, और real results देता है। अब terminal से output copy करके chat में paste करने की ज़रूरत नहीं।

तुम्हें क्यों care करना चाहिए: Development का आधा काम है "database check करो, data समझो, query लिखो।" ये server उस पूरे process को एक conversation बना देता है।

Config:

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-postgres",
        "postgresql://user:pass@localhost:5432/mydb"
      ]
    }
  }
}

तुम बोलो: "इस हफ्ते signup करने वाले सब users दिखाओ जिन्होंने कभी कुछ खरीदा नहीं।" Claude तुम्हारे database पर real SQL run करता है। Real data वापस आता है। तुम बोलो: "इसे speed up करने के लिए index बनाओ।" Claude execution plan analyze करके सही index बना देता है।

Server तीन tools expose करता है: query (read-only SQL run करो), list_tables, और describe_table।

Security: एक read-only database user बनाओ। किसी भी automated tool को admin credentials मत दो:

CREATE USER mcp_readonly WITH PASSWORD 'secure_password';
GRANT CONNECT ON DATABASE mydb TO mcp_readonly;
GRANT USAGE ON SCHEMA public TO mcp_readonly;
GRANT SELECT ON ALL TABLES IN SCHEMA public TO mcp_readonly;

Verdict: हर project पर सबसे पहले ये install करता हूँ। रोज़ाना 30+ मिनट बचाता है copy-paste की खुदाई से। 😸

2. GitHub — बिना browser के repos manage करो

क्या करता है: Full GitHub integration — issues, pull requests (PRs — proposed code changes), code search, file operations। सब कुछ तुम्हारे AI agent के through।

तुम्हें क्यों care करना चाहिए: Terminal, chat, और GitHub के बीच context-switching focus को मार देती है। ये server तुम्हें एक ही जगह रखता है।

Config:

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_your_token_here"
      }
    }
  }
}

तुम्हें एक personal access token चाहिए — github.com/settings/tokens से बना लो। ज़रूरी scopes: repo, read:org, read:user।

अब तुम बोल सकते हो: "Login timeout bug के लिए एक issue बनाओ, साथ में वो stack trace जो मैंने अभी दिखाया।" या: "PR #47 review करो और security issues पर comment करो।" Claude diff पढ़ता है, code analyze करता है, GitHub पर real review comments post करता है।

Key tools: create_issue, list_pull_requests, search_code, create_branch, get_file_contents। कुल मिलाकर दर्जन से ज़्यादा।

Power move: इसे Postgres server के साथ combine करो। "Database में error logs check करो, GitHub पर relevant code ढूँढो, दोनों को मिलाकर एक issue बनाओ।" एक prompt। तीन tools। Zero browser tabs। 😹

Verdict: दूसरा server जो install करता हूँ। GitHub का web UI browsing के लिए ठीक है। काम करने के लिए ये तेज़ है।

3. Filesystem — guardrails के साथ controlled file access

क्या करता है: तुम्हारे AI agent को files read, write, search, और manage करने का access देता है — लेकिन सिर्फ उन directories में जो तुम explicitly allow करो। ये तुम्हारी SSH keys या .env files तक नहीं पहुँच सकता।

Config:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y", "@modelcontextprotocol/server-filesystem",
        "/home/user/projects",
        "/home/user/documents"
      ]
    }
  }
}

Multiple directories list करो — server access सिर्फ उन्हीं paths तक restrict करता है। Server path traversal attempts (जैसे ../../etc/passwd वाली tricks) को block करता है।

Tools: read_file, write_file, create_directory, list_directory, move_file, search_files, read_multiple_files।

किसको चाहिए: मुख्य रूप से Claude Desktop users को। Claude Code में पहले से built-in filesystem access है, तो वहाँ ये redundant है। लेकिन Claude Desktop के लिए — जहाँ AI otherwise तुम्हारी files को छू ही नहीं सकता — ये essential है। Directory sandboxing (specific folders तक access restrict करना) genuinely अच्छा security feature है।

Verdict: Claude Code use करते हो तो skip करो। Claude Desktop use करते हो तो तुरंत install करो।

4. Brave Search — real-time web data

क्या करता है: Brave Search API के through web search। तुम्हारा AI training data से guess करने की बजाय live चीज़ें search करता है।

तुम्हें क्यों care करना चाहिए: "Hetzner CAX11 का current price क्या है?" "ये library अभी भी maintained है?" "Next.js का latest version क्या है?" इन सवालों को live answers चाहिए। Training data को पता नहीं पिछले मंगलवार क्या हुआ था।

Config:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "BSA_your_key_here"
      }
    }
  }
}

Free API key brave.com/search/api से लो। Free tier: 2,000 queries/month, 1 request/second। Solo developer के लिए काफी से ज़्यादा है। अगर free limit ख़त्म हो जाए तो paid tier $5/month से शुरू होता है 20,000 queries के लिए।

दो tools: brave_web_search (general web search with pagination) और brave_local_search (local business search)।

Smart usage: Commit करने से पहले अपने AI की architecture suggestions validate करो। "Prisma 6.x और PostgreSQL 17 के known issues search करो" — implementation में तीन दिन घुसने से पहले ये एक बढ़िया sanity check है।

Verdict: AI coding में सबसे बड़ी कमी भरता है — अभी क्या सच है ये check करने की inability। 😼

5. Puppeteer — बातचीत से browser automation

क्या करता है: एक headless browser (एक Chromium browser जो invisibly run होता है, बिना visible window के) control करता है। तुम्हारा AI pages navigate करता है, screenshots लेता है, buttons click करता है, forms भरता है, JavaScript-rendered sites से content extract करता है।

Config:

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}

कोई API keys नहीं। कोई configuration नहीं। Puppeteer Chromium automatically download कर लेता है।

Tools: puppeteer_navigate, puppeteer_screenshot, puppeteer_click, puppeteer_fill, puppeteer_evaluate (page में JavaScript run करो)।

बोलो: "localhost:3000 पर जाओ, login page का screenshot लो, बताओ सही render हो रहा है या नहीं।" फिर: "Test credentials भरो और submit करो।" Claude navigate करता है, fields भरता है, submit click करता है, result का screenshot लेता है।

मैं इसे visual regression testing के लिए use करता हूँ — "हर route पर जाओ और screenshot लो" से मुझे एक visual snapshot मिल जाता है जिसे Claude expected layouts से compare कर सकता है। कोई Playwright setup नहीं, कोई test framework नहीं। बस "जाओ page देखो।"

ध्यान रखो: ये एक real browser run करता है। हर instance 200-500MB RAM खाता है। Memory-constrained laptop पर running मत छोड़ना। जब तुम MCP client बंद करते हो तो server automatically clean up हो जाता है।

Verdict: इस list का सबसे मज़ेदार server। Natural language से browser automation genuinely satisfying है। Frontend work और web scraping के लिए essential। 😸

Complete config — copy-paste करो बस

सारे पाँच servers, एक file:

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres",
               "postgresql://mcp_readonly:password@localhost:5432/mydb"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem",
               "/home/user/projects"]
    },
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "BSA_xxx"
      }
    },
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}

Placeholder values अपने actual credentials से replace करो। .mcp.json में project root पर save करो या ~/.claude.json में global access के लिए।

और ढूँढना (और कब रुकना है)

Official registry यहाँ है: github.com/modelcontextprotocol/servers। mcpservers.org पर community servers listed हैं। Curious हो तो browse करो।

लेकिन "just in case" 15 servers install करने के लालच से बचो। हर एक running process है। हर एक startup time बढ़ाता है। हर एक attack surface है — security issues का potential entry point। 80% developers को दो-तीन servers से ज़्यादा की ज़रूरत नहीं।

अब तुम dangerous हो

तुमने एक AI के साथ शुरू किया था जो text box में बंद था। अब तुम्हारे पास एक ऐसा है जो database query करता है, GitHub manage करता है, live web search करता है, और browser चलाता है। इसके नीचे का protocol — JSON-RPC (एक simple message format) over stdio (standard input/output, programs एक-दूसरे से ऐसे बात करते हैं) — boring है। Boring protocols जो काम करें, exactly वही चाहिए था।

ये पाँच servers एक solo developer की 90% ज़रूरतें cover करते हैं। MCP directory में बाकी सब या तो specific use cases के लिए niche tooling है या ऐसा demo जो टूट जाएगा जैसे ही तुम actually उस पर depend करोगे। Postgres और GitHub से शुरू करो। Brave Search तब जोड़ो जब live data चाहिए। Puppeteer तब जोड़ो जब 2030 में जीने का feel चाहिए।

डिब्बा खुल गया है। तुम्हारे AI के पास अब हाथ हैं। बस ध्यान रखो कि कुछ important गिरा न दे। 😹