Filesystem, Git, memória, GitHub e Postgres — os 5 servidores MCP que uso todo dia no Claude Code

Um assistente de IA que só sabe o que leu no treino não enxerga seus arquivos, não vê seu histórico de Git, não lembra da conversa de ontem — cada sessão nova começa do zero. Dá para compensar colando contexto na mão toda vez, mas depois do terceiro dia isso vira mais trabalho que a tarefa em si.

MCP (Model Context Protocol) resolve esse problema: um padrão aberto que a Anthropic publicou em novembro de 2024, conectando o cliente de IA a ferramentas e dados externos por uma interface única. O próprio protocolo é descrito como um "USB-C para IA" — uma porta padronizada no lugar de um cabo proprietário para cada ferramenta. Este texto não explica o protocolo inteiro antes de deixar você usar alguma coisa: instala direto 5 servidores que cobrem a maior parte dos casos comuns — arquivos, Git, memória persistente, GitHub e banco de dados. Eu uso esses cinco no meu dia a dia dentro do Claude Code para trabalho de desenvolvimento real; não é exercício teórico, é a configuração que já roda.

O que você precisa

• Um cliente que fala MCP: Claude Desktop, Claude Code ou Cursor
• Node.js instalado, para servidores que rodam via npx, e/ou Python com uv/uvx, para servidores que rodam via uvx
• No Windows, saber que comandos npx precisam ser envolvidos em cmd /c — ver Passo 3
• Para o servidor GitHub, um personal access token do GitHub
• Para o servidor Postgres, uma connection string de um banco local ou de teste — nunca de produção neste tutorial
• Custo: os servidores em si são gratuitos e de código aberto; o único custo indireto é o uso normal da API ou do plano do seu cliente de IA

Passo 1: entenda as 3 capacidades de um servidor MCP

Todo servidor MCP expõe até três capacidades, e os cinco servidores instalados a seguir usam essas três capacidades em proporções diferentes:

• Resources — dado tipo arquivo que a IA pode ler: linha de banco, resposta de API, conteúdo de um arquivo
• Tools — funções que a IA pode chamar, com a sua aprovação: escrever um arquivo, rodar uma query
• Prompts — templates prontos para fluxos que se repetem

Passo 2: configure filesystem, git e memory

A doc oficial lista sete "reference servers", mantidos pela própria equipe do MCP — o nível mais alto de confiança e manutenção que existe hoje. A lista completa (verificada contra modelcontextprotocol.io/examples em 2026-09-11) inclui Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking e Time. Este tutorial configura três deles.

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    },
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/caminho/permitido"
      ]
    },
    "git": {
      "command": "uvx",
      "args": ["mcp-server-git", "--repository", "/caminho/do/repositorio"]
    }
  }
}

O filesystem só enxerga o caminho que você declarar no array de args — essa é a barreira de segurança do servidor, e só funciona se o caminho for restrito de verdade. O git pode ser instalado via uvx, recomendado, ou via pip.

Passo 3: adapte o comando para o Windows

No Windows, comandos npx puros dentro do JSON não funcionam direto — é preciso envolver com cmd /c:

{
  "command": "cmd",
  "args": ["/c", "npx", "-y", "@modelcontextprotocol/server-filesystem", "C:\\caminho\\permitido"]
}

Sem esse wrapper, o cliente relata falha ao iniciar o servidor sem uma mensagem de erro clara — é o ponto de atrito mais comum de quem configura MCP pela primeira vez no Windows.

Passo 4: adicione o GitHub

GitHub aparece na doc oficial numa seção separada, "Official integrations" — mantida pela empresa parceira, não pela equipe central do MCP. Na prática funciona igual aos três servidores do Passo 2, mas o ciclo de manutenção depende de outra equipe.

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "<SEU_TOKEN>"
      }
    }
  }
}

O token fica no arquivo de config local — trate esse arquivo como segredo e nunca o commite num repositório Git.

Passo 5: adicione o Postgres

postgres-mcp (pacote crystaldba/postgres-mcp) não é mantido pela Anthropic nem por uma empresa parceira listada — é servidor de comunidade. Funciona bem, mas sem o mesmo nível de garantia de manutenção dos quatro servidores anteriores.

{
  "mcpServers": {
    "postgres": {
      "command": "uvx",
      "args": ["postgres-mcp", "--access-mode=unrestricted"],
      "env": {
        "DATABASE_URL": "postgresql://usuario:senha@localhost:5432/nome_do_banco"
      }
    }
  }
}

--access-mode=unrestricted dá leitura e escrita completas. Para uma primeira configuração, vale considerar um modo mais restrito, se o servidor oferecer um.

O que pode dar errado

Esquecer o wrapper cmd /c no Windows derruba o servidor sem mensagem de erro óbvia — é o primeiro lugar para olhar quando um servidor "não sobe" só nesse sistema.

Token do GitHub ou connection string do Postgres commitados junto com o arquivo de config é o erro mais caro da lista. Trate esse arquivo como segredo, igual a um .env.

Chamar os cinco servidores de "todos oficiais" esconde uma diferença que importa: filesystem, git e memory são reference servers da própria equipe do MCP; GitHub é integração de uma empresa parceira; Postgres é comunidade. A diferença decide a quem recorrer se algo quebrar.

Apontar o filesystem para a raiz do disco em vez de um caminho específico anula a barreira de segurança do servidor — ela só existe se o caminho declarado for restrito.

Próximos passos

Depois dos 5 básicos, a pergunta seguinte é quando vale escrever um servidor MCP próprio em vez de usar function calling direto:

Se o objetivo for rodar tudo local, sem depender de API paga, o próximo passo natural é conectar esses mesmos clientes a um modelo rodando na sua máquina.

MCP não substitui saber o que cada ferramenta faz. Ele só padroniza como a IA pede para usar essas ferramentas.