Conecte o UnifAPI MCP ao Claude, ChatGPT, Codex, Claude Code, Cursor, VS Code, OpenClaw ou Hermes e rode sua primeira Skill de dados públicos.

Em resumo: este é o artigo de onboarding para buscas sobre configuração de MCP: adicione o servidor hospedado da UnifAPI, autentique-se com OAuth e rode uma Skill a partir do cliente de agent que você já usa.

A forma mais rápida de dar a um agent geral compatível, agent de pesquisa, coding agent ou cliente compatível com MCP acesso aos dados públicos da UnifAPI é conectar o servidor MCP hospedado. Adicione uma URL, autentique-se quando o cliente pedir, e o agent poderá rodar Skills sem que você escreva código de cola ou cole chaves de API específicas de cada plataforma.

A URL canônica do servidor MCP da UnifAPI é https://mcp.unifapi.com. Use OAuth onde o cliente suportar. A autenticação por bearer de chave de API permanece como um caminho de compatibilidade, mas não deve ser o primeiro caminho de configuração para a maioria dos operadores.

O que você está conectando

O MCP dá ao agent uma superfície de ferramentas. O servidor MCP hospedado da UnifAPI expõe três ferramentas de catálogo: list_operations para descoberta, get_operation para inspecionar schema e exemplos, e call_api para invocar uma operação concreta de dados públicos. O agent não precisa de uma ferramenta separada para cada endpoint da API.

Item	Valor
URL do servidor	`https://mcp.unifapi.com`
Autenticação recomendada	OAuth através do cliente MCP
Autenticação de compatibilidade	Header bearer com chave de API quando o cliente exige tokens estáticos
O que é cobrado	Registros de dados públicos retornados por APIs ao vivo
O que a UnifAPI não cobra	Os tokens do modelo ou o plano de agent que você já paga

Antes de começar

Você precisa de um cliente compatível com MCP, uma conta UnifAPI quando o OAuth abrir e créditos de workspace suficientes para retornar registros de dados públicos. Você pode navegar pelas Skills antes de entrar. O momento de entrar deve acontecer quando o agent realmente precisa chamar ferramentas.

Se você está testando com o Claude Desktop ou com conectores personalizados do Claude.ai, lembre-se de que os conectores remotos são intermediados pela nuvem da Anthropic. Seu servidor MCP precisa ser acessível pela internet pública. Isso é tranquilo para https://mcp.unifapi.com; só é um problema para servidores locais privados.

Codex

O Codex suporta servidores MCP remotos por HTTP através da CLI do Codex e da config compartilhada. Adicione a UnifAPI com:

codex mcp add unifapi --url https://mcp.unifapi.com

Depois verifique se o servidor está configurado:

codex mcp list

Abra uma nova sessão do Codex e peça uma tarefa no estilo de Skill, não apenas uma chamada genérica de API. Por exemplo: Rode uma passada de precificação de KOL para estes criadores do Twitter/X usando dados públicos da UnifAPI. Retorne faixas, evidência, confiança e perguntas de acompanhamento.

Claude Code

A referência atual do Claude Code recomenda HTTP remoto para servidores MCP em nuvem onde disponível. Adicione a UnifAPI a partir do projeto onde você quer que o Claude Code a use:

claude mcp add --transport http unifapi https://mcp.unifapi.com

Use escopo de usuário se quiser o servidor disponível em todos os projetos:

claude mcp add --transport http --scope user unifapi https://mcp.unifapi.com

Dentro do Claude Code, rode /mcp para confirmar o status da conexão e concluir o OAuth se necessário. Se o servidor estiver no escopo do projeto através do .mcp.json, o Claude Code pode pedir aprovação antes de usá-lo.

Claude Desktop e Claude.ai

Para conectores MCP remotos no Claude Desktop ou no Claude.ai, use Customize -> Connectors -> + -> Add custom connector. Informe um nome claro como UnifAPI e use a URL do conector https://mcp.unifapi.com, depois clique em Connect para autenticar.

Ou pule os menus: este link abre a mesma caixa de diálogo com o nome e a URL já preenchidos. Confira, clique em Add e depois em Connect.

Não confunda conectores remotos com a antiga config de MCP local-only do Desktop. Os conectores remotos são adicionados na UI de configurações do Claude e podem ser usados em todas as superfícies do Claude depois de conectados. Servidores locais stdio configurados pela config do desktop são um mecanismo separado.

Cursor

O Cursor suporta MCP através do mcp.json. Para uma configuração global, crie ou edite ~/.cursor/mcp.json. Para uma configuração apenas do projeto, crie .cursor/mcp.json no projeto.

Use este formato de servidor remoto:

{ "mcpServers": { "unifapi": { "url": "https://mcp.unifapi.com" } } }

Reinicie o Cursor ou atualize a visão de ferramentas MCP se o servidor não aparecer imediatamente. O agent do Cursor usa as ferramentas MCP habilitadas quando relevante e pode pedir aprovação antes de rodar uma ferramenta, dependendo das suas configurações.

Primeira Skill para rodar

Use um prompt de tarefa que diga ao agent qual resultado você quer e qual evidência inspecionar. Uma boa primeira execução é:

Encontre KOLs do Twitter/X discutindo ferramentas de coding com AI e resuma os melhores ângulos de abordagem. Use dados públicos da UnifAPI através do MCP. Retorne uma shortlist ranqueada, evidência pública, notas de risco e perguntas de acompanhamento. Mantenha o fluxo de trabalho restrito a dados públicos.

Um segundo teste útil é:

Encontre os três principais vídeos do TikTok sobre a Anthropic desta semana. Use o UnifAPI MCP. Mostre os registros públicos que você usou, depois resuma o padrão em um parágrafo.

O agent deve descobrir operações, inspecionar a operação certa, chamá-la e sintetizar os resultados. Se ele tentar adivinhar nomes de endpoint sem inspecionar o catálogo, peça que chame list_operations e get_operation primeiro.

O que é cobrado

Os créditos de workspace custam $0.001 cada. Os registros padrão cobráveis são um crédito, e as operações de maior custo publicam seus créditos mínimos a partir do OpenAPI. O bônus único de 2.000 créditos da primeira recarga é suficiente para testar o formato de alguns fluxos de trabalho leves. Quando estiver pronto para execuções repetidas, recarregue um saldo pré-pago.

O hábito de custo mais importante é delimitar o prompt. Peça os 10 ou 20 principais registros primeiro, depois aprofunde apenas se a resposta for útil. Um pedido vago como "pesquise tudo sobre este mercado" pode se ramificar por muitas operações. Um pedido delimitado como "puxe 20 threads do Reddit e resuma as objeções recorrentes" é mais fácil de inspecionar e orçar.

Solução de problemas

Sintoma	Causa provável	O que fazer
O servidor aparece mas nenhuma ferramenta é usada	O agent não escolheu as ferramentas MCP	Peça para listar primeiro as operações disponíveis da UnifAPI
O OAuth não conclui	O fluxo de browser/auth não terminou	Reabra `/mcp` ou as configurações de conector do cliente e reconecte
A chamada de ferramenta retorna não autorizado	Caminho de auth errado ou token expirado	Reautentique com OAuth ou verifique a config do token bearer
O resultado é amplo demais	O prompt não tinha restrições	Adicione plataforma, janela de tempo, contagem de registros e formato de saída
A resposta exagera nas afirmações	O prompt não definiu limites	Exija evidência, confiança e o que é desconhecido

Fontes verificadas

Este guia de configuração foi atualizado em 2 de junho de 2026 com base na página oficial OpenAI Docs MCP, na referência de MCP do Claude Code, no artigo da central de ajuda da Anthropic sobre conectores personalizados e na documentação de MCP do Cursor.

O que ler a seguir

Configuração de MCP - mantém as instruções atuais do conector hospedado em um só lugar.

Rode um agent de precificação de KOL com MCP - oferece uma primeira tarefa após a configuração.

Design das ferramentas de catálogo do MCP - explica como os agents descobrem e chamam operações.