docs: finalize comprehensive documentation and MCP guide

MCP_GUIDE.md

@@ -0,0 +1,56 @@
+# Guia do Servidor MCP: Wiki Técnica Fluig
+
+Este guia explica como configurar e utilizar o servidor MCP (Model Context Protocol) para permitir que agentes de IA (como Claude Desktop, Cursor ou IDEs) interajam de forma inteligente com a documentação técnica do Fluig extraída pelo projeto `apitdn`.
+
+## 1. Pré-requisitos
+*   Python 3.9 ou superior.
+*   Dependências instaladas:
+    ```bash
+    pip install -r requirements.txt
+    ```
+
+## 2. Arquitetura do MCP
+O servidor (`mcp_server.py`) utiliza o framework **FastMCP** e expõe o conteúdo do arquivo `fluig_chunks.json` e da `Biblioteca de Snippets`. Ele opera via interface **STDIO**, que é o padrão para integração com a maioria dos clientes de IA.
+
+## 3. Ferramentas Disponíveis (Tools)
+Ao conectar este MCP a um agente de IA, as seguintes ferramentas ficam disponíveis:
+
+*   **`search_docs(query)`**: Realiza uma busca semântica por palavras-chave nos ~1.800 chunks da documentação. Ideal para dúvidas conceituais ou de configuração.
+*   **`get_code_snippets(language)`**: Retorna todos os exemplos de código para a linguagem solicitada (`javascript`, `java` ou `sql`).
+*   **Recurso `docs://all_titles`**: Fornece uma lista completa de todos os títulos de páginas disponíveis na base de conhecimento.
+
+## 4. Configuração no Claude Desktop
+Para usar este MCP no Claude Desktop, adicione a seguinte configuração ao seu arquivo `claude_desktop_config.json`:
+
+**Caminho do arquivo (Windows):** `%APPDATA%\Claude\claude_desktop_config.json`
+
+```json
+{
+  "mcpServers": {
+    "fluig-wiki": {
+      "command": "python",
+      "args": ["C:/dev/apitdn/mcp_server.py"],
+      "env": {
+        "PYTHONPATH": "C:/dev/apitdn"
+      }
+    }
+  }
+}
+```
+*Substitua `C:/dev/apitdn` pelo caminho absoluto do seu repositório.*
+
+## 5. Como Testar
+Você pode testar se o servidor está respondendo corretamente via linha de comando usando o `mcp-cli` (se instalado) ou apenas rodando o script para verificar erros de importação:
+```bash
+python mcp_server.py
+```
+*(O comando acima não produzirá saída visível e ficará aguardando input STDIO, o que indica que está funcionando corretamente).*
+
+## 6. Sincronização com o Gitea
+Sempre que novos documentos forem extraídos do TDN via `fluig_extractor.py`, lembre-se de rodar:
+1. `python rag_processor.py` (para atualizar o `fluig_chunks.json`).
+2. `python snippet_generator.py` (para atualizar a biblioteca de códigos).
+3. `git commit -am "docs: update knowledge base"`
+4. `git push origin master`
+
+Isso garantirá que o servidor MCP sempre forneça as informações mais recentes para a sua IA.

index.md

@@ -1,16 +1,32 @@
-# Bem-vindo à sua Wiki Técnica Fluig Offline
+# Wiki Técnica Fluig Offline & MCP Server
 
-Esta base de dados contém toda a documentação técnica extraída do TDN, otimizada para consulta rápida e uso em modelos de IA locais.
+Esta é uma base de conhecimento técnica completa da plataforma TOTVS Fluig, extraída automaticamente do TDN e otimizada para desenvolvedores e sistemas de IA.
 
-### Atalhos Rápidos
+## 🚀 Funcionalidades Principais
-*   [Desenvolvimento de Datasets](Plataforma  Documentação técnica/Desenvolvimento sobre a plataforma/Desenvolvimento de Datasets/Construção do Dataset Avançado.md)
+*   **Extração Inteligente:** Motor assíncrono que mantém a documentação sempre atualizada com o TDN.
-*   [Eventos de Processo (BPM)](Plataforma  Documentação técnica/Recurso de Processos (BPM).md)
+*   **Wiki Offline:** Interface visual moderna via MkDocs para consulta rápida sem internet.
-*   [Guia de Estilos (Style Guide)](Plataforma  Documentação técnica/Desenvolvimento sobre a plataforma/Guia de Estilos.md)
+*   **Biblioteca de Snippets:** Todos os exemplos de código (JS, Java, SQL) extraídos e categorizados.
+*   **Pronto para IA (RAG):** Documentação dividida em chunks semânticos para alimentar modelos de linguagem.
+*   **Servidor MCP:** Interface nativa para integrar o conhecimento do Fluig diretamente no seu chat de IA.
 
-### Recursos Offline e IA
+## 📂 Estrutura do Projeto
-*   **Biblioteca de Snippets:** Veja exemplos de [JS](Biblioteca de Snippets/Snippets JAVASCRIPT.md), [Java](Biblioteca de Snippets/Snippets JAVA.md) e [SQL](Biblioteca de Snippets/Snippets SQL.md).
+*   `fluig_extractor.py`: O motor de extração (Async + Incremental).
-*   **RAG Ready:** Use o `rag_processor.py` para gerar chunks para sua IA local.
+*   `fluig_rag_docs/`: A base de arquivos Markdown e imagens.
-*   **Manutenção:** Rode `link_validator.py` para garantir que nada esteja quebrado.
+*   `mcp_server.py`: O servidor para conexão com IAs.
+*   `rag_processor.py`: Gerador de chunks para sistemas RAG.
+*   `snippet_generator.py`: Extrator de exemplos de código.
+*   `Dockerfile`: Ambiente pronto para deploy da Wiki.
+
+## 🛠️ Como Começar
+1.  **Instalação:** `pip install -r requirements.txt`
+2.  **Ver a Wiki:** `mkdocs serve` e acesse `http://localhost:8000`
+3.  **Configurar MCP:** Veja o [Guia do MCP](MCP_GUIDE.md).
 
 ---
-*Gerado automaticamente para uso via Tailscale.*
+### 🔗 Atalhos Rápidos
+*   [Desenvolvimento de Datasets](Plataforma  Documentação técnica/Desenvolvimento sobre a plataforma/Desenvolvimento de Datasets/Construção do Dataset Avançado.md)
+*   [Eventos de Processo (BPM)](Plataforma  Documentação técnica/Recurso de Processos (BPM).md)
+*   [Biblioteca de Snippets JS](Biblioteca de Snippets/Snippets JAVASCRIPT.md)
+
+---
+*Este projeto visa acelerar o desenvolvimento na plataforma Fluig através de engenharia de conhecimento avançada.*