Cloudflare MCP Server

Implante um servidor MCP remoto e sem autenticação no Cloudflare Workers.

Documentação

🤝 Mostre seu apoio - dê uma ⭐️ se você gostou do conteúdo

MCP Memory

MCP Memory é um MCP Server que dá aos MCP Clients (Cursor, Claude, Windsurf e outros) a capacidade de lembrar informações sobre usuários (preferências, comportamentos) entre conversas. Ele usa tecnologia de busca vetorial para encontrar memórias relevantes com base no significado, não apenas em palavras-chave. É construído com Cloudflare Workers, D1, Vectorize (RAG), Durable Objects, Workers AI e Agents.

📺 Vídeo

🚀 Experimente

https://memory.mcpgenerator.com/

🛠️ Como Implantar Seu Próprio MCP Memory

Opção 1: Implantação com Um Clique do Seu Próprio MCP Memory na Cloudflare

Na seção Create Vectorize, escolha:

Dimensions: 1024
Metric: cosine

Clique no botão "Create and Deploy"

No painel da Cloudflare, vá para "Workers & Pages" e clique em Visit

Visit MCP Memory

Opção 2: Use este template

Clique no botão "Use this template" no topo deste repositório
Clone seu novo repositório
Siga as instruções de configuração abaixo

Opção 3: Criar com a CLI da Cloudflare

npm create cloudflare@latest --git https://github.com/puliczek/mcp-memory

🔧 Configuração (Apenas Opções 2 e 3)

Instale as dependências:

npm install

Crie um índice Vectorize:

npx wrangler vectorize create mcp-memory-vectorize --dimensions 1024 --metric cosine

Instale o Wrangler:

npm run dev

Implante o worker:

npm run deploy

🧠 Como Funciona

MCP Memory Architecture

Armazenando Memórias:
- Seu texto é processado pelo Cloudflare Workers AI usando o modelo open-source @cf/baai/bge-m3 para gerar embeddings
- O texto e seu embedding vetorial são armazenados em dois lugares:
  - Cloudflare Vectorize: Armazena os embeddings vetoriais para busca por similaridade
  - Cloudflare D1: Armazena o texto original e metadados para persistência
- Um Durable Object (MyMCP) gerencia o estado e garante consistência
- O framework Agents lida com a comunicação do protocolo MCP
Recuperando Memórias:
- Sua consulta é convertida em um vetor usando Workers AI com o mesmo modelo @cf/baai/bge-m3
- O Vectorize realiza busca por similaridade para encontrar memórias relevantes
- Os resultados são classificados por pontuação de similaridade
- O banco de dados D1 fornece o texto original para os vetores correspondentes
- O Durable Object coordena o processo de recuperação

Esta arquitetura permite:

Busca rápida por similaridade vetorial através do Vectorize
Armazenamento persistente com D1
Operações com estado via Durable Objects
Interações padronizadas de IA através do Workers AI
Conformidade com o protocolo via framework Agents

O sistema encontra informações conceitualmente relacionadas mesmo quando as palavras exatas não correspondem.

🔒 Segurança

O MCP Memory implementa várias medidas de segurança para proteger os dados do usuário:

As memórias de cada usuário são armazenadas em namespaces isolados dentro do Vectorize para separação de dados
Limitação de taxa integrada previne abuso (100 req/min - você pode alterá-la em wrangler.jsonc)
A autenticação é baseada apenas no userId
- Embora isso seja suficiente para proteção básica devido à limitação de taxa
- Camadas adicionais de autenticação (como chaves de API ou OAuth) podem ser facilmente adicionadas se necessário
Todos os dados são armazenados na infraestrutura segura da Cloudflare
Todas as comunicações são protegidas com criptografia TLS padrão da indústria (fornecida automaticamente pela certificação SSL/TLS da Cloudflare)

💰 Informações de Custo - GRATUITO para a Maioria dos Usuários

O MCP Memory é gratuito para níveis normais de uso:

O nível gratuito permite 1.000 memórias com ~28.000 consultas por mês
Usa a cota gratuita da Cloudflare para Workers, Vectorize, Worker AI e banco de dados D1

Para mais detalhes sobre preços da Cloudflare, consulte:

❓ Perguntas Frequentes

Posso usar memory.mcpgenerator.com para armazenar minhas memórias?
- Sim, você pode usar memory.mcpgenerator.com para armazenar e recuperar suas memórias
- O serviço é gratuito
- Suas memórias são armazenadas com segurança e acessíveis apenas a você
- Não posso garantir que o serviço estará sempre disponível
Posso hospedá-lo?
- Sim, você pode hospedar sua própria instância do MCP Memory gratuitamente na Cloudflare
- Você precisará de uma conta Cloudflare e dos seguintes serviços:
  - Workers
  - Vectorize
  - D1 Database
  - Workers AI
Posso executá-lo localmente?
- Sim, você pode executar o MCP Memory localmente para desenvolvimento
- Use wrangler dev para executar o worker localmente
- Você precisará configurar credenciais de desenvolvimento local para os serviços da Cloudflare
- Observe que alguns recursos como busca vetorial ou Workers AI exigem uma conexão com os serviços da Cloudflare
Posso usar hospedagem diferente?
- Não, o MCP Memory é especificamente projetado para a infraestrutura da Cloudflare
Por que você o construiu?
- Eu queria uma solução open-source
- O controle sobre meus próprios dados era importante para mim
Posso usá-lo para mais de uma pessoa?
- Sim, o MCP Memory pode ser integrado ao seu aplicativo para atender todos os seus usuários
- Cada usuário tem seu próprio espaço de memória isolado
Posso usá-lo para armazenar outras coisas além de memórias?
- Sim, o MCP Memory pode armazenar qualquer tipo de informação baseada em texto
- Alguns exemplos práticos:
  - Base de Conhecimento: Armazene documentação técnica, procedimentos e guias de solução de problemas
  - Comportamentos do Usuário: Acompanhe como os usuários interagem com recursos e padrões de uso comuns
  - Notas de Projeto: decisões e atualizações do projeto
- A busca vetorial ajudará a encontrar itens relacionados independentemente do tipo de conteúdo

Cloudflare Browser Rendering Experiments & MCP Server

Este projeto demonstra como usar o Cloudflare Browser Rendering para extrair conteúdo web para contexto de LLM. Inclui experimentos com a REST API e a Workers Binding API, bem como uma implementação de servidor MCP que pode ser usada para fornecer contexto web a LLMs.

Estrutura do Projeto

cloudflare-browser-rendering/
├── examples/                   # Example implementations and utilities
│   ├── basic-worker-example.js # Basic Worker with Browser Rendering
│   ├── minimal-worker-example.js # Minimal implementation
│   ├── debugging-tools/        # Tools for debugging
│   │   └── debug-test.js       # Debug test utility
│   └── testing/                # Testing utilities
│       └── content-test.js     # Content testing utility
├── experiments/                # Educational experiments
│   ├── basic-rest-api/         # REST API tests
│   ├── puppeteer-binding/      # Workers Binding API tests
│   └── content-extraction/     # Content processing tests
├── src/                        # MCP server source code
│   ├── index.ts                # Main entry point
│   ├── server.ts               # MCP server implementation
│   ├── browser-client.ts       # Browser Rendering client
│   └── content-processor.ts    # Content processing utilities
├── puppeteer-worker.js         # Cloudflare Worker with Browser Rendering binding
├── test-puppeteer.js           # Tests for the main implementation
├── wrangler.toml               # Wrangler configuration for the Worker
├── cline_mcp_settings.json.example # Example MCP settings for Cline
├── .gitignore                  # Git ignore file
└── LICENSE                     # MIT License

Pré-requisitos

Node.js (v16 ou posterior)
Uma conta Cloudflare com Browser Rendering habilitado
TypeScript
CLI do Wrangler (para implantar o Worker)

Instalação

Clone o repositório:

git clone https://github.com/yourusername/cloudflare-browser-rendering.git
cd cloudflare-browser-rendering

Instale as dependências:

npm install

Configuração do Cloudflare Worker

Instale o pacote Cloudflare Puppeteer:

npm install @cloudflare/puppeteer

Configure o Wrangler:

# wrangler.toml
name = "browser-rendering-api"
main = "puppeteer-worker.js"
compatibility_date = "2023-10-30"
compatibility_flags = ["nodejs_compat"]

[browser]
binding = "browser"

Implante o Worker:

npx wrangler deploy

Teste o Worker:

node test-puppeteer.js

Executando os Experimentos

Experimento Básico com REST API

Este experimento demonstra como usar a REST API do Cloudflare Browser Rendering para buscar e processar conteúdo web:

npm run experiment:rest

Experimento com Puppeteer Binding API

Este experimento demonstra como usar a Workers Binding API do Cloudflare Browser Rendering com Puppeteer para automação de navegador mais avançada:

npm run experiment:puppeteer

Experimento de Extração de Conteúdo

Este experimento demonstra como extrair e processar conteúdo web especificamente para uso como contexto em LLMs:

npm run experiment:content

Servidor MCP

O servidor MCP fornece ferramentas para buscar e processar conteúdo web usando Cloudflare Browser Rendering para uso como contexto em LLMs.

Compilando o Servidor MCP

npm run build

Executando o Servidor MCP

npm start

Ou, para desenvolvimento:

npm run dev

Ferramentas do Servidor MCP

O servidor MCP fornece as seguintes ferramentas:

fetch_page - Busca e processa uma página web para contexto de LLM
search_documentation - Pesquisa a documentação da Cloudflare e retorna conteúdo relevante
extract_structured_content - Extrai conteúdo estruturado de uma página web usando seletores CSS
summarize_content - Resume conteúdo web para um contexto de LLM mais conciso

Configuração

Para usar seu endpoint do Cloudflare Browser Rendering, defina a variável de ambiente BROWSER_RENDERING_API:

export BROWSER_RENDERING_API=https://YOUR_WORKER_URL_HERE

Substitua YOUR_WORKER_URL_HERE pela URL do seu Cloudflare Worker implantado. Você precisará substituir este placeholder em vários arquivos:

Nos arquivos de teste: test-puppeteer.js, examples/debugging-tools/debug-test.js, examples/testing/content-test.js
Na configuração do servidor MCP: cline_mcp_settings.json.example
No cliente do navegador: src/browser-client.ts (como fallback se a variável de ambiente não estiver definida)

Integrando com o Cline

Para integrar o servidor MCP com o Cline, copie o arquivo cline_mcp_settings.json.example para o local apropriado:

cp cline_mcp_settings.json.example ~/Library/Application\ Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json

Ou adicione a configuração ao seu arquivo cline_mcp_settings.json existente.

Principais Aprendizados

O Cloudflare Browser Rendering requer o pacote @cloudflare/puppeteer para interagir com o binding do navegador.

O padrão correto para usar o binding do navegador é:

import puppeteer from '@cloudflare/puppeteer';

// Then in your handler:
const browser = await puppeteer.launch(env.browser);
const page = await browser.newPage();

Ao implantar um Worker que usa o binding do Browser Rendering, você precisa habilitar a flag de compatibilidade nodejs_compat.
Sempre feche o navegador após o uso para evitar vazamentos de recursos.

cloudflare-api-mcp

Este é um servidor leve de Model Control Protocol (MCP) inicializado com create-mcp e implantado no Cloudflare Workers.

Este servidor MCP permite que agentes (como o Cursor) interajam com a Cloudflare REST API.

Ainda está em desenvolvimento; adicionarei mais ferramentas conforme eu precisar delas.

Ferramentas Disponíveis

Consulte src/index.ts para a lista atual de ferramentas. Cada método da classe é uma ferramenta MCP.

Instalação

Execute o script de instalação automatizado para clonar este servidor MCP e implantá-lo na sua conta Cloudflare:

bun create mcp --clone https://github.com/zueai/cloudflare-api-mcp

Abra o Cursor Settings -> MCP -> Add new MCP server e cole o comando que foi copiado para sua área de transferência.
Envie sua chave de API e email da Cloudflare para os secrets do seu worker:

bunx wrangler secret put CLOUDFLARE_API_KEY
bunx wrangler secret put CLOUDFLARE_API_EMAIL

Desenvolvimento Local

Adicione sua chave de API e email da Cloudflare ao arquivo .dev.vars:

CLOUDFLARE_API_KEY=<your-cloudflare-api-key>
CLOUDFLARE_API_EMAIL=<your-cloudflare-api-email>

Implantação

Execute o script de implantação:

bun run deploy

Recarregue sua janela do Cursor para ver as novas ferramentas.

Como Criar Novas Ferramentas MCP

Para criar novas ferramentas MCP, adicione métodos à classe MyWorker em src/index.ts. Cada função se tornará automaticamente uma ferramenta MCP que seu agente pode usar.

Exemplo:

/**
 * Create a new DNS record in a zone.
 * @param zoneId {string} The ID of the zone to create the record in.
 * @param name {string} The name of the DNS record.
 * @param content {string} The content of the DNS record.
 * @param type {string} The type of DNS record (CNAME, A, TXT, or MX).
 * @param comment {string} Optional comment for the DNS record.
 * @param proxied {boolean} Optional whether to proxy the record through Cloudflare.
 * @return {object} The created DNS record.
 */
createDNSRecord(zoneId: string, name: string, content: string, type: string, comment?: string, proxied?: boolean) {
    // Implementation
}

Os comentários JSDoc são importantes:

A primeira linha se torna a descrição da ferramenta
As tags @param definem os parâmetros da ferramenta com tipos e descrições
A tag @return especifica o valor de retorno e o tipo

Cloudflare MCP Server

Documentação

MCP Memory

📺 Vídeo

🚀 Experimente

https://memory.mcpgenerator.com/

🛠️ Como Implantar Seu Próprio MCP Memory

Opção 1: Implantação com Um Clique do Seu Próprio MCP Memory na Cloudflare

Opção 2: Use este template

Opção 3: Criar com a CLI da Cloudflare

🔧 Configuração (Apenas Opções 2 e 3)

🧠 Como Funciona

🔒 Segurança

💰 Informações de Custo - GRATUITO para a Maioria dos Usuários

❓ Perguntas Frequentes

Cloudflare Browser Rendering Experiments & MCP Server

Estrutura do Projeto

Pré-requisitos

Instalação

Configuração do Cloudflare Worker

Executando os Experimentos

Experimento Básico com REST API

Experimento com Puppeteer Binding API

Experimento de Extração de Conteúdo

Servidor MCP

Compilando o Servidor MCP

Executando o Servidor MCP

Ferramentas do Servidor MCP

Configuração

Integrando com o Cline

Principais Aprendizados

cloudflare-api-mcp

Ferramentas Disponíveis

Instalação

Desenvolvimento Local

Implantação

Como Criar Novas Ferramentas MCP

Saiba Mais