Peacock MCP Server

O que o Peacock MCP Server faz?

O Peacock MCP Server foi projetado para servir como um servidor Model Context Protocol (MCP) para a extensão Peacock no Visual Studio Code. Seu principal objetivo é ilustrar como um servidor MCP pode facilitar conexões entre assistentes de IA e APIs externas, aprimorando fluxos de trabalho de desenvolvimento. Atuando como uma ponte, o Peacock MCP Server permite que assistentes baseados em IA interajam programaticamente com o ambiente do VS Code, como personalizar a aparência do editor ou gerenciar configurações específicas de projetos. Isso capacita desenvolvedores a automatizar tarefas como tematização, identificação de workspaces ou outras interações baseadas em API, otimizando e enriquecendo a experiência de codificação.

Lista de Prompts

Nenhum modelo de prompt é explicitamente mencionado na documentação disponível ou nos arquivos do repositório.

Pronto para expandir seu negócio?

Comece seu teste gratuito hoje e veja resultados em dias.

Solicitar demo Entrar

Lista de Recursos

Nenhum recurso explícito é descrito na documentação disponível ou nos arquivos do repositório.

Lista de Ferramentas

Nenhuma ferramenta explícita está listada na documentação disponível ou nos arquivos do repositório, e server.py não está presente neste repositório.

Junte-se à nossa newsletter

Receba gratuitamente as últimas dicas, tendências e ofertas.

Endereço de e-mail

Inscrever-se

Casos de Uso deste Servidor MCP

• Demonstração de Interação com API: O Peacock MCP Server tem como principal finalidade demonstrar como servidores MCP podem ser utilizados para interagir com APIs. Isso pode ajudar desenvolvedores a entender as melhores práticas para integrar assistentes de IA com diversos serviços.
• Aprimoramento de Extensão do VS Code: Ao conectar ao Peacock via MCP, desenvolvedores podem automatizar ajustes de tema e aparência em workspaces do VS Code, melhorando fluxos de trabalho em equipe e identificação de workspaces.
• Automação do Fluxo de Trabalho do Desenvolvedor: O servidor pode servir de base para automatizar tarefas repetitivas, como trocar cores do editor com base no contexto do projeto ou status de CI/CD, reduzindo configurações manuais.
• Finalidades Educacionais: O repositório é um recurso valioso para quem deseja aprender como implementar servidores MCP para conectar ferramentas de IA com APIs ou sistemas externos.
• Modelo para Servidores MCP Personalizados: Desenvolvedores podem usar este projeto como modelo para criar seus próprios servidores MCP para outras extensões ou aplicações que exijam interação entre IA e APIs.

Como configurá-lo

Windsurf

1. Certifique-se de que o Node.js está instalado em seu sistema.
2. Localize o arquivo de configuração do Windsurf (geralmente wind.config.json).
3. Adicione a entrada do Peacock MCP Server usando o trecho JSON:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Salve o arquivo de configuração e reinicie o Windsurf.
5. Verifique a configuração checando se o Windsurf reconhece o servidor Peacock MCP.

Claude

1. Certifique-se de que o Node.js está disponível.
2. Abra a configuração do servidor MCP do Claude (por exemplo, claude.json).
3. Adicione:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Salve e reinicie o Claude.
5. Confirme se o Peacock MCP Server está listado na interface do Claude.

Cursor

1. Instale o Node.js.
2. Abra o cursor.config.json do Cursor.
3. Insira:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Salve o arquivo e reinicie o Cursor.
5. Teste invocando um comando que utilize o servidor MCP.

Cline

1. Certifique-se de que o Node.js está instalado.
2. Edite ou crie o arquivo de configuração do Cline (por exemplo, cline.config.json).
3. Adicione o servidor MCP:

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. Salve e reinicie o Cline.
5. Verifique se o registro do servidor MCP foi bem-sucedido.

Protegendo Chaves de API

Armazene as chaves de API como variáveis de ambiente e faça referência a elas em sua configuração. Exemplo:

{
  "mcpServers": {
    "peacock-mcp": {
      "command": "npx",
      "args": ["@johnpapa/peacock-mcp@latest"],
      "env": {
        "API_KEY": "${PEACOCK_API_KEY}"
      },
      "inputs": {
        "apiKey": "${PEACOCK_API_KEY}"
      }
    }
  }
}

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do sistema MCP, insira os detalhes do seu servidor MCP usando este formato JSON:

{
  "peacock-mcp": {
    "transport": "streamable_http",
    "url": "https://seumcpserver.exemplo/caminhoparamcp/url"
  }
}

Uma vez configurado, o agente de IA poderá usar este MCP como uma ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de trocar “peacock-mcp” pelo nome real do seu servidor MCP e substituir a URL pela URL do seu próprio servidor MCP.

Visão Geral

Com base nas tabelas, o Peacock MCP Server serve como um projeto de demonstração útil, mas carece de documentação detalhada, modelos de prompt, recursos e definições de ferramentas, limitando seu uso prático para integrações MCP avançadas. Seu principal valor é como ponto de partida ou de aprendizado para desenvolvimento de servidores MCP.

Pontuação MCP

Avaliação geral: 3/10 – Este servidor MCP é uma referência útil para começar, mas é bastante limitado em escopo e documentação para uso em cenários reais.