moretes-aws-architect-mcp
MCP de arquitetura: 48 ferramentas determinísticas, zero chamadas a modelo
git clone https://github.com/fernando-moretes/moretes-aws-architect-mcp.gitcerca de 4 min · áudio gerado ao tocar
O moretes-aws-architect-mcp é um servidor MCP open source que coloca 48 ferramentas determinísticas de arquitetura e 10 personas de arquiteto dentro do seu agente de código, sem chamar modelo nenhum e sem pedir chave de API.
Por que este servidor existe
Agente de código é bom para raciocinar e ruim para fazer conta. Peça uma API e ele sugere arquitetura antes de saber o volume, o SLO ou o regime regulatório. Peça um orçamento de latência e ele devolve um número plausível, não um número somado.
A pergunta que me fez escrever isto não foi "o modelo sabe arquitetura?", foi "quem confere o que ele afirmou?". Daí a divisão de responsabilidades: o modelo do seu cliente raciocina; o servidor devolve cálculos, estruturas, fontes oficiais e lacunas explícitas. Quando falta um dado, a resposta diz que falta, em vez de inventar.
É o que eu uso para decidir arquitetura no dia a dia, aberto para a comunidade usar, auditar e estender. A licença é MIT, a versão atual é a 0.5.0, roda em Node 22 e 24 e está listado no MCP Registry como io.github.fernando-moretes/moretes-aws-architect-mcp.
O escopo cobre o ciclo de uma decisão: levantamento de requisitos, ADRs, cálculos (latência, por exemplo), apoio a revisão (como a revisão de terraform plan) e consulta à documentação oficial da AWS. O mesmo motor responde dentro do agente e, offline, como CLI no pipeline.
O que ele entrega
architect_panel reúne pontos de vista diferentes sobre a mesma proposta.https://mcp.moretes.com/mcp ou stdio local via dist/stdio.js.Onde o raciocínio termina e o cálculo começa
O diagrama responde uma pergunta: quem faz o quê. O modelo fica no cliente; o servidor só executa ferramentas determinísticas, seja pelo endpoint remoto ou pelo processo stdio local. O CLI usa o mesmo motor no pipeline, sem agente nenhum. A seta tracejada para a documentação da AWS indica referência citada na resposta, não acesso à sua conta.
- Developer
- Coding agent · Claude Code, Kiro, Codex
- CI pipeline · CLI, SARIF
- Remote endpoint · mcp.moretes.com/mcp
- Local process · dist/stdio.js
- Deterministic engine · 48 tools, 10 personas
- AWS documentation · official sources
Como funciona na prática
Três exemplos mostram o contrato melhor que uma lista de recursos.
Pergunta antes de sugerir: você pede uma API e o agente chama requirements_check e depois architect_panel. A primeira devolve o que falta saber (volume, latência alvo, dados sensíveis); a segunda organiza a avaliação das personas. Nenhum número é inventado no caminho.
Calcula em vez de chutar: latency_budget soma os passos em série, pega o maior dos paralelos e mostra onde o tempo vai. No exemplo que está no README, o fluxo fecha em 1460 de 2000 ms, com 900 ms no pagamento. Esse é o tipo de dado que muda a conversa: o problema deixa de ser "a API está lenta" e passa a ser um passo específico.
Revisa o que vai para produção: terraform_plan_review lê o plano e classifica os achados por severidade. Dentro do agente, vira explicação; no CLI, vira exit code.
Os JSON completos dessas chamadas estão em docs/examples no repositório, e os GIFs do README são trechos do curso gratuito em vídeo, com as chamadas e respostas reais do servidor.
# Claude Code
claude mcp add --transport http moretes-architect https://mcp.moretes.com/mcp
# Codex
codex mcp add moretes-architect --url https://mcp.moretes.com/mcp
# Gemini CLI
gemini mcp add --transport http moretes-architect https://mcp.moretes.com/mcp
# Kiro (.kiro/settings/mcp.json), Cursor (.cursor/mcp.json), Amazon Q (mcp.json)
# {
# "mcpServers": {
# "moretes-architect": { "url": "https://mcp.moretes.com/mcp", "autoApprove": [] }
# }
# }
# VS Code (.vscode/mcp.json)
# { "servers": { "moretes-architect": { "type": "http", "url": "https://mcp.moretes.com/mcp" } } }Do primeiro uso ao pipeline
- 1
Conecte o cliente
Use o comando do seu cliente no bloco acima. Cursor e VS Code têm botão de instalação em um clique no README. O passo a passo de cada cliente, com verificação e erros comuns, está em
docs/clients.md. - 2
Confirme que as ferramentas apareceram
Liste os servidores MCP no cliente e procure
moretes-architect. Depois peça algo concreto, como "monte o orçamento de latência deste fluxo", e confira se o agente chamoulatency_budgetem vez de responder de cabeça. - 3
Rode local quando precisar de stdio
Claude Desktop e qualquer cliente stdio apontam para o build local:
{ "command": "node", "args": ["/CAMINHO/ABSOLUTO/dist/stdio.js"] }. Clone o repositório e siga a seção "Rodar local" do README para instalar e gerar odist/. - 4
Leve a revisão para o pipeline
O CLI roda offline sobre o mesmo motor, com saída em Markdown, JSON ou SARIF. Achado
highemterraform_plan_reviewdevolve exit code 1, o que basta para travar o job antes doapply.
Cota do endpoint público
O endpoint remoto aceita 300 requisições por dia por cliente e 3.000 no total; acima disso, responde 429. Para uso intenso, para dados que não devem sair da máquina ou para CI, rode local: o motor é o mesmo e não há cota.
Por que determinístico importa no pipeline
Um revisor baseado em modelo dentro do CI tem dois custos que aparecem só depois: o resultado varia entre execuções, e cada execução cobra tokens. Gate de pipeline que reprova hoje e aprova amanhã o mesmo plano é pior que não ter gate, porque o time aprende a reexecutar até passar.
O motor aqui não tem esse problema. O mesmo terraform plan gera os mesmos achados, com a mesma severidade, em toda execução. O formato SARIF existe para que esses achados entrem onde o time já olha alertas de código, em vez de virarem mais um log que ninguém abre.
O custo que importa, no fim, não é o de rodar a ferramenta, é o de manter a regra. Regra determinística tem teste, tem diff e tem dono; regra escondida num prompt muda quando o modelo muda. Foi por isso que mantive o servidor sem chamada a modelo nenhuma, inclusive nas personas: elas estruturam a avaliação, quem raciocina sobre ela continua sendo o agente que você já usa.
O repositório tem CI e análise CodeQL ligados, o que vale conferir antes de adotar qualquer servidor MCP de terceiro.
Perguntas frequentes
Preciso de conta AWS ou de credenciais?
Não. O servidor não pede chave de API e nunca acessa a sua conta pela internet. Ele trabalha sobre o que você passa na chamada, como um plano do Terraform ou uma lista de passos com latência.
Quem paga o modelo?
O seu cliente, como já paga hoje. O servidor faz zero chamadas a modelo, então não acrescenta custo de token além do que o agente gasta para chamar a ferramenta e ler a resposta.
Serve só para AWS?
A documentação oficial consultada é a da AWS, mas boa parte das ferramentas é agnóstica: requisitos, ADRs, orçamento de latência e revisão de plano valem para qualquer nuvem.
Remoto ou local?
Remoto para experimentar em 30 segundos. Local quando o volume passa da cota, quando o cliente só fala stdio, ou quando o conteúdo do plano não deve sair da sua máquina.
Referências
Para quem é
Use quando você já decide arquitetura com um agente de código e quer que número, estrutura e fonte venham de algo verificável, não da memória do modelo. Comece pelo endpoint remoto para avaliar em minutos; migre para local quando passar de 300 requisições por dia, quando o cliente for stdio ou quando o plano não puder sair da máquina. Se você procura um agente que decida sozinho, este servidor não é isso: ele devolve cálculo e lacuna, e a decisão continua sendo sua.
Deep dives de arquitetura, AWS, IA e mercado: direto no seu email. Grátis.
Sem spam · cancele quando quiser