Spring AI Playground - app para desktop que oferece suporte desde a criação de ferramentas MCP até testes e integração externa

Olá.

Recentemente, tem aumentado o número de casos em que se escreve e utiliza código de ferramentas MCP (Model Context Protocol) com a ajuda de agentes de IA como Claude Code ou Cursor. Porém, quando chega a hora de executar e validar esse código de ferramenta em um ambiente real, muitas vezes surgem momentos frustrantes.

• Esta ferramenta está realmente funcionando corretamente?
• Quando o agente chama a ferramenta, quais parâmetros exatamente foram passados e, se ocorreu um erro, qual foi a causa? (Apenas com a UI da janela de chat, o debugging fica praticamente como uma caixa-preta.)
• Se eu quiser reutilizar esta ferramenta em outro projeto ou em um cliente externo como o Claude Desktop? No fim, é preciso configurar novamente um servidor backend do zero.

Para resolver esses inconvenientes, criei o Spring AI Playground, um Tool Lab local que permite executar imediatamente o código de ferramentas MCP já escrito, fazer debugging de forma transparente e expor tudo diretamente para clientes externos.

✨ Principais recursos

• Tool Studio: cole e copie a lógica da ferramenta em JavaScript e ela funciona na hora, sem precisar de conhecimentos em Java ou Spring
• Servidor MCP integrado: ferramentas validadas podem ser conectadas e reutilizadas imediatamente em clientes compatíveis com MCP, como Claude Desktop e Cursor (as mudanças são refletidas instantaneamente)
• MCP Inspector: permite verificar em detalhes valores de entrada, valores de saída, schema, logs de execução e erros
• Agentic Chat: teste imediato em uma única UI de chat integrada, conectando as ferramentas criadas por você com um Vector DB local (RAG)
• Gerenciamento de segredos: gerencie com segurança chaves de API no ambiente de armazenamento de segredos do desktop, para evitar hardcode no script

Ele é oferecido como um aplicativo desktop multiplataforma (Windows, macOS, Linux) e pode ser usado localmente assim que você baixar o instalador, sem precisar de Docker nem de uma instalação separada de JVM.

Espero que isso se torne uma bancada útil para quem, como eu, sentiu frustração com a complexidade da configuração de backend ou com o debugging em caixa-preta durante o processo de criação e teste de ferramentas MCP.

🔗 Links

• Download (Windows/macOS/Linux): GitHub Releases
• Documentação (Docs): Documentation
• Repositório (Repo): GitHub

Mais do que simplesmente escrever código de ferramentas, eu agradeceria muito se vocês pudessem compartilhar feedback e opiniões sobre como estão fazendo debugging atualmente do ponto de vista de operação e validação reais!