catalog-intelligence-agent
Searches Pexels for candidate product images by EAN or title when a product has no brand or EAN.
Prepares Shopify GraphQL productCreate payloads from enriched product data for automatic publication to a Shopify store.
Searches Unsplash for candidate product images by EAN or title when a product has no brand or EAN.
Enriches product data for use in VTEX storefronts, providing SEO-ready titles, descriptions, bullets, schema.org JSON-LD, and images.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@catalog-intelligence-agent Enrich catalog item 7891234567890 (FURADEIRA IMPACTO 750W 110V)"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
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 |
| Dados de referência por EAN/GTIN (valida dígito verificador + cascade: Bluesoft Cosmos BR → Open Food Facts → EAN-Search) |
| URLs de imagem candidatas por EAN ou título (marca própria sem EAN → Unsplash/Pexels) |
| Pipeline completo: higieniza título → bullets → descrição HTML → SEO → schema.org JSON-LD → imagem (rembg fundo branco) → análise visual → SEO da imagem (alt/filename/caption) |
| Score 0–100 de completeza p/ loja própria (SEO on-page, dados, schema.org, imagem, regras de moda: grade/composição/cor/medidas) + issues |
| Orquestra lote de até 50 produtos → relatório consolidado |
| Raspa e diagnostica a página de um produto na loja do cliente (título, preço, marca, SKU, imagens, EAN) |
| Analisa a imagem: resolução, proporção, fundo, nitidez, metadados EXIF + prontidão p/ loja |
| Baixa até 10 imagens e exibe galeria no chat (data-URLs) ou retorna caminhos locais |
| 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/mcpNo 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.jsExemplo
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% determinísticoZero dependências proprietárias — sem regras de marketplace, sem pricing engine
Env vars
Var | Uso | Obrigatória |
| Endpoint OpenAI-compatível (default: Nous inference) | não |
| Modelo (default: | não |
| Key da IA (sem ela → fallback determinístico) | não |
| Bluesoft Cosmos BR (opcional, 1ª fonte EAN) | não |
| EAN-Search.org (opcional, 3ª fonte) | não |
| 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 toolsanalyze_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
Scored across 10 tools
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.
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.
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.
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
Unified MCP server for 70+ eCommerce platforms: products, orders, customers, and more.
Get recommended by Amazon's AI. Hosted MCP server for Amazon listing compliance & generation.
Unified 15-tool SEO, SERP, clean Markdown & GEO (LLM citation Share-of-Voice) MCP server.
Product data control center MCP — catalog consistency across marketplaces.
Related MCP Servers
- FlicenseNot gradedqualityNot gradedmaintenanceAn MCP server that generates conversion-optimized e-commerce product descriptions, bullet points, and SEO metadata using AI. It supports multiple platforms like Shopify and Amazon with customizable tones for various writing styles.-
- AlicenseNot gradedqualityCmaintenanceMCP server for e-commerce operations including product catalog management, cart/checkout, and Stripe integration, with built-in EU AI Act compliance.86 PyPIMIT
- AlicenseNot gradedqualityBmaintenanceMCP server for AI search crawler governance, brand safety, and search infrastructure auditing. Provides tools to audit robots.txt, canonical links, sitemaps, redirects, and send IndexNow notifications.MIT
- AlicenseAqualityBmaintenanceBatch-first MCP server for product search, product detail, and anonymous shipping quotes across public storefronts and marketplaces, exposing search, product, quote, and images commands with compact JSON output for AI agents.4MIT