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.
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).
-
Rode o Figma desktop. No Linux (sem app oficial) use o IliyaBrook/figma-linux (AppImage).
-
Abra o arquivo de docs. Menu Plugins → Development → Import plugin from manifest… e aponte pra
figma-plugin/manifest.jsondeste repo. -
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. Ocode.jschamafigma.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 comgrep -nE "create|append|remove|delete|setPluginData" figma-plugin/code.js. -
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.tsmantendo a assinaturaembed(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.tsporsqlite-vecouhnswlib-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
StdioServerTransportporStreamableHTTPServerTransporte 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
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
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.
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.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
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.
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.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
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.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.