Skip to main content
Glama
walysonbento-byte

Kalodata MCP Server

Kalodata MCP Server (TikTok Shop Analytics)

Servidor MCP (Model Context Protocol) construído em Python com o SDK oficial (FastMCP v1.x). Funciona como um wrapper completo para a Kalodata Open API, permitindo que assistentes e agentes de IA (como Perplexity AI, Claude, Cursor e outros) realizem pesquisas aprofundadas de mercado, análise de nichos, produtos vencedores, criadores e vídeos virais do TikTok Shop.


📌 O que é este projeto?

Este servidor expõe 8 ferramentas MCP para consulta de dados do TikTok Shop:

  1. category_rank — Ranking de categorias por receita.

  2. category_detail — Detalhes completos de uma categoria.

  3. product_rank — Ranking dos produtos mais vendidos.

  4. product_detail — Detalhes e métricas de um produto.

  5. creator_rank — Ranking de criadores/influenciadores.

  6. creator_detail — Detalhes e performance de um criador.

  7. video_rank — Ranking de vídeos virais de vendas.

  8. video_detail — Métricas de um vídeo específico.

Transporte nativo: Streamable HTTP na rota /mcp, compatível com Perplexity AI Custom Remote Connectors.


Related MCP server: TikTok Complete MCP Server

🚀 Setup Local

1. Pré-requisitos

  • Python 3.10 ou superior.

  • Chave de API Kalodata (KALODATA_SECRET_KEY).

2. Ambiente Virtual e Dependências

python -m venv .venv

# Ativar (Windows PowerShell):
.venv\Scripts\Activate.ps1
# Ativar (Linux/macOS):
source .venv/bin/activate

pip install -r requirements.txt

3. Configurar .env

cp .env.example .env

Edite .env:

KALODATA_SECRET_KEY=sua_chave_aqui
KALODATA_BASE_URL=https://staging.kalodata.com
PORT=8000
HOST=0.0.0.0

Nota: Se sua chave for de produção, altere KALODATA_BASE_URL para o host fornecido no e-mail de ativação da Kalodata.


🧪 Testes e Validação Local

1. Testar conexão direta com a API Kalodata (sem MCP)

python test_local.py

2. Iniciar o servidor MCP

python server.py

Saída esperada nos logs:

INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)
[kalodata-mcp] Servidor iniciando em http://0.0.0.0:8000/mcp
[kalodata-mcp] Transporte: streamable-http | 8 ferramentas registradas

3. Testar o endpoint /mcp via linha de comando

O endpoint correto é /mcp (testado e confirmado localmente com HTTP 200).

Windows (PowerShell):

Invoke-WebRequest -Uri http://localhost:8000/mcp `
  -Method POST `
  -Headers @{"Accept"="application/json, text/event-stream"; "Content-Type"="application/json"} `
  -Body '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}' `
  -UseBasicParsing | Select-Object -ExpandProperty Content

Linux/macOS (curl):

curl -s -N \
  -H "Accept: application/json, text/event-stream" \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}' \
  http://localhost:8000/mcp

Resposta esperada:

event: message
data: {"jsonrpc":"2.0","id":1,"result":{"protocolVersion":"2024-11-05","serverInfo":{"name":"kalodata","version":"1.29.1"},...}}

Importante: O Streamable HTTP exige os dois headers Accept: application/json, text/event-stream. Sem eles, o servidor retorna 406 Not Acceptable (comportamento correto do protocolo).

4. Testar com MCP Inspector (interface visual)

npx @modelcontextprotocol/inspector python server.py

🌐 Deploy Remoto (Render.com)

O projeto já inclui o arquivo render.yaml na raiz, permitindo deploy via Blueprint no Render.

Passo a Passo:

  1. Criar repositório no GitHub e fazer push:

    git remote add origin https://github.com/seu-usuario/kalodata-mcp.git
    git push -u origin master
  2. Acesse dashboard.render.comNew +Blueprint.

  3. Conecte o repositório. O Render detecta o render.yaml automaticamente.

  4. Configure as variáveis de ambiente manualmente no painel do Render:

    • KALODATA_SECRET_KEY: sua chave da Kalodata (rotacionada/nova)

    • KALODATA_BASE_URL: https://staging.kalodata.com (ou URL de produção)

  5. Clique em Apply. O Render fará o build e gerará a URL pública (ex: https://kalodata-mcp.onrender.com).

  6. Teste o deploy:

    curl -s -N \
      -H "Accept: application/json, text/event-stream" \
      -H "Content-Type: application/json" \
      -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}' \
      https://kalodata-mcp.onrender.com/mcp

🔗 Registrando no Perplexity AI

  1. Acesse Perplexity AIConfigurações da ContaConectores.

  2. Clique em "+ Conector personalizado".

  3. Preencha:

    • Nome: Kalodata TikTok Shop Analytics

    • Tipo: Remoto

    • URL: https://kalodata-mcp.onrender.com/mcp

    • Transporte: Streamable HTTP

    • Autenticação: Nenhuma

  4. Salve. O Perplexity descobrirá automaticamente as 8 ferramentas.

Por que "Nenhuma" autenticação? A chave da Kalodata fica no servidor (variável de ambiente), nunca exposta ao Perplexity.


✅ Checklist de Deploy Manual (Tarefas Fora do Agente)

Estas etapas dependem de contas externas e devem ser executadas por você manualmente:

  • 1. GitHub — Criar repositório kalodata-mcp no GitHub (pode ser privado).

  • 2. Git Push — Rodar git remote add origin <URL> e git push -u origin master.

  • 3. Render — Criar conta em render.com se ainda não tiver.

  • 4. Blueprint — No Render: New +Blueprint → conectar repositório → detecta render.yaml automaticamente.

  • 5. Variáveis secretas — No painel do Render, preencher KALODATA_SECRET_KEY e KALODATA_BASE_URL manualmente (nunca commite esses valores).

  • 6. Aguardar deploy — O Render executa pip install -r requirements.txt e python server.py. Aguardar status "Live".

  • 7. Testar endpoint público — Copiar a URL gerada (ex: https://kalodata-mcp.onrender.com) e testar o endpoint /mcp com curl.

  • 8. Perplexity — Ir em Configurações → Conectores → + Conector personalizado → Remoto → colar https://<url>/mcp → Streamable HTTP → Autenticação: Nenhuma.


🔒 Aviso de Segurança

  • NUNCA comite o arquivo .env com chave real. O .gitignore já o ignora.

  • NUNCA adicione a chave dentro do render.yaml — as variáveis sync: false são inseridas manualmente no dashboard do Render.

  • A chave da Kalodata vive apenas na variável de ambiente do servidor, nunca exposta ao cliente MCP.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections. Dates show when Glama detected each change.

No tool schema history has been recorded yet.

Maintenance

ActivityMaintained
ResponsivenessNo issues

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI assistants to manage TikTok advertising campaigns through the TikTok Ads API. Supports campaign creation, performance analytics, audience management, creative operations, and custom reporting through natural language interactions.
    48
    MIT
  • A
    license
    A
    quality
    C
    maintenance
    Enables AI assistants to access TikTok organic analytics including video performance, engagement metrics, and profile insights via the TikTok Developer API.
    5
    44
    MIT

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/walysonbento-byte/kalodata-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server