Lucas Gerads demonstra servidores MCP para integração de osciloscópio e simulador SPICE com Claude Code

✍️ OpenClawRadar📅 Publicado: April 18, 2026🔗 Source
Lucas Gerads demonstra servidores MCP para integração de osciloscópio e simulador SPICE com Claude Code
Ad

Lucas Gerads desenvolveu um fluxo de trabalho que integra o Claude Code com ferramentas de desenvolvimento de hardware através de servidores MCP (Model Context Protocol). A configuração conecta o Claude Code tanto a um osciloscópio LeCroy quanto a um simulador SPICE, criando um ciclo de feedback entre simulação e verificação de hardware físico.

Fluxo de Trabalho e Abordagem

Gerads experimentou usar o Claude Code para desenvolvimento de hardware, inicialmente tentando descrever circuitos em prompts de linguagem natural. Ele descobriu que essa abordagem funcionava para circuitos triviais, mas se tornava difícil para projetos complexos. O avanço veio quando ele deu ao Claude Code acesso ao seu osciloscópio e simulador SPICE, permitindo feedback imediato durante o desenvolvimento.

Detalhes Específicos da Implementação

O sistema inclui três componentes principais:

  • lecroy-mcp: servidor MCP para osciloscópios LeCroy
  • spicelib-mcp: servidor MCP que encapsula o spicelib
  • rc-filter-demo-files: arquivos de configuração de demonstração do vídeo acompanhante
Ad

Lições Práticas Aprendidas

Gerads compartilha várias diretrizes específicas de implementação de sua experiência:

  • Integração do osciloscópio: O Claude não vê sua configuração física, então não deixe ele adivinhar o que está conectado onde. Garanta que o Claude nunca receba dados de medição desatualizados. Não despeje dados brutos no contexto do Claude - salve-os em um arquivo e deixe o Claude interagir com eles indiretamente.
  • Fluxo de trabalho de microcontrolador: Forneça ao Claude um mapa de pinos/pinmux explicitamente. Prepare um Makefile que exponha funções como build, flash, ping e erase, e incentive o Claude a confiar nele. O Claude não deve construir esses comandos dinamicamente.

Casos de Uso Demonstrados

A configuração se mostrou valiosa para:

  • Validar circuitos e modelos SPICE
  • Tarefas de programação embarcada
  • Automação de análise de dados (particularmente normalização de eixo de tempo e alinhamento de dados, que eram processos manuais tediosos anteriormente)

Embora a demonstração use um circuito trivial e um MCU para ilustrar a abordagem, Gerads observa que o fluxo de trabalho escala bem para circuitos mais complexos e projetos embarcados reais.

📖 Leia a fonte completa: HN AI Agents

Ad

👀 See Also

Biblioteca Gratuita de 789 Habilidades para Download para Claude Code
Tools

Biblioteca Gratuita de 789 Habilidades para Download para Claude Code

clskills.in é um hub pesquisável que oferece 789 arquivos de habilidades .md para download para o Claude Code, abrangendo mais de 60 categorias, incluindo plataformas empresariais, linguagens de programação e ferramentas DevOps. Cada download inclui um README e um prompt de instalação automática.

OpenClawRadar
Arquitetura de Validação Fria: Sistema de Revisão de Código com Agente Duplo em Código Aberto
Tools

Arquitetura de Validação Fria: Sistema de Revisão de Código com Agente Duplo em Código Aberto

Sistema de código aberto utiliza dois agentes de IA separados para validação de código: um constrói o código, outro o revisa sem nenhum contexto sobre o raciocínio do construtor. O revisor vê apenas documentos de planejamento, diferenças de código e saídas de teste.

OpenClawRadar
Toolport: Um Gateway Local para Gerenciar Servidores MCP Uma Vez em Todos os Aplicativos
Tools

Toolport: Um Gateway Local para Gerenciar Servidores MCP Uma Vez em Todos os Aplicativos

Toolport é um aplicativo de desktop gratuito e de código aberto que centraliza configurações de servidores MCP, armazena chaves de API no chaveiro do sistema operacional e adiciona camadas de segurança para agentes de IA.

OpenClawRadar
O Qwen3.5-2B ajustado com a arquitetura RAG-Engram melhora a precisão das respostas fundamentadas de 50% para 93% em um contexto de 8K.
Tools

O Qwen3.5-2B ajustado com a arquitetura RAG-Engram melhora a precisão das respostas fundamentadas de 50% para 93% em um contexto de 8K.

Um desenvolvedor ajustou o Qwen3.5-2B com uma arquitetura personalizada RAG-Engram para abordar o fenômeno 'perdido no meio', melhorando as respostas corretas em 8K tokens de 50% para 93% em consultas do mundo real. O sistema utiliza uma abordagem de dois níveis com embeddings de entidades estáticas e navegação dinâmica de chunks.

OpenClawRadar