convez.ai
MCP ServerIntegração & APIsAvançado
rafael-igo

MCP Servers - Sistema de Agentes Especializados

rafael-igo/mcp-servers

10 MCP Servers híbridos (Python + Docker) para automação e análise avançada

Ver no GitHub
InicialPluginScore · de 0 a 100

Coleção completa de Model Context Protocol Servers (10 MCPs) em arquitetura híbrida Python + Docker para estender capacidades do Claude com funcionalidades especializadas: processamento Excel, orquestração de agentes, gerenciamento de memória, validação de checklists, testes de APIs, geração de componentes UI/UX e administração Docker. Startup 4-6x mais rápido e latência 10-50x menor que alternativas containerizadas.

Instalação

$npx convez-ai rafael-igo/mcp-servers

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
28%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Automação de workflows com orquestração de agentes especializados
  • Processamento e análise de planilhas Excel com contexto de IA
  • Administração de containers Docker via protocolo MCP
  • Testes integrados de APIs e bancos de dados
  • Geração e validação de componentes UI/UX com Vue/Vuetify

Veredito

Sistema robusto e bem documentado para construir assistentes IA com alta performance. A arquitetura híbrida é decisão técnica inteligente, mas requer famiaridade com Python, Docker e MCP para aproveitamento máximo. Ideal para equipes que precisam estender Claude com múltiplas ferramentas especializadas.

README

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

MCP Servers - Sistema de Agentes Especializados

Sistema completo de Model Context Protocol (MCP) Servers com arquitetura híbrida otimizada para máxima performance.

🚀 Quick Start

# 1. Iniciar containers Docker (apenas 2)
docker-compose up -d

# 2. Verificar status
docker-compose ps

# 3. Abrir seu editor (VSCode/Cursor/Codex)
# MCPs Python iniciam automaticamente!

# 4. Testar
docker-admin.health_check()

📦 O que são MCPs?

MCPs (Model Context Protocol Servers) são ferramentas especializadas que estendem as capacidades dos assistentes de IA (Claude, GPT, etc) com funcionalidades específicas:

  • 📊 Processar arquivos Excel
  • 🤖 Orquestrar agentes especializados
  • 🧠 Gerenciar memória persistente
  • ✅ Validar checklists
  • 💡 Capturar e analisar insights
  • 📈 Gerar relatórios de status
  • 🐳 Administrar Docker
  • 🔍 Testar APIs e bancos de dados
  • 🎨 Gerar componentes UI/UX

🏗️ Arquitetura Híbrida

Este projeto usa arquitetura híbrida para otimizar performance:

🐳 Docker (2 MCPs)

Apenas os que realmente precisam:

  • docker-admin - Acesso ao Docker socket
  • api-database-tester - ODBC Driver 18 (Linux)

🐍 Python Local (8 MCPs)

Performance máxima:

  • excel-server
  • agente-orchestrator
  • memory-manager
  • checklist-validator
  • agente-insights
  • agente-resumo
  • igo-openai-gateway
  • vuetify-uiux

🎯 Por que Híbrida?

  • ⚡ 4-6x startup mais rápido (5s vs 30s)
  • 🚀 10-50x latência menor (<1ms vs 10-50ms)
  • 💾 75% menos memória (800MB vs 1.6GB)
  • 💻 Hot reload automático (0s vs 30s rebuild)
  • 🔧 Debug nativo no IDE

📖 Leia mais: DOCKER_vs_PYTHON.md

📚 Documentação

🌟 Comece Aqui

DocumentoDescrição
README_MCPs.md ⭐Índice principal - Comece aqui!
GUIDELINES.mdDocumentação completa dos 10 MCPs
MCP_QUICK_REFERENCE.mdComandos rápidos e templates

🏗️ Arquitetura

DocumentoDescrição
DOCKER_vs_PYTHON.mdPor que 2 Docker + 8 Python
ARQUITETURA_VISUAL.mdDiagramas e fluxos visuais
MIGRACAO_DOCKER_PYTHON.mdAntes/depois, impacto, benefícios

💻 Por Editor

DocumentoDescrição
VSCODE_GUIDELINES.mdSetup VSCode + Claude Code
CURSOR_SETUP.mdSetup Cursor completo
CODEX_GUIDELINES.mdGuia GitHub Codex

📖 Outros

DocumentoDescrição
CONFIGURACAO_COMPLETA.mdMapa completo do projeto
INDICE_DOCUMENTACAO.mdÍndice de toda documentação

🛠️ MCPs Disponíveis

🐳 Via Docker (2)

MCPDescriçãoPor que Docker?
docker-adminAdministração de containersPrecisa Docker socket
api-database-testerTestes API/DatabasePrecisa ODBC Driver 18

🐍 Via Python Local (8)

MCPDescrição
excel-serverProcessamento de arquivos Excel
agente-orchestratorOrquestração de agentes especializados
memory-managerGerenciamento de contexto e memória
checklist-validatorValidação de checklists
agente-insightsCaptura e análise de insights
agente-resumoResumos e status do projeto
igo-openai-gatewayGateway OpenAI/GPT-5.2 com reasoning
vuetify-uiuxComponentes Vuetify e UI/UX

⚙️ Instalação

🌐 Escolha seu Modo

🏠 Local (Desenvolvimento):

  • MCPs rodam no seu PC
  • Melhor performance (<1ms)
  • Use: .mcp.json

🌐 Remoto (Servidor 15.15.255.9):

  • MCPs rodam no servidor via SSH
  • Acesso de qualquer PC
  • Use: .mcp.remote.json
  • 📖 Guia: SETUP_REMOTO.md

Pré-requisitos

Local:

  • Docker Desktop (para 2 MCPs)
  • Python 3.11+ (para 8 MCPs)
  • VSCode/Cursor ou acesso ao GitHub Codex

Remoto:

  • Cliente SSH (Windows: OpenSSH, Mac/Linux: nativo)
  • Chave SSH configurada
  • Acesso ao servidor 15.15.255.9

Setup Local (Desenvolvimento)

Nota: Para desenvolvimento local no servidor, você pode rodar os MCPs via Python diretamente (mais rápido). Para acesso remoto de Windows, use todos via Docker (veja Setup Remoto).

# 1. Clone o repositório
git clone <repo-url>
cd mcp-servers

# 2. Inicie containers Docker (TODOS os 10 MCPs)
docker-compose up -d

# 3. Verifique status
docker-compose ps
# Deve mostrar 10 containers: todos com status "Up"

# 4. Configure seu editor
# Veja o guia específico do seu editor

Setup Remoto (Windows → Servidor Linux)

Guia rápido: QUICK_START_REMOTO.md ⚡

# No Windows:

# 1. Configure SSH (sem senha)
ssh-keygen -t ed25519
type $env:USERPROFILE\.ssh\id_ed25519.pub | ssh rafael@15.15.255.9 "cat >> ~/.ssh/authorized_keys"

# 2. Subir containers no servidor
ssh rafael@15.15.255.9 "cd /home/rafael/mcp-servers && docker-compose up -d"

# 3. Usar configuração remota (todos via Docker)
cd C:\GIT-RAFAEL\mcp-servers
Rename-Item .mcp.json .mcp.local.json
Copy-Item .mcp.remote-docker.json .mcp.json

# 4. Reload editor e testar
# VSCode: Ctrl+Shift+P → "Reload Window"
# Teste: docker-admin.health_check()

Guia completo: SETUP_WINDOWS_REMOTO.md

Configuração por Editor

VSCode + Claude Code

# Instale extensão "Claude Code"
# Arquivo .mcp.json já configurado
# Permissões em .claude/settings.local.json

# Leia: VSCODE_GUIDELINES.md

Cursor

# Abra projeto no Cursor
# Arquivo .cursorrules já configurado
# Configure MCP path em settings

# Leia: CURSOR_SETUP.md

GitHub Codex

# Codex detecta .mcp.json automaticamente
# Use em PRs do GitHub

# Leia: CODEX_GUIDELINES.md

💡 Uso Básico

Workflow Padrão

# 1. Início de sessão
docker-admin.health_check()
memory-manager.load_context()
agente-resumo.get_next_steps()

# 2. Durante desenvolvimento
agente-orchestrator.invoke_agent("agente-arquiteto-igo", "sua tarefa")
memory-manager.update_progress(task, status, notes)
agente-insights.capture_insight(idea)

# 3. Fim de sessão
memory-manager.save_context(module, status, details)
checklist-validator.mark_completed(checklist_path, task)
agente-resumo.add_next_step(task, priority)

Top 10 Comandos

# 1. Health check completo
docker-admin.health_check()

# 2. Carregar contexto do projeto
memory-manager.load_context()

# 3. Ver próximos passos
agente-resumo.get_next_steps()

# 4. Invocar agente especializado
agente-orchestrator.invoke_agent("agente-arquiteto-igo", task)

# 5. Análise profunda com reasoning
igo-openai-gateway.run_architectural_review(desc, reasoning_effort="xhigh")

# 6. Atualizar progresso
memory-manager.update_progress(task, "in_progress", notes)

# 7. Capturar insight
agente-insights.capture_insight(idea, "feature", "medium")

# 8. Status do projeto
agente-resumo.get_project_status(include_details=True)

# 9. Tarefas pendentes
checklist-validator.get_pending_tasks()

# 10. Auto-healing
docker-admin.auto_heal()

🎯 Casos de Uso

Code Review

# Análise de código com reasoning alto
igo-openai-gateway.run_code_analysis(
    code="[código]",
    analysis_type="review",
    reasoning_effort="high"
)

Decisão Arquitetural

# Revisão arquitetural com reasoning máximo
igo-openai-gateway.run_architectural_review(
    description="Sistema de notificações",
    reasoning_effort="xhigh"
)

Consultar Especialista

# Invocar agente especializado
agente-orchestrator.invoke_agent(
    agent_name="agente-frontend-igo",
    task="Revisar componentes React"
)

Gerar Testes

# Gerar testes automaticamente
igo-openai-gateway.generate_tests(
    code="[código]",
    test_type="unit",
    framework="pytest"
)

🤖 Agentes Especializados

Negócio

  • agente-comercial-igo - Regras comerciais
  • agente-diretoria-igo - Visão estratégica
  • agente-marketing-igo - Marketing
  • agente-operacao-igo - Processos operacionais

Técnicos

  • agente-arquiteto-igo - Arquitetura e design
  • agente-backend - Backend/APIs
  • agente-frontend-igo - Frontend/UX
  • agente-qa-testes - QA e testes

Módulos

  • agente-transfer - Transfer module
  • agente-rooming-list - Rooming List
  • agente-checkin - Check-in
  • agente-rsvp - RSVP
  • agente-credenciamento - Credenciamento
  • agente-tracking - Tracking
  • agente-analytics-kpi - Analytics

🚨 Troubleshooting

MCPs não respondem

docker-admin.auto_heal()

Docker não está rodando

# Verificar
docker ps

# Iniciar Docker Desktop
# Então:
docker-compose up -d

Ver logs

docker-admin.get_logs("igo-docker-admin", lines=50)

Reiniciar tudo

docker-compose restart

📊 Performance

MétricaAntes (8 Docker)Depois (2 Docker + 8 Python)Melhoria
Startup20-30s5s4-6x
Latência10-50ms<1ms10-50x
Memória1.6GB800MB50%
CPU idle5-10%1-2%5x
Disco4GB1.2GB70%

🛡️ Segurança

  • MCPs Python rodam com permissões do usuário
  • Containers Docker com usuário não-root
  • Acesso limitado via volumes
  • Isolamento de rede via bridge
  • Permissões granulares no .claude/settings.local.json

🤝 Contribuindo

  1. Fork o projeto
  2. Crie uma branch (git checkout -b feature/NovaFeature)
  3. Commit suas mudanças (git commit -m 'Add NovaFeature')
  4. Push para a branch (git push origin feature/NovaFeature)
  5. Abra um Pull Request

📄 Licença

Este projeto está sob a licença MIT - veja o arquivo LICENSE para detalhes.

🙏 Agradecimentos

  • Anthropic - Claude e MCP Protocol
  • OpenAI - GPT-5.2
  • Comunidade open source

📞 Suporte

🗺️ Roadmap

  • Adicionar mais agentes especializados
  • Suporte a mais editores
  • Melhorar performance
  • Adicionar mais MCPs
  • Documentação em vídeo
  • Testes automatizados
  • CI/CD pipeline

📈 Status do Projeto

  • ✅ 10 MCPs implementados e testados
  • ✅ Arquitetura híbrida otimizada
  • ✅ Documentação completa (17 arquivos)
  • ✅ Suporte a 3 editores (VSCode, Cursor, Codex)
  • ✅ Performance otimizada (4-6x mais rápido)

🚀 Começar agora: README_MCPs.md

💡 Dúvidas? Leia: INDICE_DOCUMENTACAO.md

🎯 Arquitetura? Veja: DOCKER_vs_PYTHON.md

Ver o original no GitHub

Bom para

Relacionados