Integrated MCPs Guide
About
An integrated MCP server combining Azure DevOps, Gmail, Browser, and Gemini AI functionalities on a Node.js server.
Details
- Author
- reinaldosaraiva
- Categories
- Developer Tools, Other, Infrastructure, AI
Jump to
Setup
Install Integrated MCPs Guide in your MCP client (Claude Desktop, Cursor, Windsurf, and others).
Repository: https://github.com/reinaldosaraiva/guide-mcp
Follow the installation instructions in the repository README, then restart your MCP client.
An integrated MCP server combining Azure DevOps, Gmail, Browser, and Gemini AI functionalities on a Node.js server.
🚀 Guia Completo de Configuração - MCPs Integrados
- Visão Geral
- Pré-requisitos
- Configuração Azure DevOps
- Configuração Gmail
- Configuração Browser
- Configuração Gemini AI
- Servidor Integrado
- Configuração Claude Code
- Teste e Validação
- Solução de Problemas
- Comandos Disponíveis
Este guia ensina como configurar umservidor MCP integradoque combina 4 funcionalidades:
- 🏢 Azure DevOps- Gestão de projetos, work items, repositórios
- 📧 Gmail- Acesso a emails, labels, busca
- 🌐 Browser- Navegação web, busca, screenshots
- 🤖 Gemini AI- Geração de texto, análise de código, tradução
Resultado:Todos os MCPs funcionando nativamente no Claude Code através de um único servidor Node.js.
# Node.js (versão 18 ou superior) node --version # v18.0.0+ # Python (versão 3.11 ou 3.12) python3 --version # 3.11.x ou 3.12.x # Azure CLI az --version # Git git --version # Claude Code # Instalar via: https://claude.ai/code
- Azure DevOps:Acesso à organização Azure DevOps
- Gmail:Conta Google com API habilitada
- Gemini AI:Chave de API do Google AI Studio
# Login no Azure az login --tenant SEU_TENANT.onmicrosoft.com # Configurar organização padrão az devops configure --defaults organization=https://dev.azure.com/SUA_ORGANIZACAO/ # Instalar extensão Azure DevOps az extension add --name azure-devops
# Testar listagem de projetos az devops project list --organization https://dev.azure.com/SUA_ORGANIZACAO/ # Verificar token de acesso az account get-access-token --resource 499b84ac-1321-427f-aa17-267ca6975798
# Criar diretório para MCP Gmail mkdir -p ~/workspace/mcp-servers/gmail cd ~/workspace/mcp-servers/gmail
- AcesseGoogle Cloud Console
- Crie um novo projeto ou selecione existente
- Habilite aGmail API:
- APIs & Services → Library
- Busque "Gmail API" → Enable
- APIs & Services → Credentials
- Create Credentials → OAuth 2.0 Client ID
- Application Type:Desktop Application
- Nome: "MCP Gmail Client"
- Download o arquivo JSON → salvar comocredentials.json
# Criar virtual environment python3 -m venv venv source venv/bin/activate # Linux/Mac # ou venv\Scripts\activate # Windows # Instalar dependências pip install google-auth google-auth-oauthlib google-api-python-client
# Criar script de autenticação cat > test_auth.py << 'EOF' import os import json from google.auth.transport.requests import Request from google.oauth2.credentials import Credentials from google_auth_oauthlib.flow import InstalledAppFlow from googleapiclient.discovery import build SCOPES = [ 'https://www.googleapis.com/auth/gmail.readonly', 'https://www.googleapis.com/auth/gmail.labels' ] def authenticate_gmail(): creds = None if os.path.exists('token.json'): creds = Credentials.from_authorized_user_file('token.json', SCOPES) if not creds or not creds.valid: if creds and creds.expired and creds.refresh_token: creds.refresh(Request()) else: flow = InstalledAppFlow.from_client_secrets_file('credentials.json', SCOPES) creds = flow.run_local_server(port=0) with open('token.json', 'w') as token: token.write(creds.to_json()) service = build('gmail', 'v1', credentials=creds) # Testar conexão results = service.users().labels().list(userId='me').execute() labels = results.get('labels', []) print(f"✅ Gmail autenticado com sucesso!") print(f"📧 Conta: {service.users().getProfile(userId='me').execute()['emailAddress']}") print(f"🏷️ Labels encontrados: {len(labels)}") return service if __name__ == '__main__': authenticate_gmail() EOF # Executar autenticação python test_auth.py
mkdir -p ~/workspace/mcp-servers/browser cd ~/workspace/mcp-servers/browser
# Criar virtual environment python3 -m venv venv source venv/bin/activate # Instalar dependências pip install playwright beautifulsoup4 requests lxml # Instalar browsers do Playwright playwright install chromium
# Criar script de teste cat > test_browser.py << 'EOF' from playwright.sync_api import sync_playwright import requests def test_browser(): print("🌐 Testando Browser MCP...") # Teste 1: Playwright try: with sync_playwright() as p: browser = p.chromium.launch() page = browser.new_page() page.goto("https://example.com") title = page.title() browser.close() print(f"✅ Playwright funcionando - Título: {title}") except Exception as e: print(f"❌ Erro Playwright: {e}") # Teste 2: Requests try: response = requests.get("https://httpbin.org/get", timeout=10) if response.status_code == 200: print("✅ Requests funcionando") else: print(f"❌ Requests erro: {response.status_code}") except Exception as e: print(f"❌ Erro Requests: {e}") if __name__ == '__main__': test_browser() EOF # Executar teste python test_browser.py
- AcesseGoogle AI Studio
- Clique em "Create API Key"
- Copie a chave gerada
mkdir -p ~/workspace/mcp-servers/gemini cd ~/workspace/mcp-servers/gemini
# Criar virtual environment python3 -m venv venv source venv/bin/activate # Instalar dependências pip install google-generativeai # Configurar API Key echo "GEMINI_API_KEY=SUA_API_KEY_AQUI" > .env # Criar script de teste cat > test_gemini.py << 'EOF' import os import google.generativeai as genai from dotenv import load_dotenv load_dotenv() def test_gemini(): print("🤖 Testando Gemini AI...") api_key = os.getenv('GEMINI_API_KEY') if not api_key: print("❌ API Key não encontrada!") return try: genai.configure(api_key=api_key) model = genai.GenerativeModel('gemini-1.5-flash') response = model.generate_content("Diga olá em português") print(f"✅ Gemini funcionando!") print(f"🤖 Resposta: {response.text}") except Exception as e: print(f"❌ Erro Gemini: {e}") if __name__ == '__main__': test_gemini() EOF # Instalar python-dotenv pip install python-dotenv # Executar teste python test_gemini.py
# Navegar para diretório de trabalho cd ~/workspace/projects/javascript # Clonar o repositório MCP integrado git clone https://github.com/SEU_USUARIO/azure-devops-mcp.git cd azure-devops-mcp
# Instalar dependências npm install # Verificar estrutura ls -la src/tools/ # Deve mostrar: core.ts, workitems.ts, gmail.ts, browser.ts, gemini.ts, etc.
Edite os arquivos de proxy para apontar para os diretórios corretos:
// src/tools/gmail.ts const gmailPath = "/Users/SEU_USUARIO/workspace/mcp-servers/gmail"; // src/tools/browser.ts const browserPath = "/Users/SEU_USUARIO/workspace/mcp-servers/browser"; // src/tools/gemini.ts const geminiPath = "/Users/SEU_USUARIO/workspace/mcp-servers/gemini";
# Compilar TypeScript npm run build # Verificar se compilou ls -la dist/
# Localizar arquivo de configuração do Claude # Mac: open ~/Library/Application\ Support/Claude/ # Linux: ~/.config/claude/ # Windows: %APPDATA%/Claude/
{ "mcpServers": { "azure-devops-unified": { "command": "node", "args": [ "/Users/SEU_USUARIO/workspace/projects/javascript/azure-devops-mcp/dist/index.js", "SUA_ORGANIZACAO_AZURE_DEVOPS" ], "env": { "NODE_ENV": "production" } } } }
# Fechar completamente o Claude Code # Reabrir Claude Code # Os MCPs devem aparecer automaticamente
Deve mostrar o banner com todos os 4 MCPs disponíveis.
generate com gemini: diga olá em português
Problema: MCPs não aparecem no Claude Code
# 1. Verificar se o servidor compila cd azure-devops-mcp npm run build # 2. Verificar configuração cat ~/Library/Application\ Support/Claude/claude_desktop_config.json # 3. Testar manualmente node dist/index.js SUA_ORGANIZACAO
# Reautenticar az logout az login --tenant SEU_TENANT.onmicrosoft.com
cd ~/workspace/mcp-servers/gmail source venv/bin/activate python test_auth.py
# Verificar versão Python python3 --version # Se necessário, instalar pyenv curl https://pyenv.run | bash pyenv install 3.12.8 pyenv global 3.12.8
# Projetos liste meus projetos azure devops liste desenvolvedores do projeto [NOME] # Work Items liste tarefas em progresso do projeto [NOME] liste tarefas fechadas do projeto [NOME] mostre dashboard do projeto [NOME] # Repositórios liste repositórios do projeto [NOME] mostre pull requests do projeto [NOME] mostre builds do projeto [NOME]
liste meus labels do gmail mostre meus emails recentes busque emails de [REMETENTE] leia o email [ID]
busque na web: [TERMO] busque o conteúdo desta URL: [URL] extraia conteúdo de: [URL] capture screenshot de: [URL]
generate com gemini: [PROMPT] analise este código com gemini: [CÓDIGO] traduza com gemini: [TEXTO] resuma com gemini: [TEXTO LONGO] gemini chat: [MENSAGEM]
✅Servidor MCP integradofuncionando
✅4 MCPsativos (Azure DevOps, Gmail, Browser, Gemini)
✅Claude Codeconectado e funcional
✅Comandos em portuguêsdisponíveis
✅Gestão completade projetos e desenvolvimento
🚀 Agora você pode gerenciar seus projetos, emails, pesquisas web e IA diretamente no Claude Code!
- Verificar seçãoSolução de Problemas
- Consultar logs:node dist/index.js SUA_ORG
- Verificar configurações de cada MCP individualmente
Última atualização:Dezembro 2024
Versão:1.0.0
This is a web browser that enables your coding agent, such as Claude Code, to visit websites on your behalf and assist you in identifying bugs or creating UI test cases.
AI code reviews for GitHub, GitLab, Azure DevOps & Bitbucket PR/MR URLs from Cursor, Claude, or Copilot.
Competitive intelligence platform with 24 tools — monitor competitor pricing, content, positioning, tech stacks, and how ChatGPT, Claude, and Gemini rank your brand.
MCP Server for Gemini Image and Audio generation
Security-hardened NotebookLM MCP with post-quantum encryption, GDPR/SOC2 compliance, and 14 security layers. Query Google's Gemini-grounded research from any MCP-compatible AI assistant.
Interact with Google Cloud's Vertex AI Gemini models for coding assistance and general query answering.
Universal tool adapter — @tool decorator exports Python functions to OpenAI, Claude, Gemini, MCP, JSON Schema. Audit token costs.
Standing review layer for coding agents: Claude, GPT and Gemini debate each answer and return one recommendation plus the strongest dissent.
Integrates with Google AI Studio/Gemini API for PDF to Markdown conversion and content generation.
A command-line tool that summarizes code files in a directory using Gemini Flash 2.0.
Generate high-quality images from text prompts using Google's Gemini model.
Sign in to leave a review
Use Google, GitHub, or an email account so ratings stay tied to real people.
No reviews posted yet.
