convez.ai
MCP ServerIntegração & APIsIntermediário
BrunoL28

MongoDB MCP Server

BrunoL28/mongodb-mcp

Acesso nativo ao MongoDB via linguagem natural para Claude e IAs

Ver no GitHub
InicialPluginScore · de 0 a 100

Servidor Model Context Protocol que conecta Claude e outras IAs diretamente ao MongoDB, permitindo descoberta automática de schemas, queries em linguagem natural e operações CRUD completas. Transforma bancos de dados em recursos virtuais acessíveis nativamente pela IA, eliminando a necessidade de APIs intermediárias.

Instalação

$npx convez-ai BrunoL28/mongodb-mcp

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 7 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Queries e análises de dados MongoDB em linguagem natural sem SQL
  • Automação de operações CRUD e agregações complexas via IA
  • Descoberta e documentação automática de schemas de bancos existentes
  • Diagnóstico de performance e sugestão de índices com IA

Veredito

MCP robusto que democratiza acesso a dados MongoDB para usuários não-técnicos via IA. Implementação completa com suporte a DDL, CRUD, agregações e índices, mas requer familiaridade com MCP e TypeScript para deploy.

README

A tradução para o português deste README ainda está na fila.

MongoDB MCP Server

Um servidor Model Context Protocol (MCP) para interagir com bancos de dados MongoDB de maneira nativa, permitindo que inteligências artificiais (como Claude) descubram automaticamente sua modelagem de dados e atuem sobre eles com segurança.


Índice


Overview

O MongoDB MCP Server foi construído sob o padrão oficial do Model Context Protocol da Anthropic, focado em permitir que os assistentes conversem intimamente com seu banco de dados MongoDB. Com essa ferramenta, é possível realizar queries em linguagem natural, um grande facilitador para o cotidiano e para que pessoas não técnicas possam acessar dados importantes e tirar dali insights potencializados pela IA.

Com este MCP em execução localmente, a IA conectada a ele ganha o superpoder de ler schemas automaticamente lendo instâncias reais ("Virtual Resources"), rodar complexos pipelines de agregação, diagnosticar lentidões, sugerir tipagens TypeScript, além da capacidade de ler, criar, modificar, buscar e remover dados de dentro de coleções do banco e ajustar índices das colunas.


Tools

O MCP expõe automaticamente um registro dinâmico de comandos (Tools) que o Modelo de Linguagem pode escolher executar sobre o banco de dados. As seguintes ferramentas foram implementadas:

Operações nas Coleções (DDL)

  • list-collections: Retorna os nomes das coleções disponíveis no banco de dados.
  • create-collection: Cria uma nova coleção.
  • drop-collection: Deleta uma coleção inteira do banco.
  • analyze-schema: Lê uma amostra de documentos (ex: 50) e infere os tipos (schema, nullability, sub-objetos) devolvendo o formato da estrutura dessa tabela.

Operações de Documentos (CRUD)

  • find: Busca de documentos padrão, recebendo filtros (em array de {} da agregação ou similar).
  • insert-one: Insere um documento numa coleção.
  • update-one: Modifiers`**: Atualiza um esquema único num contexto flexível.
  • delete-one: Remove documentos com certas dependências.
  • aggregate: Executa livre e abertamente aggregation pipelines flexíveis de data transformation e analytics, trazendo toda a robustez do MongoDB ($match, $group, $project, etc).
  • bulk-write: Permite executar várias operações atômicas (inserts, updates e deletes isolados) ao mesmo tempo processados num lote de array único pelo Node.js.

Operações de Índices

  • Ferramentas completas para create-index, drop-index e list-indexes.

Resources & Prompts

Além de ferramentas procedimentais (Tools), o MCP faz extensivos usos das capabilities da SDK do Model Context Protocol:

Resources (Virtual Files)

  • mongodb://schema/{collectionName}: Ao invés de forçar o LLM a "pedir" pelo schema em seu backend de forma explícita toda hora com uma tool, o MCP registra no sistema do LLM o schema de todas as suas conectadas coleções de forma instantânea como se fossem documentos locais virtuais.

Prompts (Guided Actions)

Templates prévios que aparecem na interface do Claude Desktop (como botões) que auxiliam num "começo-rápido":

  1. generate-types: Você providencia a tabela para clicar; o Prompt extrai do Virtual Resource acima o Schema JSON da collection e pede imediatamente ao LLM para criar toda a tipagem interface e type do TypeScript robusta para seu código baseado nos dados reais.
  2. optimize-query: O usuário fornece a collection e a consulta/agregação que achou lenta no banco, onde o prompt manda a IA investigar como o schema pode ser melhor refatorado e que novos índices criar.

Estrutura de arquivos e pastas

mongodb-mcp/
├── src/
│   ├── index.ts               # Ponto de entrada ("main") onde servidor MCP e capabilities sobem
│   ├── mongodb/
│   │   ├── client.ts          # Módulo de conexão Singleton (MongoClient / db)
│   │   └── schema.ts          # Regras e algoritmos de inferência de schema reverso das coleções
│   └── tools/
│       ├── registry.ts        # Registro dinâmico de ferramentas (add/getTool)
│       ├── base/
│       │   └── tool.ts        # Classe base (BaseTool) e padronização do payload / catch
│       ├── collection/        # Tools de DDL (create, drop, schema, list)
│       ├── documents/         # Tools de DML (CRUD simples, bulk-write e aggregates)
│       └── indexes/           # Tools voltadas para índices ($index)
├── package.json               # Dependências e scripts npm
├── tsconfig.json              # Configurações do Compilador TS
└── README.md                  # Este arquivo documentacional

Como rodar o MCP

1. Requisitos

  • Node.js (v18.0.0 ou mais recente recomendado)
  • Um cluster ou URL padrão MongoDB (Atlas/Localhost).

2. Instalação e Compilação

Faça o clone ou setup do seu local, e execute:

pnpm install
pnpm run build

ou

npm install
npm run build

ou

bun install
bun run build

3. Rodar via CLI individual

Você rodará o servidor via Node apontando para a sua string de conexão na AWS, Mongo Compass ou Localmente.

node dist/index.js "mongodb://usuario:senha@localhost:27017/meudb"

4. Integração com LLMs

Se estiver usando o aplicativo oficial da Anthropic Desktop, ou outra IDE com suporte à MCPs, coloque toda a string de conexão:

{
  "mcpServers": {
    "BrunoL28/mongodb-mcp": {
      "command": "node",
      "args": [
        "C:/Caminho/Absoluto/Para/Seu/Repositorio/mongodb-mcp/dist/index.js",
        "mongodb://localhost:27017/minhabaserestrita"
      ]
    }
  }
}

Contributing

Contribuições para o projeto são incrivelmente bem vindas, especialmente na formatação de complexidades de agregação e parsing do novo protocolo Model Context.

  1. Faça um Fork do projeto.
  2. Crie uma branch apontada para sua funcionalidade nova (`git checkout -b feature/MinhaFeature`).
  3. Adicione os testes à classe, reescreva em `dist` com `npm run build`
  4. Commit as alterações (`git commit -m 'feat: Add MinhaFeature'`).
  5. Mande pro remoto com `git push` e abra um Pull Request.
Ver o original no GitHub

Bom para

Relacionados