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.

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

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.

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

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.