Verificando a Originalidade de Ideias com Agentes de IA

No mês passado, eu deletei em massa 6 horas de código.

Claude passou todo o tempo entusiasticamente me ajudando a construir algo que já tinha 12 concorrentes no GitHub. O principal tinha mais de 1.000 estrelas.

Aqui está o padrão que todo desenvolvedor enfrenta:

1. O desenvolvedor tem uma ideia
2. Pergunta ao ChatGPT: "Isso é original?"
3. O ChatGPT diz: "Essa é uma ótima ideia! Aqui está como construí-la..."
4. O desenvolvedor passa 2 semanas construindo
5. Pesquisa no GitHub → encontra 847 repositórios fazendo a mesma coisa
6. O principal tem 9.000 estrelas e uma equipe financiada por trás

O AI não mentiu. Ele apenas não pesquisou.

Por que "basta pesquisar no Google" não funciona

Você pode pensar: basta pesquisar antes de construir. Mas a pesquisa manual tem problemas:

• Você pesquisa no GitHub → encontra repositórios, mas perde pacotes npm e discussões no HN
• Você pesquisa uma consulta → perde sinônimos ("monitoramento LLM" vs "observabilidade AI" vs "telemetria de modelo")
• Você verifica contagens de estrelas → mas não verifica PyPI/npm por pacotes existentes
• Você passa 30 minutos → e ainda não tem certeza se perdeu algo

O verdadeiro problema: não há uma maneira padronizada de fazer uma varredura de mercado abrangente em todas as plataformas de desenvolvedores ao mesmo tempo.

E se seu agente de IA pesquisasse antes de codificar?

Eu construí idea-reality-mcp — um servidor MCP que pesquisa dados reais antes de você construir.

Um comando. Cinco fontes. Sinal quantificado.

"Ferramenta de revisão de código AI"
→ sinal_realidade: 90/100
→ 847 repositórios GitHub (top: reviewdog, 9.094 ⭐)
→ 254 menções no Hacker News
→ Veredicto: "Cobertura existente extremamente alta"

Ele pesquisa GitHub, Hacker News, npm, PyPI e Product Hunt em paralelo, e então retorna um sinal de realidade de 0-100 com base em dados reais da API — não em opiniões de LLM.

Nós pesquisamos. Eles adivinham.

Como funciona (30 segundos)

# Instalar
uvx idea-reality-mcp

# Ou adicione à configuração do Claude Desktop / Cursor:
{
  "mcpServers": {
    "idea-reality": {
      "comando": "uvx",
      "args": ["idea-reality-mcp"]
    }
  }
}

Então pergunte ao seu agente de IA: "Verifique se alguém já construiu uma ferramenta CLI para monitoramento de propagação DNS"

O agente chama idea_check automaticamente e recebe de volta:

• sinal_realidade: pontuação de 0-100
• Principais projetos semelhantes com contagens de estrelas
• Discussão HN como evidência
• Sugestões de pivô se o espaço estiver lotado

Nenhuma chave de API necessária. Nenhuma conta. Nenhum armazenamento. É um protocolo, não um SaaS.

A pontuação é intencionalmente simples

Modo rápido: repositórios GitHub (60%) + estrelas (20%) + menções HN (20%)
Modo profundo:  GitHub (25%) + estrelas (10%) + HN (15%) + npm (20%) + PyPI (15%) + PH (15%)

Cada peso é documentado. Cada número vem de uma chamada de API real que você pode verificar. Nenhuma caixa preta de ML.

Eu escolhi a explicabilidade em vez da sofisticação porque, quando você está decidindo se deve investir semanas em um projeto, você precisa confiar nos dados — não em um número mágico.

Faça sua IA verificar automaticamente

O padrão mais poderoso: adicione uma linha às instruções do seu agente de IA.

Para Claude Code (.claude/instructions.md):

Antes de iniciar qualquer novo projeto, execute idea_check para verificar se a ideia já não foi construída.

Para Cursor (.cursorrules):

Quando o usuário descreve uma nova ideia de projeto, sempre execute idea_check primeiro.

Agora seu agente irá pesquisar antes de codificar — toda vez, automaticamente.

O que ele encontrou que me surpreendeu

Alguns resultados de verificações reais na demonstração na web:

• "Servidor MCP para monitoramento de chamadas LLM" → Sinal 68. Acontece que existem várias ferramentas de observabilidade, mas nenhuma nativa do MCP. Vale a pena construir com diferenciação.
• "Revisão de código alimentada por AI" → Sinal 90. Extremamente lotado. O reviewdog sozinho tem 9K estrelas. Não faça.
• "Aplicativo de agendamento de acupuntura para pets" → Sinal 12. Quase nada existe. Nicho, mas o mercado também pode ser pequeno.

O sinal não diz se você deve construir — ele diz o que você está enfrentando, respaldado por dados.

Código aberto, zero armazenamento

• 120 testes, todos passando
• Licença MIT
• Zero armazenamento — nada é registrado ou salvo
• Zero contas — sem cadastro, sem chave de API necessária
• Funciona offline (extração de palavras-chave baseada em dicionário para modo MCP)
• Publicado no PyPI, Registro MCP, Smithery, e mais de 10 diretórios

A demonstração na web em mnemox.ai/check usa Claude Haiku para extração de palavras-chave mais inteligente, mas a ferramenta MCP em si não precisa de nenhuma dependência externa.

Experimente

• GitHub: mnemox-ai/idea-reality-mcp
• Demonstração na web: mnemox.ai/check
• Instalar: uvx idea-reality-mcp
• Registro MCP: io.github.mnemox-ai/idea-reality-mcp

Se você usa Claude Code ou Cursor diariamente, adicione isso às instruções do seu agente. Leva 30 segundos.