Servidor MCP do Firebase

Você pode usar o servidor MCP do Firebase para permitir que seus Projetos do Firebase e base de código do app usem ferramentas para desenvolvedores com tecnologia de IA.

O servidor MCP do Firebase funciona com qualquer ferramenta que pode atuar como cliente MCP, incluindo: Firebase Studio, CLI do Gemini e Gemini Code Assist, Claude Code e Claude Desktop, Cline, Cursor, VS Code Copilot, Windsurf e mais!

arrow_downward Ir para as instruções de configuração

Benefícios do servidor MCP

Um editor configurado para usar o servidor MCP do Firebase pode utilizar os recursos de IA para ajudar a:

• Criar e gerenciar projetos do Firebase
• Gerenciar seus usuários do Firebase Authentication.
• Trabalhar com dados no Cloud Firestore e no Firebase Data Connect
• Recuperar esquemas do Firebase Data Connect
• Entender as regras de segurança do Firestore e do Cloud Storage para Firebase
• Enviar mensagens com o Firebase Cloud Messaging

Algumas das ferramentas usam o Gemini no Firebase para ajudar você a:

• Gerar esquema e operações do Firebase Data Connect
• Consultar o Gemini sobre produtos do Firebase

Estas são apenas listas parciais. Consulte a seção de recursos do servidor para obter uma lista completa das ferramentas disponíveis para o editor.

Configure seu cliente MCP

O servidor MCP do Firebase pode trabalhar com qualquer cliente MCP que ofereça suporte à E/S padrão (stdio) como meio de transporte.

Quando o servidor MCP do Firebase faz chamadas de função, ele usa as mesmas credenciais de usuário que autorizam a CLI do Firebase no ambiente em que ela está sendo executada. Pode ser um usuário conectado ou Application Default Credentials, dependendo do ambiente.

Antes de começar

Verifique se você tem uma instalação funcional do Node.js e do npm.

Configuração básica

Confira as instruções básicas de configuração para usar o servidor MCP do Firebase com algumas ferramentas assistidas por IA conhecidas:

{
  "mcpServers": {
    "firebase": {
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"]
    }
  }
}

gemini extensions install https://github.com/gemini-cli-extensions/firebase/

{
  "mcpServers": {
    "firebase": {
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"]
    }
  }
}

gemini extensions install https://github.com/gemini-cli-extensions/firebase/

{
  "mcpServers": {
    "firebase": {
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"]
    }
  }
}

claude mcp add firebase npx -- -y firebase-tools@latest mcp

claude mcp list

firebase: npx -y firebase-tools@latest mcp - ✓ Connected

{
  "mcpServers": {
    "firebase": {
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"]
    }
  }
}

{
  "mcpServers": {
    "firebase": {
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"],
      "disabled": false
    }
  }
}

"mcpServers": {
  "firebase": {
    "command": "npx",
    "args": ["-y", "firebase-tools@latest", "mcp"]
  }
}

"servers": {
  "firebase": {
    "type": "stdio",
    "command": "npx",
    "args": ["-y", "firebase-tools@latest", "mcp"]
  }
}

"mcp": {
  "servers": {
    "firebase": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "firebase-tools@latest", "mcp"]
    }
  }
}

"mcpServers": {
  "firebase": {
    "command": "npx",
    "args": ["-y", "firebase-tools@latest", "mcp"]
  }
}

Configuração opcional

Além da configuração básica de cada cliente, mostrada anteriormente, há dois parâmetros opcionais que você pode especificar:

• --dir ABSOLUTE_DIR_PATH: o caminho absoluto de um diretório que contém firebase.json, para definir um contexto de projeto para o servidor MCP. Se não for especificado, as ferramentas get_project_directory e set_project_directory ficarão disponíveis e o diretório padrão será o diretório de trabalho em que o servidor MCP foi iniciado.

• --only FEATURE_1,FEATURE_2: uma lista separada por vírgulas de grupos de recursos a serem ativados. Utilize para limitar as ferramentas expostas apenas aos recursos que você está usando ativamente. Observe que as ferramentas principais estão sempre disponíveis

Exemplo:

"firebase": {
  "command": "npx",
  "args": [
    "-y",
    "firebase-tools@latest", "mcp",
    "--dir", "/Users/turing/my-project",
    "--only", "auth,firestore,storage"
  ]
}

Recursos do servidor MCP

O servidor MCP do Firebase oferece três categorias diferentes de recursos MCP:

• Comandos: uma biblioteca de comandos pré-escritos que podem ser executados e são otimizados para desenvolver e executar um app com o Firebase

• Ferramentas: um conjunto de ferramentas voltadas ao uso por LLMs que os ajudam a trabalhar diretamente com seu Projeto do Firebase (com sua aprovação!).

• Recursos: arquivos de documentação voltados ao uso por LLMs que dão a eles mais contexto e orientação para concluir uma tarefa ou meta

Comandos

O servidor MCP do Firebase vem com uma biblioteca de comandos pré-escritos otimizados para desenvolver e executar um app com o Firebase. É possível executar esses comandos para concluir várias tarefas ou metas comuns.

A tabela a seguir descreve os comandos disponibilizados pelo servidor MCP.

A maioria das ferramentas para desenvolvedores compatíveis com o MCP oferece um jeito prático de executar esses comandos. Por exemplo, a CLI do Gemini disponibiliza esses comandos como comandos de barra:

/firebase:init

Na CLI do Gemini, comece a digitar /firebase: para ver uma lista de comandos disponíveis.

Ferramentas

O servidor MCP do Firebase também oferece várias ferramentas voltadas ao uso por LLMs que os ajudam a trabalhar diretamente com seu Projeto do Firebase (com sua aprovação!). Ao contrário dos comandos, você não chama essas ferramentas diretamente. Em vez disso, modelos que aceitam a chamada de ferramentas (como o Gemini, Claude e GPT) podem chamar essas ferramentas automaticamente para que realizem tarefas de desenvolvimento quando necessário.

A tabela a seguir descreve as ferramentas disponibilizadas pelo servidor MCP.

Recursos

O servidor MCP fornece recursos, que são arquivos de documentação voltados ao uso por LLMs. Os modelos que podem usar recursos incluem automaticamente os recursos relevantes no contexto da sessão.

A tabela a seguir descreve os recursos disponibilizados pelo servidor MCP.