AssessorAI Dados Legislativos

Corpus, API REST e servidor MCP públicos para proposições legislativas brasileiras. O GitHub Releases é a fonte dos snapshots imutáveis; o PostgreSQL com pgvector é um índice reconstruível usado para consultas.

Arquitetura

crawler JSON ─┐
OCR exports ──┼─> canonicalização ─> GitHub Release ─> PostgreSQL/pgvector
pgvector dump ┘        │                    │                   │
                  reconciliação       Parquet/JSONL/CSV      REST + MCP

O pipeline nunca lê tabelas operacionais de usuários, mandatos, demandas ou auditoria. Cada entrada termina classificada como published, deduplicated ou quarantined no arquivo reconciliation.jsonl.zst.

Related MCP server: MCP Câmara BR

Ambiente local no NixOS

nix develop
uv sync --extra dev

Construir uma prévia local

Fontes novas começam com redistribution_status=pending. A opção --allow-pending existe somente para validação em staging e não autoriza a publicação. As fontes legislativas atualmente cadastradas foram revisadas sob o art. 8º, IV, da Lei 9.610/1998, que exclui atos oficiais da proteção autoral.

uv run assessorai-data build \
  /home/markun/devel/legisla/assessorai-pdftomd/data \
  /home/markun/devel/legisla/assessorai-crawler/storage/output \
  --release 2026.08.31 \
  --output dist/2026.08.31 \
  --allow-pending

uv run assessorai-data validate-release dist/2026.08.31

Para um release publicável, atualize config/sources.json com a base de redistribuição, atribuição, revisor e um status explícito allowed ou metadata_only, depois construa sem --allow-pending.

Publicar no GitHub Releases

1. Gere e valide o diretório do release.

2. Crie um draft e envie os assets:

   uv run assessorai-data upload-draft dist/2026.08.31 \
     --repository assessorAI/assessorai-dados

3. Execute manualmente o workflow Validate and publish dataset release com a tag. O workflow baixa novamente os assets, valida formatos, contagens e checksums e somente então publica o release como latest.

Assets maiores devem ser particionados para permanecer abaixo de 2 GiB. Dados grandes não são commitados e Git LFS não é usado.

Banco de busca

uv run assessorai-data migrate
uv run assessorai-data load-db dist/2026.08.31

A aplicação utiliza DATABASE_URL. O usuário usado pela API/MCP em produção deve possuir apenas CONNECT, USAGE no schema e SELECT nas tabelas. O entrypoint do container aplica migrações antes de iniciar a API; em produção, use uma credencial de migração no deploy e troque a credencial de runtime por um usuário somente leitura após a carga do release.

API REST

uv run uvicorn assessorai_dados.api:app --reload

Principais endpoints:

• GET /v1/propositions

• GET /v1/propositions/{id}

• GET /v1/propositions/{id}/text

• GET /v1/propositions/{id}/related

• GET /v1/sources

• GET /v1/datasets/releases

• GET /v1/datasets/releases/{version}

Consultas públicas recebem 60 requisições por minuto por IP. Chaves opcionais são enviadas em X-API-Key; o ambiente armazena somente seus hashes SHA-256 em PUBLIC_API_KEY_HASHES.

MCP

O endpoint Streamable HTTP fica em http://localhost:8000/mcp. Ferramentas:

• search_propositions

• get_proposition

• read_proposition_text

• find_related_propositions

• list_sources

• get_dataset_release

• get_dataset_download

Exemplo de configuração:

{
  "mcpServers": {
    "assessorai-dados": {
      "type": "http",
      "url": "https://SEU-DOMINIO/mcp"
    }
  }
}

Resultados carregam o UUID, a versão do dataset, proveniência e URLs oficiais para que agentes possam citar a fonte original.

Branches e deploy

• dev: desenvolvimento.

• staging: validação Railway e releases de prévia.

• production: serviço público estável.

Não promova staging para production sem teste explícito do ambiente de staging. O serviço deve usar um projeto/serviço Railway separado do backend do Assessoraí.