Figma Context MCP
Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.
Beschreibung vom Entwickler (englisches Original)
YMove exercise video API: search exercises, generate workouts and multi-week programs.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"exercisedb": {
"command": "npx",
"args": [
"-y",
"@reneturcios/exercisedb",
"mcp"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add exercisedb -- npx -y @reneturcios/exercisedb mcpIn .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"exercisedb": {
"command": "npx",
"args": [
"-y",
"@reneturcios/exercisedb",
"mcp"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"exercisedb": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@reneturcios/exercisedb",
"mcp"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto CloudCorpRecords bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.0) kam vor 3 Tagen in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js, Docker auf deinem Computer.
In derselben Kategorie: Figma Context MCP, Claude Real Video, Figma MCP Server
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.
Let any LLM watch a video locally — and search everything it has ever watched.
The Figma MCP server brings Figma design context directly into your AI workflow.
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
An MCP server and CLI over the YMove exercise API, which catalogues more than 1,400 exercises with video. Six tools cover the everyday questions a training app or an agent asks of that catalogue: find exercises that fit a filter, open one exercise in full, have a workout generated for a set of muscle groups, have a whole multi-week program generated, and read the two vocabularies (muscle groups and exercise types) the filters draw from, each with its exercise counts.
Whatever the API answers comes back exactly as it answered: each tool returns a single text item carrying the upstream JSON, unchanged. Nothing is reshaped, cached or stored, which also means the API's own properties carry through — exercise video URLs, for instance, are signed by the upstream service and expire after 48 hours.
The six tools:
search_exercises — filter the catalogue by free text, muscle group, exercise type, equipment and difficulty, keep only exercises that have video, and page through the results. Every argument is optional.get_exercise — one exercise by its ID or slug: video URLs, instructions and the muscles it works.generate_workout — a structured workout with sets, reps and rest times. muscleGroup is required; it takes an array of muscle groups, and a single string is accepted and treated as a one-element array. Equipment, exercise types, difficulty, exercise count, structure, rounds and warmup / cooldown blocks are all tunable.generate_program — a multi-week training program with periodization, shaped by goal, difficulty, days per week, number of weeks and available equipment.list_muscle_groups — every muscle group in the catalogue, with its exercise count.list_exercise_types — every exercise type, with counts.Arguments that the REST API documents but the tool set does not expose are deliberately left out: the search tool has no white-background / gym-video or video-tag filters and no include / exclude video-list switches.
The API is keyed. Set your YMove key before running:
export YMOVE_API_KEY="..."
Every request carries the key as the X-API-Key header. A call made without the key fails with YMOVE_API_KEY is not set before any request leaves the process. Validation also runs before any request: a missing required argument reports : missing required argument: and a wrong-typed one reports : argument has the wrong type. An upstream failure is reported as upstream error: HTTP from ymove-api, or upstream unreachable: ymove-api when the API cannot be reached at all.
Each tool is a subcommand taking one JSON argument string:
npx @reneturcios/exercisedb search_exercises '{"muscleGroup":"chest","hasVideo":true}'
npx @reneturcios/exercisedb get_exercise '{"id":"barbell-squat"}' npx @reneturcios/exercisedb generate_workout '{"muscleGroup":["chest","triceps"],"exerciseCount":8}' npx @reneturcios/exercisedb generate_program '{"goal":"strength","weeks":6,"daysPerWeek":3}' npx @reneturcios/exercisedb list_muscle_groups '{}' npx @reneturcios/exercisedb --version
Output is the upstream JSON body, unchanged. Exit codes: 0 on success, 1 on a runtime error (including a validation, API-key or upstream failure), 2 on a usage error.
npx -y @reneturcios/exercisedb mcp
MCP client config:
{
"mcpServers": { "exercisedb": { "command": "npx", "args": ["-y", "@reneturcios/exercisedb", "mcp"], "env": { "YMOVE_API_KEY": "..." } } } }
docker run -i -e YMOVE_API_KEY="..." ghcr.io/cloudcorprecords/exercisedb
docker run --rm -e YMOVE_API_KEY="..." ghcr.io/cloudcorprecords/exercisedb list_exercise_types '{}'
npm install
npm run build # tsc -> dist/ npm test # tsx --test test/*.test.ts (fake fetch only, no network) npm run dev # run the CLI from source
MIT — Copyright (c) 2026 Rene Turcios