Pular para o conteúdo
fernando.moretes.com
BlogEstudosCursosE-booksOpen SourcePodcasts
Loading…
Fernando Azevedo

Arquiteto de TI Especialista

Arquitetura, AWS, IA em produção, sistemas financeiros e FinOps, escritos a partir do que foi operado, com os números.

  • LinkedIn
  • GitHub
  • E-mail

Conteúdo

  • Blog
  • Estudos de arquitetura
  • Cursos
  • E-books
  • Open Source
  • Podcasts
  • Assuntos
  • Trilhas

Ferramentas

  • Moretes Architect MCP
  • Well-Architected self-check
  • Arquitetura deste site
  • Números públicos
  • Histórico de estudo

Sobre

  • Comunidade
  • Hugging Face
  • IA Builder
  • Perfil
  • Currículo (CV)
  • Trabalhe comigo
  • Media kit
  • RSS do blog
  • RSS dos estudos
  • Artigos narrados (podcast)
  • llms.txt
  • Termos, privacidade e uso de IA

(c) 2026 Fernando Francisco Azevedo

Open Source/moretes-aws-architect-mcp
TypeScript

moretes-aws-architect-mcp

MCP de arquitetura: 48 ferramentas determinísticas, zero chamadas a modelo

1MITAtualizado em 8 de nov. de 2026000 visualizações00 reproduções
Compartilhar:LinkedInWhatsAppXBaixar em Markdown
#aws#claude#codex#kiro#mcp#model-context-protocol#serverless#solution-architecture#typescript
Ver no GitHub Site
git clone https://github.com/fernando-moretes/moretes-aws-architect-mcp.git
Ouvir guia

cerca 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

48 ferramentas determinísticas: mesma entrada, mesma saída. Nenhuma depende de temperatura de modelo.
10 personas de arquiteto: architect_panel reúne pontos de vista diferentes sobre a mesma proposta.
Zero chamadas a modelo e zero chave de API: o servidor nunca acessa a sua conta AWS pela internet.
Dois transportes: HTTP remoto em https://mcp.moretes.com/mcp ou stdio local via dist/stdio.js.
Modo CLI para pipeline: saída em Markdown, JSON ou SARIF e exit code por severidade.
Oito clientes documentados: Claude Code, Codex, Kiro, Cursor, VS Code, Gemini CLI, Amazon Q e Claude Desktop.

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.

Your machine
  • Developer
  • Coding agent · Claude Code, Kiro, Codex
  • CI pipeline · CLI, SARIF
MCP server
  • Remote endpoint · mcp.moretes.com/mcp
  • Local process · dist/stdio.js
  • Deterministic engine · 48 tools, 10 personas
Sources
  • 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.

Conectar ao endpoint remoto: sem chave, sem cadastro
bash
# 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. 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. 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 chamou latency_budget em vez de responder de cabeça.

  3. 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 o dist/.

  4. 4

    Leve a revisão para o pipeline

    O CLI roda offline sobre o mesmo motor, com saída em Markdown, JSON ou SARIF. Achado high em terraform_plan_review devolve exit code 1, o que basta para travar o job antes do apply.

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

GitHub: fernando-moretes/moretes-aws-architect-mcpTutorial e página do MCP / MCP tutorial pageCurso gratuito em vídeo / Free video courseMCP Registry: io.github.fernando-moretes/moretes-aws-architect-mcpGuia por cliente / Per-client guide (docs/clients.md)

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.

Curte open source e arquitetura? Receba mais.

Deep dives de arquitetura, AWS, IA e mercado: direto no seu email. Grátis.

Sem spam · cancele quando quiser

Guia gerado com IA a partir do repositório e do README. · Fonte

Continue lendo

Pythonmcp-aws-solution-architectServidor MCP bilíngue com 5 ferramentas determinísticas para arquitetura AWSLer JavaScriptaws-builder-workshopsLabs offline de agentes de IA e arquitetura AWS: teste, confira a IA, mostre a evidênciaLer TypeScriptqueue-advisor-pricing-appCompare custo e encaixe de SQS, Kinesis, EventBridge e MSK pela sua carga realLer