Servidor MCP do Terraform Cloud

O que faz o Servidor MCP do “Terraform Cloud”?

O Servidor MCP do Terraform Cloud é um servidor Model Context Protocol (MCP) que integra assistentes de IA com a API do Terraform Cloud, permitindo que desenvolvedores gerenciem sua infraestrutura por meio de conversas naturais. Construído com Python e modelos Pydantic, este servidor é compatível com qualquer plataforma que suporte MCP, incluindo Claude, Claude Code CLI, Claude Desktop, Cursor e Copilot Studio. Ao expor funcionalidades do Terraform Cloud como ferramentas MCP, o servidor permite que assistentes de IA realizem ações como consultar detalhes da conta, gerenciar workspaces e projetos e automatizar tarefas de infraestrutura. Essa integração simplifica os fluxos de trabalho de infraestrutura como código, tornando mais fácil para os desenvolvedores interagirem programaticamente e conversacionalmente com seus ambientes em nuvem.

Lista de Prompts

Nenhum template de prompt é mencionado no repositório.

Lista de Recursos

Nenhum recurso MCP explícito está descrito na documentação disponível.

Lista de Ferramentas

• Gestão de Conta: Permite a obtenção de detalhes da conta para usuários autenticados ou contas de serviço.
• Gestão de Workspaces: Permite criar, ler, atualizar, deletar e bloquear/desbloquear workspaces do Terraform Cloud.
• Gestão de Projetos: Suporta criação, listagem, atualização e remoção de projetos; gerenciamento de vinculação de tags de projetos; e movimentação de workspaces entre projetos.

Casos de Uso deste Servidor MCP

• Visão Geral da Conta: Obtenha e monitore detalhes do usuário atual do Terraform Cloud ou conta de serviço, auxiliando em auditorias de acesso e gestão de permissões.
• Gestão do Ciclo de Vida de Workspaces: Crie, leia, atualize e exclua workspaces, permitindo que equipes automatizem a configuração e remoção de ambientes diretamente por interfaces conversacionais.
• Bloqueio/Desbloqueio de Workspaces: Bloqueie ou desbloqueie workspaces para evitar alterações simultâneas ou permitir manutenção, aumentando a segurança operacional.
• Organização de Projetos: Crie, atualize e remova projetos ou mova workspaces entre projetos, ajudando a manter limites organizacionais claros dentro do Terraform Cloud.
• Gestão de Tags de Projetos: Gerencie vinculações de tags de projetos para suportar estratégias de tagging para alocação de custos, conformidade ou automação de fluxos.

Como configurar

Windsurf

1. Certifique-se de que o Python 3.12+ está instalado e o servidor MCP do Terraform Cloud está acessível.

2. Localize seu arquivo de configuração do Windsurf.

3. Adicione o servidor MCP do Terraform Cloud ao seu objeto mcpServers:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. Salve a configuração e reinicie o Windsurf.

5. Verifique se o servidor está conectado e detectável.

Protegendo as chaves de API
Use variáveis de ambiente para definir valores sensíveis. Exemplo:

{
  "env": {
    "TERRAFORM_CLOUD_TOKEN": "seu-token-api"
  },
  "inputs": {}
}

Claude

1. Certifique-se de que o Python 3.12+ está disponível.

2. Baixe ou clone o repositório do MCP do Terraform Cloud.

3. Na sua configuração do Claude (veja CLAUDE.md), adicione:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. Defina seu token de API usando uma variável de ambiente como acima.

5. Reinicie o Claude e verifique se o servidor MCP está listado.

Cursor

1. Instale o Python 3.12+ e clone o repositório.

2. Abra as configurações do Cursor.

3. Adicione o servidor MCP:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

4. Use variáveis de ambiente para armazenamento seguro da chave de API.

5. Salve e reinicie o Cursor, depois teste a integração.

Cline

1. Baixe o servidor MCP do Terraform Cloud e certifique-se de que o Python 3.12+ está instalado.

2. Edite o arquivo de configuração do Cline para incluir o servidor MCP:

   {
     "mcpServers": {
       "terraform-cloud": {
         "command": "python",
         "args": ["-m", "terraform_cloud_mcp"]
       }
     }
   }
   

3. Configure seu token de API do Terraform Cloud usando variáveis de ambiente.

4. Reinicie o Cline e verifique o funcionamento.

Observação: Sempre use variáveis de ambiente para informações sensíveis, como chaves de API.

Como usar este MCP em flows

Usando MCP no FlowHunt

Para integrar servidores MCP no seu fluxo do FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração MCP do sistema, insira os detalhes do seu servidor MCP usando o seguinte formato JSON:

{
  "terraform-cloud": {
    "transport": "streamable_http",
    "url": "https://seumcpserver.exemplo/caminhoparamcp/url"
  }
}

Após configurar, o agente de IA poderá utilizar este MCP como ferramenta, com acesso a todas as suas funções e capacidades. Lembre-se de alterar “terraform-cloud” para o nome real do seu servidor MCP e substituir a URL pela do seu próprio servidor MCP.

Visão Geral

| Suporta Roots | ⛔ | Não documentado | | Suporta Sampling | ⛔ | Não documentado |

Nossa opinião

Com base na documentação disponível, o Servidor MCP do Terraform Cloud oferece um conjunto focado de ferramentas para gestão de infraestrutura e instruções de configuração claras, mas carece de descrições detalhadas de recursos, templates de prompt ou funcionalidades MCP avançadas como Roots e Sampling. É bem indicado para equipes que desejam automatizar fluxos do Terraform Cloud via assistentes de IA, mas poderia se beneficiar de integração MCP e documentação mais ricas.

Pontuação MCP