ServidorMcp (MCP Server em C# / .NET 10)

Servidor MCP (Model Context Protocol) em C# / .NET 10 que analisa projetos .NET locais (somente leitura) e sugere implementação de features com base em padrões/convenções detectados.

Este projeto usa o SDK oficial: ModelContextProtocol.

Pré-requisitos

• .NET SDK 10.0.x

Como rodar

Na raiz desta pasta:

cd C:\55TECH\AI\MCP\ServidorMcp

dotnet run --project .\ServidorMcp.Server\ServidorMcp.Server.csproj

Observação: o servidor roda em stdio (JSON-RPC). Logs vão para stderr.

Rodar via Docker

É possível rodar como um processo dentro de um container e manter o stdio (o client MCP fala JSON-RPC pelo stdin/stdout do processo).

Build

Rode a partir da raiz do repositório usando a pasta MCP\ServidorMcp como build context (isso aplica o .dockerignore e evita copiar bin/ e obj/ do host):

cd C:\55TECH\AI

docker build -t servidor-mcp:local .\MCP\ServidorMcp

Run (stdio)

Use -i para manter o stdin aberto.

docker run --rm -i servidor-mcp:local

Montar os projetos analisados (projectPaths)

Como o servidor só consegue ler o que está dentro do container, monte (bind mount) os diretórios no container e use paths do container no projectPaths.

Exemplo (Windows host → container Linux):

docker run --rm -i -v C:\repos:/repos servidor-mcp:local

Então envie projectPaths como "/repos/ServicoA", "/repos/ServicoB", etc.

Tools expostas

As tools são descobertas por assembly via [McpServerToolType] e [McpServerTool].

• GetFeatureQuestions — retorna as 5 perguntas que o usuário deve responder
• AnalyzeProjects — analisa os projetos locais e retorna um diagnóstico em Markdown
• SuggestFeatureImplementation — analisa + sugere estrutura/arquivos/classes/endpoints em Markdown
• analyze_and_suggest_feature — alias all-in-one (mesmo schema do exemplo do prompt)

Passo a passo (com exemplos)

1) Suba o servidor (stdio)

Escolha uma das formas:

A) Local (dotnet run)

cd C:\55TECH\AI\MCP\ServidorMcp
dotnet run --project .\ServidorMcp.Server\ServidorMcp.Server.csproj

B) Docker (stdio)

cd C:\55TECH\AI
docker build -t servidor-mcp:local .\MCP\ServidorMcp

docker run --rm -i servidor-mcp:local

O servidor fica “parado” aguardando mensagens JSON-RPC no stdin/stdout. Isso é esperado.

2) Monte projectPaths

• Local (Windows): use paths do host, por exemplo C:\repos\ServicoA.
• Docker (Linux container): monte volumes e use paths do container.

Exemplo:

docker run --rm -i -v C:\repos:/repos servidor-mcp:local

Então use "/repos/ServicoA", "/repos/ServicoB", etc.

3) Pegue as 5 perguntas (opcional, mas recomendado)

Chame a tool GetFeatureQuestions. Ela retorna um Markdown com as 5 perguntas que o servidor espera no objeto answers.

4) Preencha answers (obrigatório)

Hoje, as tools AnalyzeProjects, SuggestFeatureImplementation e analyze_and_suggest_feature exigem answers completo, com estas 5 chaves:

• controllerRoutes
• database
• events
• consumers
• externalClients

5) Execute uma das tools (escolha o seu fluxo)

Fluxo A — all-in-one (recomendado)

Tool: analyze_and_suggest_feature

Exemplo (local Windows):

{
  "projectPaths": [
    "C:/repos/ServicoA",
    "C:/repos/ServicoB"
  ],
  "featureRequest": "Adicionar feature de categorização de transações com endpoint de CRUD e publicação de evento ao criar categoria",
  "answers": {
    "controllerRoutes": "GET /api/categories; POST /api/categories; PUT /api/categories/{id}; DELETE /api/categories/{id}",
    "database": "PostgreSQL",
    "events": "Kafka",
    "consumers": "Consumer de TransactionCreated",
    "externalClients": "Client HTTP para Serviço de Usuários"
  }
}

Exemplo (Docker + volume montado):

{
  "projectPaths": [
  

... [View full README on GitHub](https://github.com/LuisFelipeUnzueta/project_scan_mcp_server#readme)