receitas-mcp-server
MCP server that enables AI assistants to manage a recipe catalog, including listing, searching, adding, removing, and suggesting recipes, with optional Trello or local JSON storage.
README
receitas-mcp-server
Servidor MCP (Model Context Protocol) em TypeScript + Node, com a stack atual de mercado:
@modelcontextprotocol/sdk— SDK oficial- TypeScript (ESM,
NodeNext) - zod para validação de schemas das tools
- transporte stdio (padrão para Claude Code, Cursor e Claude Desktop)
⚠️ Importante: um servidor MCP não é chamado direto pelo frontend (navegador). Ele é consumido por assistentes de IA (Claude Code, Cursor, Claude Desktop) ou por um backend que aja como cliente MCP — é o caso da API
receitas-api(pasta irmã), que expõe esse MCP como REST para o frontend.
🗄️ Onde as receitas ficam guardadas
O storage é escolhido em tempo de execução (src/repository.ts):
- Se as variáveis
TRELLO_API_KEY,TRELLO_TOKENeTRELLO_LIST_IDestiverem definidas → grava/lê cada receita como um card do Trello (src/trelloStore.ts). - Caso contrário → usa um arquivo JSON local
data/receitas.json(src/store.ts), ótimo para desenvolvimento.
No Trello, cada receita vira um card na lista configurada: o nome do card é o nome da receita e a descrição guarda um bloco JSON (<!--receita:...-->) para reconstruir a receita fielmente. Configure as credenciais em .env (veja .env.example).
Variáveis de ambiente (.env)
Crie um arquivo .env na raiz de receitas-mcp-server com estas três variáveis.
Os valores abaixo são fictícios — troque pelos seus.
# Chave de API do Trello — pegue em https://trello.com/app-key
# Formato: 32 caracteres hexadecimais.
TRELLO_API_KEY=a1b2c3d4e5f60718293a4b5c6d7e8f90
# Token do Trello — gere pelo link "Token" na mesma pagina do app-key.
# Formato: cadeia longa (~64+ caracteres).
TRELLO_TOKEN=ATTAa0000example1111token2222naoreal3333abcdef4444567890ghijkl
# ID da lista do Trello onde os cards de receita serao criados.
# Formato: 24 caracteres hexadecimais.
TRELLO_LIST_ID=6634f0a1b2c3d4e5f6a7b8c9
| Variável | O que é | Como obter |
|---|---|---|
TRELLO_API_KEY |
Identifica seu app no Trello | https://trello.com/app-key |
TRELLO_TOKEN |
Autoriza acesso à sua conta | Link Token na página do app-key |
TRELLO_LIST_ID |
Lista onde as receitas viram cards | Abra o board com .json no fim da URL e procure o id da lista, ou GET https://api.trello.com/1/boards/{boardId}/lists?key=SUA_KEY&token=SEU_TOKEN |
🔒 As três são obrigatórias juntas para ativar o Trello. Se qualquer uma faltar, o servidor cai automaticamente no storage JSON local. O
.envestá no.gitignore— nunca comite suas credenciais reais.
📖 Índice
- O que é isso
- Tools disponíveis
- Como este MCP foi criado (passo a passo)
- Como usar (passo a passo)
- Estrutura de pastas
O que é isso
MCP é um protocolo que permite a uma IA (Claude, Cursor, etc.) chamar funções e ler dados de uma fonte externa de forma padronizada. Aqui, a fonte externa é um catálogo de receitas. A IA conversa com este servidor por stdio (entrada/saída padrão), trocando mensagens no formato JSON-RPC 2.0.
Tools disponíveis
| Tool | O que faz |
|---|---|
listar_receitas |
Lista receitas com filtros (categoria, dificuldade, ingrediente, busca) |
buscar_receita |
Detalhes completos de uma receita por id |
adicionar_receita |
Cadastra uma receita (persistida em data/receitas.json) |
remover_receita |
Remove uma receita por id |
sugerir_por_ingredientes |
Sugere receitas pelo que você tem em casa |
Também expõe um resource receitas://catalogo com o catálogo completo em JSON.
Como este MCP foi criado (passo a passo)
Se você quiser recriar do zero (ou entender cada peça), foi exatamente esta a sequência:
Passo 1 — Criar a pasta e o package.json
Projeto Node em ESM ("type": "module"), com scripts de build/start e as dependências certas:
{
"type": "module",
"bin": { "receitas-mcp": "dist/index.js" },
"scripts": {
"build": "tsc",
"start": "node dist/index.js",
"dev": "tsx watch src/index.ts",
"inspect": "npx @modelcontextprotocol/inspector node dist/index.js"
},
"dependencies": {
"@modelcontextprotocol/sdk": "^1.19.1",
"zod": "^3.25.76"
},
"devDependencies": {
"@types/node": "^24.7.0",
"tsx": "^4.20.6",
"typescript": "^5.9.3"
}
}
@modelcontextprotocol/sdk→ o SDK oficial que implementa o protocolo.zod→ valida os argumentos que a IA envia para cada tool.tsx→ roda TypeScript direto em desenvolvimento (modo watch).
Passo 2 — Configurar o TypeScript (tsconfig.json)
O ponto crítico é usar module/moduleResolution = NodeNext, porque o SDK é ESM e os imports precisam terminar em .js:
{
"compilerOptions": {
"target": "ES2022",
"module": "NodeNext",
"moduleResolution": "NodeNext",
"outDir": "./dist",
"rootDir": "./src",
"strict": true,
"resolveJsonModule": true
}
}
Passo 3 — Definir os dados e os schemas (src/types.ts)
Uma única fonte de verdade com zod. O schema serve para validar a entrada das tools e, ao mesmo tempo, gerar o tipo TypeScript (z.infer):
export const receitaSchema = z.object({
id: z.string().regex(/^[a-z0-9-]+$/),
nome: z.string().min(1),
categoria: z.string().min(1),
tempoPreparoMin: z.number().int().positive(),
porcoes: z.number().int().positive(),
dificuldade: z.enum(["facil", "medio", "dificil"]),
ingredientes: z.array(z.string()).min(1),
passos: z.array(z.string()).min(1),
});
export type Receita = z.infer<typeof receitaSchema>;
Passo 4 — Camada de dados (src/store.ts)
Um repositório simples que lê e grava o arquivo data/receitas.json. Isolar isso mantém o index.ts focado só no protocolo. Aqui ficam listar, obter, adicionar, remover e sugerirPorIngredientes.
Passo 5 — O servidor MCP (src/index.ts)
O coração. Cria o servidor, registra cada tool com seu schema e handler, registra o resource e conecta no transporte stdio:
const server = new McpServer({ name: "receitas-mcp-server", version: "1.0.0" });
server.registerTool(
"listar_receitas",
{ title: "Listar receitas", description: "...", inputSchema: { categoria: z.string().optional() } },
async ({ categoria }) => {
const lista = await store.listar({ categoria });
return { content: [{ type: "text", text: "..." }], structuredContent: { receitas: lista } };
},
);
const transport = new StdioServerTransport();
await server.connect(transport);
🔑 Regra de ouro: o
stdouté exclusivo do protocolo. Qualquer log seu tem que ir parastderr(console.error), senão você corrompe a comunicação com a IA.
Passo 6 — Instalar, compilar e testar
npm install # baixa as dependências
npm run build # compila src/ -> dist/
O teste de fumaça enviou 3 mensagens JSON-RPC pelo stdin (initialize → notifications/initialized → tools/list + uma tools/call) e confirmou que o servidor respondeu com as 5 tools e executou uma chamada real. ✅
Como usar (passo a passo)
1. Preparar o servidor (uma vez)
cd receitas-mcp-server
npm install
npm run build
Sempre rode
npm run buildde novo depois de editar qualquer arquivo emsrc/, pois a IA aponta paradist/index.js.
2. (Opcional) Testar sozinha com o Inspector
Abre uma interface web onde você vê e dispara as tools na mão:
npm run inspect
3. Conectar no Claude Code
Na pasta do frontend receitas, rode:
claude mcp add receitas -- node "C:/Users/laiza_g/Desktop/Laiza/cursos/cursos/aulaBOOTSTRAP4/receitas-mcp-server/dist/index.js"
Confira se conectou:
claude mcp list
4. Conectar no Cursor ou Claude Desktop
Adicione ao arquivo de configuração de MCP (.cursor/mcp.json no Cursor, ou claude_desktop_config.json no Claude Desktop):
{
"mcpServers": {
"receitas": {
"command": "node",
"args": [
"C:/Users/laiza_g/Desktop/Laiza/cursos/cursos/aulaBOOTSTRAP4/receitas-mcp-server/dist/index.js"
]
}
}
}
Depois reinicie o Cursor/Claude Desktop.
5. Usar no dia a dia
Com o MCP conectado, é só pedir em linguagem natural para a IA. Exemplos:
- "Liste as receitas de sobremesa fáceis." → chama
listar_receitas - "Me mostra a receita do brigadeiro." → chama
buscar_receita - "Tenho tomate e manjericão, o que posso fazer?" → chama
sugerir_por_ingredientes - "Cadastra uma receita nova de bolo de cenoura." → chama
adicionar_receita(grava no JSON)
A IA escolhe a tool certa sozinha, preenche os argumentos e te devolve o resultado.
Estrutura de pastas
receitas-mcp-server/
├── data/
│ └── receitas.json # base local (fallback quando Trello nao configurado)
├── src/
│ ├── index.ts # servidor MCP: tools + resources
│ ├── repository.ts # interface + fabrica (escolhe Trello ou JSON)
│ ├── store.ts # backend JSON local
│ ├── trelloStore.ts # backend Trello (REST API)
│ ├── filtering.ts # filtros e sugestao (funcoes puras compartilhadas)
│ └── types.ts # schemas zod + tipos
├── .env.example # credenciais do Trello
├── package.json
├── tsconfig.json
└── README.md
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.