acta-mcp
ACTA · API MCP com ferramentas de integração entre IA, PostgreSQL, MongoDB e Qdrant · Inteligência Artificial
Install / Use
claude mcp add AppActa -- npx -y github:AppActa/acta-mcpIf the server publishes to npm under a different name, use that package instead — check the repo README.
MCP Server
Model Context Protocol server
Quality Score
Category
OperationsSupported Platforms
Our assessment of acta-mcp
acta-mcp scores 78/100 on our quality scale, 686th of 761 Operations skills we index.
Its MCP Server is 9.9 KB long, well organised into 12 sections with 7 code examples: a thorough specification that gives an agent plenty to work with.
It has 3 GitHub stars, so there is little community track record yet; judge it on its content.
Maintenance, license and trust
- The repository was last updated 7 days ago, so acta-mcp is actively maintained.
- It is released under the MIT license, a permissive license that allows use, modification and commercial use with attribution.
- Its trust signals score 92/100, with 1 caution from licensing, adoption, age or documentation. These come from repository metadata, not a code audit — read the skill file before letting an agent act on it.
acta-mcp compared with similar skills
All 4 of these similar skills score higher than acta-mcp; compare them before choosing.
| Skill | Score | Stars | Updated | Format |
|---|---|---|---|---|
| acta-mcp (this skill)by AppActa | 78 | 3 | 7d ago | MCP Server |
| claude-memby thedotmack | 100 | 101.9k | today | CLAUDE.md |
| Agent-Reachby Panniantong | 100 | 100.2k | today | CLAUDE.md |
| headroomby headroomlabs-ai | 100 | 76.7k | today | CLAUDE.md |
| CowAgentby zhayujie | 100 | 47.5k | today | CLAUDE.md |
Frequently asked questions
- How do I install acta-mcp?
- Run
claude mcp add AppActa -- npx -y github:AppActa/acta-mcp. The install tabs above show the steps for each supported agent. - Which AI agents does acta-mcp work with?
- It is written for Claude Code and Claude Desktop, as a MCP Server file. Other agents that read the same format can often use it too.
- Is acta-mcp safe to use?
- It is MIT-licensed and scores 92/100 on trust signals. Skills are instructions an agent will follow, so read the file before installing it and do not approve commands you do not understand.
- Is acta-mcp still maintained?
- The repository was last updated 7 days ago, so acta-mcp is actively maintained.
Skill content
View source on GitHub🔌 ACTA MCP
Servidor MCP que disponibiliza operações autorizadas dos domínios do ACTA para apoiar o ciclo PDCA (Plan, Do, Check, Act). Ele conecta clientes de IA aos dados e serviços do ACTA sem transferir ao modelo a identidade do usuário ou as regras de acesso.
📌 Visão geral
O acta-mcp publica ferramentas, um catálogo de ferramentas e prompts pelo Model Context Protocol (MCP). O sistema cliente, como o acta-ai, decide quando chamar cada ferramenta e como apresentar a resposta; o servidor MCP valida o contexto autenticado, aplica as regras de domínio e consulta PostgreSQL ou MongoDB.
O serviço atende operações de ciclos PDCA, tarefas, colaboradores, formulários, treinamentos, relatórios, lições aprendidas e FAQ conceitual. Memória de conversas e skills pessoais pertencem ao sistema cliente e não fazem parte deste servidor.
✨ Funcionalidades
| Domínio | Capacidades | | --- | --- | | Ciclos | Buscar ciclos acessíveis e consultar visão geral, problemas, causas, riscos, participantes e treinamentos; registrar informações permitidas. | | Tarefas | Consultar tarefas, atrasos, responsáveis e alertas; criar tarefas e atualizar dados e status conforme as permissões do ciclo. | | Colaboradores | Consultar participantes, detalhes, carga de trabalho e sugestões de realocação, respeitando o escopo empresarial ou do ciclo. | | Formulários | Consultar formulários e respostas, criar rascunhos, adicionar perguntas e publicar formulários. | | Relatórios e treinamentos | Reunir contexto de um ciclo para relatórios e criar treinamentos com participantes. | | Lições aprendidas | Gerar uma lição com base em evidências do ciclo, produzir um PDF, resumir lições e responder perguntas com referências. | | FAQ | Pesquisar conteúdo conceitual do ACTA e do PDCA por busca semântica no Qdrant ou por busca lexical local. |
O servidor também publica o resource acta://catalog/tools e os prompts analisar_ciclo e gerar_relatorio_ciclo. O catálogo completo descreve operações, escopos e limites. Não há ferramenta para executar SQL livre ou consultar o MongoDB arbitrariamente.
🏗️ Arquitetura e segurança
flowchart LR
C[Cliente MCP / ACTA AI] -->|MCP Streamable HTTP| A[Autenticação e contexto ACTA]
A --> T[Tools e prompts por domínio]
T --> S[Serviços e regras de acesso]
S --> PG[(PostgreSQL)]
S --> MG[(MongoDB)]
T --> Q[FAQ: Qdrant opcional ou busca lexical]
T --> L[Auditoria e trace_id]
Em HTTP, o servidor recebe uma chave de serviço Bearer e os identificadores do usuário e da empresa nos cabeçalhos. O PostgreSQL confirma o usuário, a empresa, o perfil e o acesso ao ciclo. As ferramentas recebem argumentos de domínio, não identidade ou permissões fornecidas pelo modelo. O modo disabled existe para desenvolvimento e testes locais e é recusado quando ACTA_ENV=production.
O PostgreSQL fornece dados transacionais e autorizações; o MongoDB armazena formulários e lições aprendidas. O Qdrant é opcional para a busca semântica do FAQ; sem ele, a busca usa o conteúdo local. A geração de lições aprendidas usa Gemini e o anexo PDF é armazenado no Cloudinary.
🛠️ Tecnologias
| Tecnologia | Uso |
| --- | --- |
| Python 3.11+ | Linguagem e versão mínima declarada pelo projeto; o contêiner e a CI usam Python 3.12. |
| MCP SDK 1.28.1 | Servidor FastMCP, ferramentas, resources, prompts e transporte Streamable HTTP. |
| PostgreSQL 16 | Persistência relacional; versão usada pelo ambiente local de desenvolvimento e integração. |
| MongoDB 7 | Persistência documental; versão usada pelo ambiente local de desenvolvimento e integração. |
| Qdrant | Índice vetorial opcional para busca semântica no FAQ. |
| Gemini | Embeddings do FAQ semântico e geração, resumo e perguntas sobre lições aprendidas. |
| Cloudinary | Armazenamento dos PDFs gerados para lições aprendidas. |
| Docker Compose | Serviços de banco locais usados no desenvolvimento e nos testes. |
| GitHub Actions | Validação de qualidade e publicação da imagem de contêiner no GHCR após push em main. |
As versões dos bancos na tabela correspondem aos serviços declarados em docker-compose.yml, usados para desenvolvimento e integração; o projeto não fixa a versão dos bancos de produção.
✅ Pré-requisitos e configuração
Para executar localmente, tenha Python 3.11 ou superior, uv, Docker com Docker Compose e acesso ao banco ACTA compatível com os domínios que deseja utilizar. O Compose do repositório inicia PostgreSQL e MongoDB com fixtures reduzidas para desenvolvimento e testes; ele não provisiona um banco completo de produção.
Crie um arquivo de ambiente local a partir do exemplo:
Copy-Item .env.example .env
Revise a chave de API e as URLs de PostgreSQL e MongoDB para o seu ambiente. Para as portas publicadas pelo Compose, os valores de exemplo são localhost:5433 e localhost:27018. Não versione chaves, URLs com credenciais ou outros segredos.
| Configuração | Finalidade |
| --- | --- |
| ACTA_ENV, ACTA_AUTH_MODE, ACTA_MCP_API_KEY | Ambiente e autenticação do transporte HTTP. Em produção, use ACTA_AUTH_MODE=api_key e uma chave forte. |
| DATABASE_URL, MONGODB_URI, MONGODB_DATABASE | Conexões e banco documental usados pelo serviço. |
| GEMINI_API_KEY | Necessária para gerar, resumir ou consultar lições aprendidas; também é necessária em produção e para embeddings quando o FAQ usa Qdrant. |
| QDRANT_CLUSTER_ENDPOINT, QDRANT_API_KEY | Configuram o índice vetorial opcional do FAQ. Sem ambos, é usada a busca lexical local. |
| CLOUDINARY_CLOUD_NAME, CLOUDINARY_API_KEY, CLOUDINARY_API_SECRET | Credenciais para enviar o PDF da lição aprendida ao Cloudinary. |
| PORT, ACTA_HOST, ACTA_LOG_LEVEL | Porta, endereço de escuta e nível de log do servidor. |
A lista completa, valores padrão e detalhes de configuração estão em Configuração. Para implantação no Render, consulte Deploy.
🚀 Execução local
Instale as dependências e inicie os bancos locais:
uv sync --extra dev
docker compose up -d --wait
Para iniciar o servidor HTTP em ambiente local, defina o modo de autenticação de desenvolvimento e execute:
$env:ACTA_ENV = "development"
$env:ACTA_AUTH_MODE = "disabled"
uv run python -m acta_mcp.main --transport http
O transporte HTTP usa a porta 8000 por padrão. O endpoint MCP fica em http://127.0.0.1:8000/mcp e a verificação de saúde em http://127.0.0.1:8000/health. O endpoint de saúde verifica PostgreSQL e MongoDB e retorna HTTP 503 se algum deles estiver indisponível.
Para desenvolvimento, a integração local exige ACTA_AUTH_MODE=disabled; nesse modo o contexto usa ACTA_DEFAULT_USUARIO_ID e ACTA_DEFAULT_EMPRESA_ID, ou os cabeçalhos correspondentes. O usuário ainda precisa existir, estar ativo e pertencer à empresa informada no PostgreSQL. Não use esse modo em produção. Para configurar um cliente HTTP autenticado ou executar via stdio, siga Autenticação e Configuração.
🔌 Integração MCP
O transporte HTTP usa MCP Streamable HTTP sem sessão persistente. Em produção, cada requisição ao caminho /mcp deve incluir:
Authorization: Bearer <ACTA_MCP_API_KEY>
X-Acta-Usuario-Id: <ID_DO_USUARIO>
X-Acta-Empresa-Id: <ID_DA_EMPRESA>
X-Trace-Id: <UUID_OPCIONAL>
O serviço cliente deve preencher os identificadores a partir da identidade autenticada no ACTA. O servidor consulta o perfil persistido e valida o vínculo com a empresa e, conforme a operação, com o ciclo solicitado. Consulte as regras completas de leitura e escrita em Autenticação e autorização.
Também há transporte stdio para clientes locais. Ele exige ACTA_AUTH_MODE=disabled e usa os identificadores padrão configurados no ambiente; por isso, destina-se apenas a desenvolvimento e testes.
🧪 Validação e fluxo de entrega
O fluxo de qualidade definido no repositório verifica o lockfile, a configuração do Compose, o lint com Ruff e os testes com cobertura mínima configurada de 80%. A CI usa Python 3.12. Após push em main, outro workflow constrói a imagem e publica uma tag baseada no SHA do commit no GHCR.
Para executar a validação local completa, com Docker e uv disponíveis:
make validate
O manifesto render.yaml descreve um Web Service Docker, e o Dockerfile inicia o transporte HTTP. A validação local não confirma conexão com serviços externos nem a implantação de produção.
📁 Estrutura
.
├── .github/workflows/ # qualidade, integração e publicação da imagem
├── docs/ # arquitetura, configuração, segurança e catálogo de tools
├── migrations/ # notas sobre fixtures e migrações
├── scripts/ # verificações operacionais
├── src/acta_mcp/
│ ├── core/ # configuração, contexto, autenticação e auditoria
│ ├── infrastructure/ # conexões e adaptadores de persistência
│ ├── modules/ # tools, serviços e repositórios por domínio
│ ├── prompts/ # prompts MCP
│ ├── resources/ # resources MCP
│ ├── registry.py # registro de tools, resources e prompts
│ └── server.py # servidor, transporte HTTP e health check
├── tests/ # testes unitários, de contrato e integração
├── Dockerfile
├── docker-compose.yml
├── pyproject.toml
└── README.md
📚 Documentação
- Arquitetura e ciclo de requisição
- Autenticação e autorização
- Catálogo de tools
- Configuração local e variáveis
- Deploy no Render
🤝 Links e autoria
- Repositório · Licença MIT ·
acta.institutojef@gmail.com - Contribuições: use issues e pull requests; há um
PULL_REQUEST_TEMPLATE.md. - Autoria: Equipe ACTA.
Related Skills
claude-mem
101.9kPersistent Context Across Sessions for Every Agent – Captures everything your agent does during sessions, compresses it with AI, and injects relevant context back into future sessions. Works with Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + More
Agent-Reach
100.2kGive your AI agent eyes to see the entire internet. Read & search Twitter, Reddit, YouTube, GitHub, Bilibili, XiaoHongShu — one CLI, zero API fees.
headroom
76.7kCompress tool outputs, logs, files, and RAG chunks before they reach the LLM. 20% fewer tokens for coding agents, 60-95% fewer tokens for JSON, same answers. Library, proxy, MCP server.
CowAgent
47.5kOpen-source personal AI assistant & Agent Harness. Plans tasks, runs tools and skills, self-evolves with memory and knowledge. Multi-agent, multi-model, multi-channel. Lightweight, extensible, one-line install.
Languages
Trust signals
From repository metadata: license, adoption, age and documentation. Not a code audit — see the Safety scan above for what the skill file itself contains.
