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.
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).
-
Rode o Figma desktop. No Linux (sem app oficial) use o IliyaBrook/figma-linux (AppImage).
-
Abra o arquivo de docs. Menu Plugins → Development → Import plugin from manifest… e aponte pra
figma-plugin/manifest.jsondeste repo. -
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. Ocode.jschamafigma.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 comgrep -nE "create|append|remove|delete|setPluginData" figma-plugin/code.js. -
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.tsmantendo a assinaturaembed(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.tsporsqlite-vecouhnswlib-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
StdioServerTransportporStreamableHTTPServerTransporte 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
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。
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。
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。
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。
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。
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。
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
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。