figma-docs-mcp

figma-docs-mcp

Local MCP server that transforms Figma documentation and business rules into a semantically searchable index, exposed as a tool for Claude Code to query via natural language.

Category
Visit Server

README

figma-docs-mcp

Servidor MCP local que transforma a documentação/regras de negócio que vocês mantêm no Figma em uma base pesquisável por busca semântica, exposta como uma ferramenta para o Claude Code chamar sozinho quando tiver dúvida.

Fluxo: reindex puxa o texto dos arquivos da Figma via REST API → gera embeddings locais → salva um índice em disco. O server carrega esse índice e expõe a tool buscar_documentacao, que o agente usa para achar o trecho certo e o link direto pro frame na Figma.

  • Roda local (stdio), sem expor nada na rede.
  • Embeddings locais (multilingual-e5-small): a doc nunca sai da máquina, sem API key, sem custo por token.
  • Atualização agendada via cron rodando o reindex.

Para a equipe — usar o índice pronto (não precisa de Figma)

Quem só vai consultar não precisa de token da Figma nem de rodar o plugin — só do arquivo de índice (data/index.json), que NÃO vem no repositório (é gerado e contém documentação interna). Pegue o index.json com quem mantém o índice e:

git clone https://github.com/carlosfernandescrypt/figma-mcp.git
cd figma-mcp
npm install            # 1a busca baixa o modelo de embedding (~110MB), fica em cache
npm run build

# coloque o index.json recebido em data/index.json
mkdir -p data && cp /caminho/do/index.json data/index.json

# registra no Claude Code (escopo user = vale em qualquer projeto).
# $(pwd) resolve o caminho absoluto da sua cópia automaticamente:
claude mcp add figma-docs -s user \
  -e STORE_PATH="$(pwd)/data/index.json" \
  -- node "$(pwd)/dist/server.js"

Abra uma sessão nova do Claude Code e pergunte algo das docs — a IA chama a buscar_documentacao sozinha. Quando o índice for atualizado, substitua o data/index.json e reinicie a sessão.

⚠️ Nunca commite o data/index.json (docs internas) — o repositório é público. Ele já está no .gitignore; distribua o índice por canal interno.

Pré-requisitos

  • Node.js 20+ (testado com 22).
  • Um Personal Access Token da Figma: Figma → Settings → Security → Personal access tokens. Permissão de leitura de conteúdo de arquivo é suficiente.

Setup

npm install
cp .env.example .env
# edite o .env: cole o FIGMA_TOKEN e liste os arquivos a indexar

Para descobrir o FILE_KEY de um arquivo, olhe a URL dele: figma.com/design/<FILE_KEY>/Nome-do-arquivo. Coloque as keys separadas por vírgula em FIGMA_FILE_KEYS. Alternativamente, use FIGMA_PROJECT_IDS para indexar todos os arquivos de um projeto de uma vez.

Gerar o índice

npm run reindex

Na primeira execução o modelo de embedding (~110MB) é baixado e fica em cache. As próximas rodadas são rápidas. O índice vai pra ./data/index.json.

Alternativa sem cota REST: extração por plugin (recomendado no plano Pro)

A API REST da Figma tem um limite de custo nos endpoints de leitura de arquivo (/files e /nodes). Em planos Pro, esse orçamento é pequeno: indexar um arquivo grande estoura a cota e a Figma devolve 429 com um Retry-After de dias (x-figma-rate-limit-type: low + link de upgrade). Quando isso acontece, o reindex não consegue puxar conteúdo até a cota resetar.

Solução que não usa cota nenhuma: extrair o texto por um plugin que roda dentro do Figma (a API de plugin lê o documento localmente, sem REST).

  1. Rode o Figma desktop. No Linux (sem app oficial) use o IliyaBrook/figma-linux (AppImage).

  2. Abra o arquivo de docs. Menu Plugins → Development → Import plugin from manifest… e aponte pra figma-plugin/manifest.json deste repo.

  3. Rode o plugin Docs Extractor. Ele varre páginas → frames → texto e gera figma-chunks.json (botão Baixar ou Copiar JSON).

    O plugin roda tanto em modo design (precisa de acesso de edição ao arquivo) quanto em Dev Mode (editorType: ["figma","dev"]). Em Dev Mode o Figma impõe read-only — plugins não conseguem editar o documento, só ler — então é o modo seguro pra arquivos de produção e funciona mesmo sem permissão de edição. O code.js chama figma.loadAllPagesAsync() pra varrer todas as páginas (em Dev Mode a Figma só carrega a página atual por padrão). O plugin só lê: não há nenhuma chamada de escrita — confira com grep -nE "create|append|remove|delete|setPluginData" figma-plugin/code.js.

  4. Indexe esse dump localmente (sem token, sem REST):

npm run index:local /caminho/para/figma-chunks.json

Gera o mesmo ./data/index.json que o reindex. A busca (server) funciona igual. Dá pra rerodar quando quiser — sem nunca estourar cota.

Ligar no Claude Code

Compile e registre o servidor (caminho absoluto):

npm run build
claude mcp add figma-docs -- node /caminho/absoluto/figma-docs-mcp/dist/server.js

Ou, sem build, rodando direto com tsx:

claude mcp add figma-docs -- npx -y tsx /caminho/absoluto/figma-docs-mcp/src/server.ts

O servidor lê o .env da própria pasta. Depois é só perguntar no Claude Code algo como "qual a regra de cálculo do frete?" — ele chama a buscar_documentacao sozinho. A descrição da tool e as instruções do servidor já orientam o agente a consultar antes de assumir como uma regra funciona.

Manter atualizado (cron)

Reindexa a cada 30 minutos (ajuste o intervalo conforme a frequência das mudanças):

*/30 * * * * cd /caminho/absoluto/figma-docs-mcp && /usr/bin/node dist/reindex.js >> reindex.log 2>&1

O servidor recarrega o índice ao iniciar; o índice em si é reescrito a cada reindexação. Em uso pesado, reinicie o servidor após o reindex para recarregar em memória (ou rode reindexações em horários de baixo uso).

Limitações conhecidas (do design da opção 2)

  • Só texto. Significado puramente visual (setas, agrupamentos, tabelas desenhadas) não é capturado. Cada chunk é o texto de um frame de primeiro nível.
  • Frames muito longos são truncados pelo modelo (~512 tokens). Se a doc tiver frames gigantes, vale quebrá-los em seções menores na própria Figma.
  • Rate limits da Figma: indexar muitos arquivos grandes leva tempo; por isso o índice é cacheado e não consultado ao vivo.

Caminhos de evolução

  • Trocar pra embeddings de API (ex.: OpenAI/Voyage): reescreva só src/embeddings.ts mantendo a assinatura embed(texts, kind). Útil se quiser mais qualidade e não se importar com os dados saírem da máquina.
  • Vector store de verdade: para dezenas de milhares de chunks, troque o src/store.ts por sqlite-vec ou hnswlib-node. O JSON + cosseno atual aguenta bem alguns milhares.
  • Webhooks (FILE_UPDATE, requer plano pago): dispara o reindex só do arquivo que mudou, em vez do cron — índice sempre fresco e mais barato.
  • Servir pro time todo: troque o StdioServerTransport por StreamableHTTPServerTransport e hospede como serviço, pra um índice único compartilhado.

Estrutura

src/
  config.ts      # lê o .env
  figma.ts       # REST API da Figma + extração de texto em chunks
  embeddings.ts  # provedor de embedding local (e5 multilíngue)
  store.ts       # índice em JSON + busca por cosseno
  reindex.ts     # CLI: puxa via REST → chunka → embeda → salva (roda no cron)
  index-local.ts # CLI: indexa um dump JSON do plugin (sem REST, sem cota)
  server.ts      # servidor MCP stdio com a tool buscar_documentacao
figma-plugin/
  manifest.json  # plugin de dev pro Figma desktop
  code.js        # varre o documento e monta os chunks (API de plugin, sem REST)
  ui.html        # botões Baixar / Copiar o figma-chunks.json

Recommended Servers

playwright-mcp

playwright-mcp

A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.

Official
Featured
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.

Official
Featured
Local
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

Official
Featured
Local
TypeScript
VeyraX MCP

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official
Featured
Local
graphlit-mcp-server

graphlit-mcp-server

The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.

Official
Featured
TypeScript
Kagi MCP Server

Kagi MCP Server

An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

Official
Featured
Python
E2B

E2B

Using MCP to run code via e2b.

Official
Featured
Neon Database

Neon Database

MCP server for interacting with Neon Management API and databases

Official
Featured
Exa Search

Exa Search

A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.

Official
Featured
Qdrant Server

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official
Featured