MCP — Embrapa4Dev

Recupera sessões de desenvolvimento anteriores similares à tarefa atual, fornecendo contexto sobre padrões e decisões já tomadas no projeto.

Retorna: sessionId, toolName, turnText, similarityScore, createdAt, sessionRating

Retorna as regras institucionais curadas pelo Arquiteto — decisões de arquitetura, padrões de nomenclatura, padrões de integração. Convenção prevalece sobre snippet quando há conflito.

⚠️ Nunca chamar sem topic: o payload completo tem ~64 KB e estoura o limite de resultado da maioria dos harnesses — a chamada falha ou é despejada em arquivo que precisa ser fatiado manualmente.

Retorna: convenções do tópico pedido; se topic for desconhecido/incorreto, retorna vazio + availableTopics (nunca é erro)

Busca híbrida (semântica + lexical) sobre a biblioteca de snippets BootstrapBlazor, cobrindo as 4 linguagens (razor, csharp, javascript, json). O nome literal do componente/método na query eleva o resultado certo via lexicalScore.

Retorna: id, title, componentName, categoryName, description, code, tags, language, bootstrapBlazorVersion, similarityScore, lexicalScore, combinedScore (ordena os resultados)

Quando nenhum snippet ultrapassa o limiar de similaridade, a resposta muda de formato: em vez de array puro, retorna { message, results[] } com cada item marcado partial_match: true. Itens com essa flag nunca são fonte primária de implementação — servem só de inspiração para refinar a query.

Inventário paginado da biblioteca — sem ranking de relevância. Útil para levantamento exaustivo ou checagem de duplicidade antes de contribuir um snippet novo.

Retorna: lista paginada com id, componentName, language, title, tags

Lista todos os componentes BootstrapBlazor que possuem snippets na biblioteca, com a contagem de exemplos disponíveis por componente.

Sem parâmetros.

Retorna: array de { componentName, snippetCount }

Na maioria das sessões é desnecessário — search_snippets já retorna o code completo. Chamar apenas quando faltar algo que o search não traz: metadados extras (embeddingStatus, createdAt/updatedAt, createdBy), confirmar versão/autoria antes de reportar divergência, ou se o code do resultado do search chegou truncado pelo harness.

Retorna: McpSnippetDto completo incluindo createdAt, updatedAt, createdBy, embeddingStatus

Submete uma avaliação de utilidade para a sessão. Deve ser chamado ao final de toda sessão em que ferramentas MCP foram utilizadas — o assistente não deve aguardar o desenvolvedor solicitar.

Guia de pontuação:

Passo 1 — Configure o servidor MCP em Trae → Preferences → MCP:

{
  "mcpServers": {
    "e4devia-mcp": {
      "url": "https://mcp-e4devia-d.nuvem.ti.embrapa.br/mcp"
    }
  }
}

Passo 2 — Baixe o arquivo de skill acima e peça ao agente no chat do Trae:

Instale a skill embrapa4dev neste projeto: copie o arquivo embrapa4dev.mdc que baixei para .trae/skills/embrapa4dev/embrapa4dev.mdc

O agente criará o diretório se necessário. O frontmatter alwaysApply: true ativa a skill em todas as conversas automaticamente.

Passo 1 — Adicione o servidor MCP via CLI:

claude mcp add e4devia-mcp --transport http https://mcp-e4devia-d.nuvem.ti.embrapa.br/mcp

Passo 2 — Baixe o arquivo de skill acima e peça em uma sessão Claude Code:

Instale a skill embrapa4dev neste projeto: copie o arquivo embrapa4dev.md que baixei para .claude/skills/embrapa4dev/SKILL.md

O agente criará o diretório e renomeará o arquivo para SKILL.md. Verifique com /skills dentro de uma sessão Claude Code.

Passo 1 — Configure em Cursor → Settings → MCP:

{
  "mcpServers": {
    "e4devia-mcp": {
      "url": "https://mcp-e4devia-d.nuvem.ti.embrapa.br/mcp"
    }
  }
}

Passo 2 — Baixe o arquivo de skill acima e peça ao agente no chat do Cursor:

Instale a skill embrapa4dev neste projeto: copie o arquivo embrapa4dev.mdc que baixei para .cursor/skills/embrapa4dev/embrapa4dev.mdc

O agente criará o diretório se necessário. O frontmatter alwaysApply: true ativa a skill em todas as conversas automaticamente.

Passo 1 — Configure em Windsurf → Settings → MCP Servers:

{
  "mcpServers": {
    "e4devia-mcp": {
      "url": "https://mcp-e4devia-d.nuvem.ti.embrapa.br/mcp"
    }
  }
}

Passo 2 — Baixe o arquivo de skill acima e peça ao agente no chat do Windsurf:

Instale a skill embrapa4dev neste projeto: copie o arquivo embrapa4dev.md que baixei para .windsurf/skills/embrapa4dev/embrapa4dev.md

O agente criará o diretório se necessário.

Passo 1 — Configure o servidor MCP em .vscode/mcp.json:

{
  "servers": {
    "e4devia-mcp": {
      "type": "http",
      "url": "https://mcp-e4devia-d.nuvem.ti.embrapa.br/mcp"
    }
  }
}

Passo 2 — Baixe o arquivo de skill acima e peça ao Copilot no chat do VS Code:

Adicione o conteúdo do arquivo copilot-instructions-snippet.md que baixei ao arquivo .github/copilot-instructions.md deste projeto (crie-o se não existir)

O agente criará o arquivo se necessário e fará o merge do conteúdo sem sobrescrever instruções existentes.

Passo 1 — Baixe o arquivo acima.

Passo 2 — Abra o projeto no Claude Code e peça:

Adicione o conteúdo do arquivo claude-md-snippet.md ao CLAUDE.md deste projeto

O Claude localizará ou criará o CLAUDE.md e inserirá o bloco de orientações na seção adequada.

Transforma o codebase (código, documentação, PDFs, esquemas SQL) em um grafo de conhecimento consultável. Permite explorar conexões entre conceitos sem depender de busca textual — útil para entender arquitetura, dependências entre subsistemas e impacto de mudanças.

Instalação

Pré-requisitos: Python 3.10+ e uv (ou pipx).

uv tool install graphifyy
graphify install

Para uma IDE específica: graphify install --platform claude-code (suporta Claude Code, Cursor, Gemini CLI e outras).

Uso básico

Saídas: graph.html (visualização interativa), GRAPH_REPORT.md (destaques e conexões) e graph.json (grafo completo). Análise de código é local (AST determinístico, ~40 linguagens via tree-sitter); identifica god nodes (conceitos mais conectados) e comunidades (subsistemas).

Faz o agente de IA responder de forma ultra-concisa — mesmas respostas técnicas com ~65% menos tokens de saída. Código, comandos, URLs e mensagens de erro permanecem intactos; só a narrativa é comprimida. Suporta Claude Code, Cursor, Codex, Gemini e outros.

Instalação

Requer Node ≥ 18. Um único comando detecta e instala em todos os agentes disponíveis:

# Windows PowerShell
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

# macOS / Linux / WSL
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

Uso básico

Desativa com "normal mode" no chat. A compressão preserva o idioma original da conversa e afeta apenas tokens de saída — input e reasoning não mudam.