𝗖𝗼𝗻𝘀𝘁𝗿𝘂𝗶𝗻𝗱𝗼 𝘂𝗺 𝗦𝗲𝗿𝘃𝗶𝗱𝗼𝗿 𝗠𝗖𝗣 𝗲𝗺 𝗣𝘆𝘁𝗵𝗼𝗻 𝗱𝗼 𝘇𝗲𝗿𝗼

O Model Context Protocol (MCP) é agora um padrão da indústria. Ele atingiu 97 milhões de downloads mensais de SDK. Todas as principais ferramentas de IA o utilizam. A maioria dos guias apenas mostra como instalar servidores existentes. Este guia mostra como construir o seu próprio usando Python e a GitHub API.

O que é MCP? É um protocolo que permite que clientes de IA chamem serviços externos. Seu servidor lida com solicitações de ferramentas como Claude ou Cursor.

As Três Partes Principais do MCP:

  • Ferramentas (Tools): Funções que a IA chama para realizar ações ou obter dados.
  • Recursos (Resources): Endpoints de dados de apenas leitura, como arquivos ou registros de banco de dados.
  • Prompts: Modelos de instrução reutilizáveis para fluxos de trabalho consistentes.

Configure seu Projeto Crie um diretório e instale as bibliotecas necessárias usando uv:

mkdir github-mcp-server cd github-mcp-server uv init . uv add "mcp[cli]" httpx

Construindo o Servidor Use o FastMCP para lidar com o trabalho pesado. Um bom servidor MCP utiliza três arquivos específicos: server.py, pyproject.toml e um arquivo .env opcional para o seu token do GitHub.

Dicas Profissionais para Desenvolvimento:

  • Use modelos Pydantic para retornos de ferramentas. Isso fornece dados estruturados para a IA em vez de strings desorganizadas.
  • Escreva docstrings claras. A IA as lê para decidir quando usar sua ferramenta.
  • Limite as entradas numéricas. Modelos de IA frequentemente enviam números inesperados como 0 ou 100.
  • Trate exceções. Uma falha no seu servidor pode interromper toda a conexão.

Teste e Implantação Não espere para testar no Claude. Use o MCP Inspector primeiro. Execute: uv run mcp dev server.py

Isso abre uma interface local em http://localhost:5173. Você pode testar ferramentas, recursos e prompts em um só lugar.

Conectando ao Claude Desktop: Atualize seu arquivo de configuração para incluir seu servidor. Use o caminho completo para o seu arquivo server.py. Sempre use uv run em vez do comando python puro para evitar erros de ambiente.

Conectando ao Claude Code: Use o comando CLI: claude mcp add github-tools -- uv run python /path/to/server.py

Construir servidores MCP personalizados permite trazer dados em tempo real para seus fluxos de trabalho de IA.

Source: https://dev.to/moksh/building-a-python-mcp-server-from-scratch-a-practical-github-api-guide-397k

Optional learning community: https://t.me/GyaanSetuAi