convez.ai
MCP ServerIntegração & APIsIntermediário
RenanMiqueloti

MCP Tools Server

RenanMiqueloti/mcp-tools-server

Servidor MCP com ferramentas utilitárias: datetime, math, text_stats, JSON, search, HTTP

Ver no GitHub
InicialPluginScore · de 0 a 100

Servidor MCP em Python com seis ferramentas utilitárias prontas para usar: manipulação de data/hora, cálculo matemático, análise de texto, extração JSON, busca em knowledge base e requisições HTTP. Implementação completa do lado servidor com handlers testáveis e compatível com Claude Desktop, LangGraph e OpenAI Agents SDK.

Instalação

$npx convez-ai RenanMiqueloti/mcp-tools-server

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 1 mês
Versão
—
Issues abertas
3
Contribuidores
3

Casos de uso

  • Integrar cálculos e processamento de dados em agentes Claude
  • Adicionar capacidades de busca em knowledge base com Qdrant
  • Fornecer utilitários de data, texto e JSON para workflows com LangGraph

Veredito

MCP server bem estruturado e pragmático com foco em ferramentas fundamentais testáveis. A inclusão de stub para Qdrant e suporte multi-cliente (Claude Desktop, LangGraph, OpenAI SDK) o torna versátil, embora o escopo seja mais utilitário que diferenciado.

README

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

mcp-tools-server

CI License: MIT Python

Servidor MCP (Model Context Protocol) com seis ferramentas utilitárias para qualquer cliente compatível — Claude Desktop, LangGraph MCP adapter, OpenAI Agents SDK.

Implementação server-side do MCP (em vez de consumir um servidor existente), com handlers extraídos como funções puras pra serem testáveis sem o runtime MCP.


Ferramentas expostas

FerramentaO que faz
datetime_infoData, hora UTC, timestamp Unix, dia da semana, semana ISO
calculateAvalia expressões matemáticas com segurança (math completo)
text_statsPalavras, sentenças, caracteres e tokens estimados de um texto
json_extractExtrai valores de JSON via dot-path (user.address.city)
search_knowledgeBusca no knowledge base — stub pronto para conectar ao Qdrant
http_getGET HTTP com allowlist de domínios

Quick start

git clone https://github.com/RenanMiqueloti/mcp-tools-server.git
cd mcp-tools-server
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
python server.py

Conectar ao Claude Desktop

Adicione em ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) ou %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "mcp-tools": {
      "command": "python",
      "args": ["/caminho/absoluto/para/server.py"]
    }
  }
}

Reinicie o Claude Desktop. As ferramentas ficam disponíveis automaticamente.


Conectar a um agente LangGraph

from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent
from langchain_anthropic import ChatAnthropic

client = MultiServerMCPClient({
    "mcp-tools": {
        "command": "python",
        "args": ["server.py"],
        "transport": "stdio",
    }
})

tools = await client.get_tools()
agent = create_react_agent(ChatAnthropic(model="claude-opus-4-7"), tools)
result = await agent.ainvoke({"messages": [("human", "What day of the week is it?")]})

Adicionar o search_knowledge real (Qdrant)

Em server.py, substitua o stub no handler search_knowledge:

from qdrant_client import QdrantClient
from langchain_openai import OpenAIEmbeddings

client_q = QdrantClient(url=os.getenv("QDRANT_URL"))
embeddings = OpenAIEmbeddings()

query_vec = embeddings.embed_query(query)
hits = client_q.search("knowledge", query_vector=query_vec, limit=top_k)
results = [{"rank": i+1, "text": h.payload["text"], "score": h.score} for i, h in enumerate(hits)]

Estrutura

mcp-tools-server/
├── server.py                   # Servidor MCP (stdio transport) + handlers
├── tests/                      # pytest — handlers + allowlist
├── pyproject.toml              # ruff, pytest, mypy config
├── Dockerfile, .dockerignore   # imagem 3.12-slim, USER non-root
├── .pre-commit-config.yaml     # ruff + ruff-format + checks gerais
├── .github/
│   ├── workflows/ci.yml        # lint (ruff) + mypy + tests (py3.11–3.14)
│   └── dependabot.yml          # pip + github-actions + docker
├── requirements.txt
├── .env.example
└── LICENSE

Desenvolvimento

pip install -r requirements.txt
pip install pytest ruff mypy pre-commit
pre-commit install               # ativa o hook git pre-commit
pytest -v tests/                 # roda os testes dos handlers
ruff check . && ruff format --check .
mypy .                           # type-check
Ver o original no GitHub

Bom para

Relacionados