figma-docs-mcp

figma-docs-mcp

Local MCP server that transforms Figma documentation and business rules into a semantically searchable index, exposed as a tool for Claude Code to query via natural language.

Category
访问服务器

README

figma-docs-mcp

Servidor MCP local que transforma a documentação/regras de negócio que vocês mantêm no Figma em uma base pesquisável por busca semântica, exposta como uma ferramenta para o Claude Code chamar sozinho quando tiver dúvida.

Fluxo: reindex puxa o texto dos arquivos da Figma via REST API → gera embeddings locais → salva um índice em disco. O server carrega esse índice e expõe a tool buscar_documentacao, que o agente usa para achar o trecho certo e o link direto pro frame na Figma.

  • Roda local (stdio), sem expor nada na rede.
  • Embeddings locais (multilingual-e5-small): a doc nunca sai da máquina, sem API key, sem custo por token.
  • Atualização agendada via cron rodando o reindex.

Para a equipe — usar o índice pronto (não precisa de Figma)

Quem só vai consultar não precisa de token da Figma nem de rodar o plugin — só do arquivo de índice (data/index.json), que NÃO vem no repositório (é gerado e contém documentação interna). Pegue o index.json com quem mantém o índice e:

git clone https://github.com/carlosfernandescrypt/figma-mcp.git
cd figma-mcp
npm install            # 1a busca baixa o modelo de embedding (~110MB), fica em cache
npm run build

# coloque o index.json recebido em data/index.json
mkdir -p data && cp /caminho/do/index.json data/index.json

# registra no Claude Code (escopo user = vale em qualquer projeto).
# $(pwd) resolve o caminho absoluto da sua cópia automaticamente:
claude mcp add figma-docs -s user \
  -e STORE_PATH="$(pwd)/data/index.json" \
  -- node "$(pwd)/dist/server.js"

Abra uma sessão nova do Claude Code e pergunte algo das docs — a IA chama a buscar_documentacao sozinha. Quando o índice for atualizado, substitua o data/index.json e reinicie a sessão.

⚠️ Nunca commite o data/index.json (docs internas) — o repositório é público. Ele já está no .gitignore; distribua o índice por canal interno.

Pré-requisitos

  • Node.js 20+ (testado com 22).
  • Um Personal Access Token da Figma: Figma → Settings → Security → Personal access tokens. Permissão de leitura de conteúdo de arquivo é suficiente.

Setup

npm install
cp .env.example .env
# edite o .env: cole o FIGMA_TOKEN e liste os arquivos a indexar

Para descobrir o FILE_KEY de um arquivo, olhe a URL dele: figma.com/design/<FILE_KEY>/Nome-do-arquivo. Coloque as keys separadas por vírgula em FIGMA_FILE_KEYS. Alternativamente, use FIGMA_PROJECT_IDS para indexar todos os arquivos de um projeto de uma vez.

Gerar o índice

npm run reindex

Na primeira execução o modelo de embedding (~110MB) é baixado e fica em cache. As próximas rodadas são rápidas. O índice vai pra ./data/index.json.

Alternativa sem cota REST: extração por plugin (recomendado no plano Pro)

A API REST da Figma tem um limite de custo nos endpoints de leitura de arquivo (/files e /nodes). Em planos Pro, esse orçamento é pequeno: indexar um arquivo grande estoura a cota e a Figma devolve 429 com um Retry-After de dias (x-figma-rate-limit-type: low + link de upgrade). Quando isso acontece, o reindex não consegue puxar conteúdo até a cota resetar.

Solução que não usa cota nenhuma: extrair o texto por um plugin que roda dentro do Figma (a API de plugin lê o documento localmente, sem REST).

  1. Rode o Figma desktop. No Linux (sem app oficial) use o IliyaBrook/figma-linux (AppImage).

  2. Abra o arquivo de docs. Menu Plugins → Development → Import plugin from manifest… e aponte pra figma-plugin/manifest.json deste repo.

  3. Rode o plugin Docs Extractor. Ele varre páginas → frames → texto e gera figma-chunks.json (botão Baixar ou Copiar JSON).

    O plugin roda tanto em modo design (precisa de acesso de edição ao arquivo) quanto em Dev Mode (editorType: ["figma","dev"]). Em Dev Mode o Figma impõe read-only — plugins não conseguem editar o documento, só ler — então é o modo seguro pra arquivos de produção e funciona mesmo sem permissão de edição. O code.js chama figma.loadAllPagesAsync() pra varrer todas as páginas (em Dev Mode a Figma só carrega a página atual por padrão). O plugin só lê: não há nenhuma chamada de escrita — confira com grep -nE "create|append|remove|delete|setPluginData" figma-plugin/code.js.

  4. Indexe esse dump localmente (sem token, sem REST):

npm run index:local /caminho/para/figma-chunks.json

Gera o mesmo ./data/index.json que o reindex. A busca (server) funciona igual. Dá pra rerodar quando quiser — sem nunca estourar cota.

Ligar no Claude Code

Compile e registre o servidor (caminho absoluto):

npm run build
claude mcp add figma-docs -- node /caminho/absoluto/figma-docs-mcp/dist/server.js

Ou, sem build, rodando direto com tsx:

claude mcp add figma-docs -- npx -y tsx /caminho/absoluto/figma-docs-mcp/src/server.ts

O servidor lê o .env da própria pasta. Depois é só perguntar no Claude Code algo como "qual a regra de cálculo do frete?" — ele chama a buscar_documentacao sozinho. A descrição da tool e as instruções do servidor já orientam o agente a consultar antes de assumir como uma regra funciona.

Manter atualizado (cron)

Reindexa a cada 30 minutos (ajuste o intervalo conforme a frequência das mudanças):

*/30 * * * * cd /caminho/absoluto/figma-docs-mcp && /usr/bin/node dist/reindex.js >> reindex.log 2>&1

O servidor recarrega o índice ao iniciar; o índice em si é reescrito a cada reindexação. Em uso pesado, reinicie o servidor após o reindex para recarregar em memória (ou rode reindexações em horários de baixo uso).

Limitações conhecidas (do design da opção 2)

  • Só texto. Significado puramente visual (setas, agrupamentos, tabelas desenhadas) não é capturado. Cada chunk é o texto de um frame de primeiro nível.
  • Frames muito longos são truncados pelo modelo (~512 tokens). Se a doc tiver frames gigantes, vale quebrá-los em seções menores na própria Figma.
  • Rate limits da Figma: indexar muitos arquivos grandes leva tempo; por isso o índice é cacheado e não consultado ao vivo.

Caminhos de evolução

  • Trocar pra embeddings de API (ex.: OpenAI/Voyage): reescreva só src/embeddings.ts mantendo a assinatura embed(texts, kind). Útil se quiser mais qualidade e não se importar com os dados saírem da máquina.
  • Vector store de verdade: para dezenas de milhares de chunks, troque o src/store.ts por sqlite-vec ou hnswlib-node. O JSON + cosseno atual aguenta bem alguns milhares.
  • Webhooks (FILE_UPDATE, requer plano pago): dispara o reindex só do arquivo que mudou, em vez do cron — índice sempre fresco e mais barato.
  • Servir pro time todo: troque o StdioServerTransport por StreamableHTTPServerTransport e hospede como serviço, pra um índice único compartilhado.

Estrutura

src/
  config.ts      # lê o .env
  figma.ts       # REST API da Figma + extração de texto em chunks
  embeddings.ts  # provedor de embedding local (e5 multilíngue)
  store.ts       # índice em JSON + busca por cosseno
  reindex.ts     # CLI: puxa via REST → chunka → embeda → salva (roda no cron)
  index-local.ts # CLI: indexa um dump JSON do plugin (sem REST, sem cota)
  server.ts      # servidor MCP stdio com a tool buscar_documentacao
figma-plugin/
  manifest.json  # plugin de dev pro Figma desktop
  code.js        # varre o documento e monta os chunks (API de plugin, sem REST)
  ui.html        # botões Baixar / Copiar o figma-chunks.json

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选