Eu Construí 3 Servidores MCP para Agentes de IA — Veja Como Eles Funcionam
O que são Servidores MCP?
O Protocolo de Contexto do Modelo (MCP) é um padrão aberto que permite que agentes de IA usem ferramentas externas através de uma interface unificada. Pense nisso como USB-C para IA — um protocolo conecta qualquer cliente de IA (Claude Desktop, Cursor, VS Code com Cline) a qualquer ferramenta ou fonte de dados.
Eu construí três servidores MCP prontos para produção e os publiquei no PyPI e GitHub. Aqui está o que eles fazem e como usá-los.
1. Servidor MCP de Pesquisa na Web
uvx crewai-web-search-mcp
Duas ferramentas:
- web_search(query) — Pesquisa no Google/SerpAPI e retorna resultados classificados com trechos
- extract_content(url) — Busca e extrai conteúdo legível de qualquer página da web
Casos de uso: Pergunte à sua IA sobre eventos atuais, pesquise concorrentes, extraia documentação, verifique fatos em tempo real.
{
"mcpServers": {
"web-search": {
"command": "uvx",
"args": ["crewai-web-search-mcp"]
}
}
}
2. Automação de Revisão de Código MCP
uvx code-review-automation
- review_code(diff) — Analisa alterações de código em busca de bugs, problemas de segurança, anti-padrões, violações de estilo
- check_quality(path) — Executa análise estática e retorna um relatório de qualidade
- analyze_pr(diff) — Produz uma revisão estruturada: o que mudou, o que é arriscado, sugestões
Casos de uso: Cole uma diferença de PR e obtenha uma revisão instantânea. Detecte problemas antes que cheguem à produção.
3. Servidor de Inteligência Documental
uvx document-intelligence-server
Três ferramentas:
- extract_document(path) — OCR e extração de texto de PDFs, documentos escaneados, imagens
- classify_document(path) — Identifica o tipo de documento (fatura, relatório, contrato, artigo)
- summarize_document(path) — Gera um resumo estruturado a partir do conteúdo extraído
Casos de uso: Processar PDFs enviados, extrair dados de formulários escaneados, resumir relatórios longos.
Preços
Todos os três servidores usam um sistema de créditos compartilhados:
| Nível | Preço | Créditos |
|---|---|---|
| Gratuito | $0 | 50 chamadas/dia |
| Iniciante | $20 | 2.000 chamadas |
| Pro | $100 | 12.000 chamadas |
Compre créditos uma vez, use-os em qualquer servidor. Os créditos nunca expiram.
Como funciona:
- Instale com
uvx crewai-web-search-mcp - Use 50 chamadas gratuitas por dia — nenhuma chave necessária
- Para uso ilimitado: compre créditos no Gumroad → defina
MCP_LICENSE_KEY→ todos os limites removidos
A Pilha
- Servidores: Python + FastMCP
- Faturamento: FastAPI + PostgreSQL (auto-hospedado, código aberto)
- Autenticação: verificação de chave de licença do Gumroad
- Distribuição: PyPI, GitHub, HuggingFace, Gumroad, registros MCP
O backend de faturamento também é de código aberto: github.com/KennyWayn3/mcp-billing-api
Links
- Vitrine & docs: github.com/KennyWayn3/crewai-mcp-servers
- Página de destino: KennyWayn3.github.io/crewai-mcp-servers
- PyPI:
pip install crewai-web-search-mcp - Gumroad: stinkmaster37.gumroad.com
- Backend de faturamento: github.com/KennyWayn3/mcp-billing-api
Quais servidores MCP você gostaria de ver construídos a seguir? Estou curioso sobre o que a comunidade realmente precisa.
Os servidores MCP permitem que empresas brasileiras integrem agentes de IA a ferramentas e dados externos de forma eficiente. Isso pode otimizar processos como pesquisa de mercado e revisão de código, aumentando a produtividade. A adoção do MCP pode ser um diferencial competitivo no cenário atual.
