Esta é uma submissão para o Desafio de Fim de Semana: Edição Generosidade

Não Pergunte Apenas ao AI. Devolva a Resposta.

AI é um verdadeiro multiplicador de força para o desenvolvimento de software. Também é o companheiro ideal para resolver problemas técnicos rapidamente. Mas todo esse conhecimento — nós o mantemos para nós mesmos. Ou melhor, o perdemos.

A história sempre para por aí.

Questão → resposta → problema resolvido — e a conversa afunda no histórico de chat, desaparecida.

Então alguém mais atinge a mesma barreira exata. Mesmo ciclo: questão → resposta → problema resolvido — e a conversa afunda no histórico de chat, desaparecida.

Esse é o problema. Não que a AI não possa resolver o mesmo problema duas vezes — é que uma solução funcional já existe em algum lugar: alguém já investigou, testou, encontrou a solução e teve uma conversa detalhada o suficiente para explicá-la adequadamente.

Por que esse conhecimento deve evaporar no momento em que a sessão termina? Por que continuar perguntando a mesma questão repetidamente — queimando eletricidade, água e tempo que já foram gastos — em vez de reciclar esse material bruto?

Essa é a ideia por trás do Shared Knowledge MCP.

O Que Eu Construi

O Shared Knowledge é um servidor MCP que transforma uma solução de uma conversa com a AI em um artigo proposto em Markdown, e depois em um Pull Request do GitHub submetido para revisão humana. Uma vez mesclado, a contribuição é publicada em um site de documentação e recebe uma versão em áudio gerada com ElevenLabs.

O projeto transforma um problema resolvido em um pedaço reutilizável de conhecimento comunitário — mas apenas quando o usuário toma a decisão explícita de compartilhá-lo.

A conversa em si permanece estritamente privada. O servidor MCP extrai apenas a solução relevante, estrutura-a como um artigo em Markdown em inglês independente, valida-o e abre um Pull Request no GitHub.

Nada é publicado automaticamente. Um humano revisa a contribuição e decide se ela pertence à base de conhecimento compartilhado. Somente uma vez que o PR é mesclado é que o artigo vai para o site de documentação pública, que por sua vez inicia sua versão em áudio.

O pipeline é deliberadamente minimal:

Conversa AI → compartilhamento explícito → MCP → Markdown → Pull Request → revisão humana → mesclagem → docs + áudio

A única fronteira que importa é a revisão humana. O MCP pode estruturar conhecimento e preparar uma contribuição — ele não pode decidir, em nome de ninguém, o que merece se tornar conhecimento público.

Demonstração

O site de documentação pública está ativo:

Atualmente, ele hospeda quatro artigos publicados, cada um com uma versão em áudio gerada.

Para provar que o sistema realmente funciona em diferentes clientes — sem atalhos, nada codificado — eu testei publish_knowledge através de dois caminhos muito diferentes.

Execução direta de script

A primeira contribuição publicada através do Shared Knowledge saiu como um verdadeiro Pull Request: Dependência opcional quebra a cadeia de importação quando a importação em si não é opcional.

Esse PR percorre todo o fluxo de ponta a ponta:

• um verdadeiro problema técnico resolvido com um assistente AI (uma dependência opcional em pyproject.toml que quebrou a cadeia de importação);
• uma transformação explícita em um artigo estruturado em Markdown (seções, metadados, tags);
• validação automática pelo servidor MCP, que abre o PR;
• uma revisão automatizada do GitHub Copilot, sinalizando problemas de formatação YAML e cabeçalhos;
• correções aplicadas, então uma mesclagem em main;
• e, após a mesclagem, uma versão em áudio do ElevenLabs gerada e publicada no site de docs.

Esse primeiro PR também é um ato concreto de generosidade: alguém dedicou tempo para transformar sua correção em um recurso que todo futuro desenvolvedor que enfrentar a mesma barreira pode reutilizar.

Modo Agente Conversacional

Em seguida, eu usei um cliente AI real — GitHub Copilot Chat no modo Agente, rodando dentro de um Codespace.

Aqui, o assistente começou espontaneamente consultando a base existente através de search_knowledge para verificar duplicatas antes de decidir publicar: PR #2.

Esse comportamento não estava codificado em nenhum lugar no servidor MCP: o servidor apenas fornece as ferramentas, e o assistente que chama decide como usá-las. O Conhecimento Compartilhado não é um aplicativo AI fechado vinculado a um modelo — é uma interface MCP aberta para compartilhamento de conhecimento.

Código

O projeto completo é open source no GitHub: