Skip to main content
Glama

Catalog Intelligence Agent

Agente MCP de enriquecimento autônomo de catálogo para STOREFRONTS (lojas próprias). Trilha Catalog & Content — Hackathon Agents for Commerce (Deco, 01–09/08/2026).

Recebe dados brutos de ERP (título em CAIXA ALTA, sem descrição, marca genérica, sem imagem) e devolve o produto pronto para publicar na loja própria do lojista — com título SEO, bullets de benefícios, descrição HTML mobile-first, slug/meta, schema.org JSON-LD e imagem.

Não é integrador de marketplace: foca no motor central de higienização que qualquer storefront (deco.cx, VTEX, Shopify, Nuvemshop…) consome via um agente de IA.


Ferramentas MCP (5)

Tool

O que faz

lookup_ean

Dados de referência por EAN/GTIN (valida dígito verificador + cascade: Bluesoft Cosmos BR → Open Food Facts → EAN-Search)

search_images

URLs de imagem candidatas por EAN ou título (marca própria sem EAN → Unsplash/Pexels)

enrich_product

Pipeline completo: higieniza título → bullets → descrição HTML → SEO → schema.org JSON-LD → imagem (rembg fundo branco) → análise visual → SEO da imagem (alt/filename/caption)

validate_listing

Score 0–100 de completeza p/ loja própria (SEO on-page, dados, schema.org, imagem, regras de moda: grade/composição/cor/medidas) + issues

enrich_batch

Orquestra lote de até 50 produtos → relatório consolidado

analyze_url

Raspa e diagnostica a página de um produto na loja do cliente (título, preço, marca, SKU, imagens, EAN)

analyze_image

Analisa a imagem: resolução, proporção, fundo, nitidez, metadados EXIF + prontidão p/ loja

fetch_product_images

Baixa até 10 imagens e exibe galeria no chat (data-URLs) ou retorna caminhos locais

prepare_shopify_payload

Converte o produto enriquecido no payload GraphQL productCreate (publicação automática na loja, sem copiar/colar)

Related MCP server: agent-commerce-protocol-mcp

Impacto financeiro (pitch)

  • Operação de 5.000 SKUs gasta ~200 h/mês de equipe de catálogo → R$ 5.000/mês em horas (R$25/h)

  • Concorrência (PIMs + IA): US$600–1.000/mês para 500 SKUs — nosso custo ≈ R$0–50/lote

  • Demo inteira roda em free tiers (~R$0)

Execução

npm install
npm run build        # tsc → dist/
npm run dev          # modo dev (tsx watch) — MCP server stdio
npm start            # node dist/server.js — MCP server stdio
npm test             # testes unitários (9): EAN, validate, schema
npm run smoke        # smoke end-to-end do protocolo MCP (6 checks, stdio)

Conectar em um cliente MCP

Claude Desktop / Cursor / CLI:

{ "mcpServers": { "catalog-intelligence": { "command": "node", "args": ["/caminho/para/dist/server.js"] } } }

deco Studio (Custom Connection): rode o servidor HTTP e aponte a Connection para o endpoint:

PORT=8788 node dist/http.js     # Streamable HTTP em http://localhost:8788/mcp

No Studio: Agent → Settings → Connections → Add Connection → Custom Connection → cole a URL → selecione as tools do agente.

Teste com MCP Inspector

npx @modelcontextprotocol/inspector node dist/server.js

Exemplo

Entrada (ERP):

{ "ean": "7891234567890", "title": "FURADEIRA IMPACTO 750W 110V", "brand": "SEM MARCA" }

Saída (storefront):

{
  "title": "Furadeira de Impacto 750W 110V",
  "slug": "furadeira-de-impacto-750w-110v",
  "meta_title": "Furadeira de Impacto 750W 110V — Compre Online",
  "bullets": ["✅ Potência de 750W...", "✅ Mandril 13mm...", "✅ Ideal para uso doméstico e profissional..."],
  "description_html": "<p>Furadeira de impacto profissional...</p>",
  "seo_keywords": ["furadeira", "furadeira de impacto", "750w"],
  "schema_org": { "@type": "Product", "name": "Furadeira de Impacto 750W 110V", "sku": "7891234567890", "brand": {"@type":"Brand","name":"..."} },
  "image_url": "https://...",
  "warnings": []
}

Stack

  • TypeScript ESM (Node 22+)

  • @modelcontextprotocol/sdk (MCP) + zod (schemas)

  • Transportes: stdio (dev) + Streamable HTTP (deco Studio)

  • IA: qualquer endpoint OpenAI-compatível via env (AI_ENDPOINT, AI_MODEL, AI_API_KEY) — sem key, o agente funciona 100% determinístico

  • Zero dependências proprietárias — sem regras de marketplace, sem pricing engine

Env vars

Var

Uso

Obrigatória

AI_ENDPOINT

Endpoint OpenAI-compatível (default: Nous inference)

não

AI_MODEL

Modelo (default: deepseek-v4-flash)

não

AI_API_KEY

Key da IA (sem ela → fallback determinístico)

não

COSMOS_TOKEN

Bluesoft Cosmos BR (opcional, 1ª fonte EAN)

não

EAN_SEARCH_TOKEN

EAN-Search.org (opcional, 3ª fonte)

não

PORT

Porta do Streamable HTTP (default 8788)

não

Integração com deco Studio

O servidor é um MCP server padrão — pluga como Connection customizada no Studio (control plane de agentes da Deco). A demo mostra o agente rodando dentro do Studio: conectar → chamar enrich_product → ver trace/custo no Monitor.

Author

Carlos Nunes — ClickPim (consultor Amazon BR / automação de catálogo). Submissão individual, hackathon Agents for Commerce — trilha Catalog & Content.

Available Tools

10 tools
analyze_imageA

Analisa a imagem de um produto (por URL): resolução, proporção, fundo, nitidez e prontidão para a loja. IMPORTANTE: use o campo human_summary na resposta ao lojista — os demais campos (width, height, mean_rgb, border_stddev, sharpness, aspect_ratio) são DIAGNÓSTICO INTERNO e NUNCA devem ser descritos a humanos. Nunca cite valores RGB, pixels ou desvio-padrão em texto destinado ao cliente.

Inputs: image_url (required).

analyze_urlA

Raspa e diagnostica a página de um produto na loja própria do cliente (storefront). Extrai título, preço, descrição, imagem, marca, schema.org e EAN; retorna um diagnóstico de prontidão por seção. Ideal para: o lojista cola o link do produto e o agente audita.

Inputs: url (required).

enrich_batchA

Orquestrador de lote: aplica o pipeline de enriquecimento a uma lista de produtos brutos, um a um, e devolve relatório consolidado (produtos enriquecidos, falhas, warnings) pronto para importação na storefront.

Inputs: products (required), options.

enrich_productA

Pipeline completo de enriquecimento: higieniza título (Title Case, remove ruído), gera bullets de benefícios, descrição HTML mobile-first, SEO (slug/meta/keywords), schema.org JSON-LD, busca imagem por EAN e normaliza atributos. Entrada = produto bruto de ERP; IMPORTANTE: com with_images=false (padrão) o output NÃO embute a imagem em base64 — a image_url vem como URL simples e o JSON fica leve para o agente ler. Use with_images=true somente se precisar da imagem processada inline (cuidado: base64 deixa o output com 100k+ tokens). saída = produto pronto para a loja própria (storefront).

Inputs: product (required), options.

fetch_product_imagesA

Baixa as imagens de um produto para EXIBIÇÃO no chat. Aceita: (a) URL da página (raspa e baixa todas as imagens do produto), ou (b) lista direta de URLs. Retorna data-URLs (renderizáveis no markdown) + caminhos locais.

Inputs: limit, image_urls, product_url.

lookup_eanA

Busca dados de referência de um produto pelo código EAN/GTIN. Fontes: (1) Open Food Facts (alimentos), (2) busca web (DuckDuckGo) quando o EAN não está nas bases — comum em moda/marca própria BR. IMPORTANTE: a busca web prioriza o EAN NU (mostra o que o código realmente é); product_hint é opcional e só usado como segunda query de validação, NUNCA para sobrepor o resultado do EAN. Retorna candidates com título/URL reais para o lojista validar — o agente NUNCA deve afirmar que um candidato É o produto sem confirmação do lojista.

Inputs: ean (required), product_hint.

ocr_imageA

Extrai texto de um PRINT/foto da página de produto (tesseract OCR, pt-BR). Ideal quando o lojista manda um print da loja própria ou do concorrente em vez de link: o agente lê o título, preço e marca direto da imagem.

Inputs: image_url (required).

prepare_shopify_payloadA

Converte um produto enriquecido (saída de enrich_product) no payload pronto da Shopify Admin GraphQL (productCreate) para PUBLICAÇÃO AUTOMÁTICA na loja, sem copiar/colar. Retorna a query GraphQL e o payload JSON com title, descriptionHtml, handle, vendor, tags (SEO), metafields (gtin, meta_title, meta_description) e imagem.

Inputs: product (required), handle.

search_imagesB

Busca imagens candidatas de um produto por EAN/GTIN. Retorna até N URLs de imagem com fonte e score. Usa Open Food Facts (sem key) e URLs já informadas no ERP.

Inputs: ean, limit, title.

validate_listingA

Valida a completeza de um produto/listing para publicação em storefront: título, descrição, imagem, atributos obrigatórios, schema.org JSON-LD e SEO on-page. Retorna score 0-100, lista de issues (error/warning) e pronto-para-publicar (score >= 70).

Inputs: listing (required), rules.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A4.1/5.0

    Scored across 10 tools

    Disambiguation5/5

    Each tool targets a distinct action and resource: EAN lookup, image search, enrichment, validation, batch enrichment, URL analysis, image analysis, image fetching, Shopify payload prep, and OCR. While enrich_product and enrich_batch overlap in purpose, their single vs. batch scope is clearly described.

    Naming Consistency5/5

    All tools follow a consistent lowercase_with_underscores verb_noun pattern (lookup_ean, search_images, enrich_product, validate_listing, enrich_batch, analyze_url, analyze_image, fetch_product_images, prepare_shopify_payload, ocr_image). The only slight deviation is ocr_image, where 'ocr' is an acronym used as a verb, but it still fits the pattern.

    Tool Count5/5

    10 tools is within the ideal 3-15 range and covers the spectrum from data lookup to enrichment, validation, auditing, and Shopify payload generation without redundancy.

    Completeness4/5

    The toolset covers the core workflows: reference lookup, image retrieval, enrichment (single and batch), validation, page auditing, image quality assessment, chat display, and Shopify publication preparation. Minor gap: no tool to update an existing Shopify listing, but the agent may rely on external services for execution.

    Related MCP Connectors

    Related MCP Servers