Context7
Up-to-date docs for AI agents
Descripción del creador (original en inglés)
Browse, search and fuzzy-match NACE Rev. 2.1 economic activity classification codes.
Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.
Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.
Elige la app de IA que usas y copia la configuración.
Necesitas
¿Qué app usas?
Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.
Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json
{
"mcpServers": {
"nace": {
"command": "npx",
"args": [
"-y",
"nace-mcp"
]
}
}
}Ejecuta esto en tu terminal
claude mcp add nace -- npx -y nace-mcpPégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json
{
"mcpServers": {
"nace": {
"command": "npx",
"args": [
"-y",
"nace-mcp"
]
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
Pégalo en .vscode/mcp.json de tu proyecto
{
"servers": {
"nace": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"nace-mcp"
]
}
}
}Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.
Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.
Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.
Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 7 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub DeJo90, dueña del repo
Todavía no hemos leído este repo en GitHub
Todavía no hemos leído este repo en GitHub
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez –, y la última versión (1.0.1) llegó al registro hace 9 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Node.js en tu computadora.
En la misma categoría: Context7, Codebase Memory, Exa
Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.
Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Up-to-date docs for AI agents
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
An MCP server exposing NACE Rev. 2.1 economic activity classification codes for AI agents.
NACE (Nomenclature of Economic Activities) is the European standard for classifying economic activities. This server loads all 1,047 codes into memory at startup and provides four tools for browsing, looking up, searching, and fuzzy-matching codes — without ever dumping the full dataset to the agent.
Add to your Claude (or any MCP-compatible client) config:
{
"mcpServers": { "nace-mcp": { "command": "npx", "args": ["nace-mcp"] } } }
nace_get(code)Returns full details for a single NACE code.
Input: code — e.g. "A", "01", "25.1", "25.11"
Example output:
{
"code": "95.31", "label": "Repair and maintenance of motor vehicles", "level": "class", "parent": "95.3" }
nace_browse(parent_code?)Returns the direct children of a code (compact: code + label only). Omit parent_code to list all 22 top-level sections. Max 50 results.
Input: parent_code (optional) — e.g. "C", "25", "25.1"
Example — `nace_browse()` (no argument):
[
{ "code": "A", "label": "Agriculture, forestry and fishing" }, { "code": "B", "label": "Mining and quarrying" }, { "code": "C", "label": "Manufacturing" }, ... ]
Example — `nace_browse("J")`:
[
{ "code": "58", "label": "Publishing activities" }, { "code": "59", "label": "Motion picture, video and television programme production, sound recording and music publishing activities" }, { "code": "60", "label": "Programming, broadcasting, news agency and other content distribution activities" }, ... ]
nace_search(query)Case-insensitive substring search across all activity labels. Returns up to 10 matches.
Input: query — e.g. "software", "fishing", "consulting"
Example — `nace_search("software")`:
[
{ "code": "58.1", "label": "Publishing of books, newspapers and other publishing activities, except software publishing", "level": "group" }, { "code": "58.19", "label": "Other publishing activities, except software publishing", "level": "class" }, { "code": "58.2", "label": "Software publishing", "level": "group" }, { "code": "58.29", "label": "Other software publishing", "level": "class" } ]
nace_suggest(activity_description)Fuzzy-matches a free-text description to NACE codes. Tokenizes the input, scores by matched terms, and returns the top 5 candidates with a brief explanation. Designed for AI agents doing classification.
Input: activity_description — free-text description of the economic activity
Example — `nace_suggest("computer programming software development consultancy")`:
[
{ "code": "62", "label": "Computer programming, consultancy and related activities", "level": "division", "reason": "Matched: \"computer\", \"programming\", \"consultancy\"" }, { "code": "62.1", "label": "Computer programming activities", "level": "group", "reason": "Matched: \"computer\", \"programming\"" }, { "code": "62.10", "label": "Computer programming activities", "level": "class", "reason": "Matched: \"computer\", \"programming\"" }, ... ]
Tip: For non-English descriptions (e.g. German "KFZ Mechaniker"), rephrase in English before calling
nace_suggest.
These examples show how an AI agent uses the tools in practice.
The agent calls nace_suggest with an English description:
nace_suggest("motor vehicle repair maintenance workshop")
[
{ "code": "95", "label": "Repair and maintenance of computers, personal and household goods, and motor vehicles and motorcycles", "level": "division", "reason": "Matched: \"motor\", \"vehicle\", \"repair\", \"maintenance\"" }, { "code": "95.3", "label": "Repair and maintenance of motor vehicles and motorcycles", "level": "group", "reason": "Matched: \"motor\", \"vehicle\", \"repair\", \"maintenance\"" }, { "code": "95.31", "label": "Repair and maintenance of motor vehicles", "level": "class", "reason": "Matched: \"motor\", \"vehicle\", \"repair\", \"maintenance\"" } ]
The agent then drills into the best match with nace_get("95.31") to confirm the parent chain:
{
"code": "95.31", "label": "Repair and maintenance of motor vehicles", "level": "class", "parent": "95.3" }
Result: 95.31 is the correct class-level code for a car repair shop.
nace_suggest("bakery bread pastry production")
[
{ "code": "10.71", "label": "Manufacture of bread; manufacture of fresh pastry goods and cakes", "level": "class", "reason": "Matched: \"bread\", \"pastry\"" } ]
Result: 10.71 — first candidate is an exact match, no further navigation needed.
The agent browses the hierarchy top-down:
nace_browse("J")
[
{ "code": "58", "label": "Publishing activities" }, { "code": "59", "label": "Motion picture, video and television programme production, sound recording and music publishing activities" }, { "code": "60", "label": "Programming, broadcasting, news agency and other content distribution activities" }, { "code": "61", "label": "Telecommunications" }, { "code": "62", "label": "Computer programming, consultancy and related activities" }, { "code": "63", "label": "Information service activities" } ]
Then zooms into division 62:
nace_browse("62")
[
{ "code": "62.1", "label": "Computer programming activities" }, { "code": "62.2", "label": "Computer consultancy and computer facilities management activities" }, { "code": "62.3", "label": "Computer facilities management activities" }, { "code": "62.9", "label": "Other information technology and computer service activities" } ]
npm install
npm run build # compile TypeScript → dist/ node dist/index.js # run the server (listens on stdio)
To inspect with the MCP Inspector:
npx @modelcontextprotocol/inspector node dist/index.js