Skip to main content
Glama

MCP-Processo é um servidor MCP que faz RAG local sobre processos judiciais e administrativos volumosos em PDF (PJe, SEI, escaneados) no Claude Desktop/Code.

Jogar um PDF de 2 mil páginas no chat estoura a janela de contexto e gera alucinação. Aqui o processo vira texto página a página + um índice local — e na conversa entram só os trechos relevantes de cada pergunta, sempre com citação de (arquivo, p. N) verificável no original. Um caso de 2.000 páginas custa ao chat o mesmo que um de 20.

Feito por um advogado, para uso forense real: heurística anti-rodapé-PJe, índice de peças pela árvore do processo, cronologia por data de assinatura, validação literal de citações (dígito trocado é rejeitado) e quadro de controvérsias em .docx.

⚔️ Como funciona

~/Processos/meu-caso/  ←  jogue o(s) PDF(s) na pasta
        │
        ▼
"prepara o caso"       →  texto página a página + OCR local (grátis)
        │                 portão de integridade: o que ficou ilegível?
        ▼
"pode indexar"         →  estimativa de custo → SUA confirmação → índice
        │                 híbrido BM25 + denso (voyage-4-large) + rerank
        ▼
"busca X no caso"      →  trechos com página exata:【arquivo — p. N】
  • 1 chunk = 1 página — a unidade natural de citação forense.

  • Busca por sentido ("quebra da affectio societatis" acha "perda da clientela") e por identificador ("Lei 3.208", nº CNJ completo).

  • Índice visual (voyage-multimodal-3): página fotográfica/ilegível continua achável pela aparência.

  • Incremental por hash e conteúdo: PDF novo, substituído ou re-OCRizado reindexa só o que mudou — nunca o caso inteiro.

Related MCP server: pdf-context

🛠️ As 13 ferramentas

Ferramenta

O que faz

listar_casos

pastas de ~/Processos com status (PDFs, preparo, índice, resumo)

preparar_caso

extração + OCR local; caso grande roda em background

status_caso

progresso, pendências com custo, avisos de integridade

indexar_caso

estimativa → confirmação obrigatória → indexação (background se grande)

buscar

híbrida + rerank, filtro opcional por arquivo, seção de páginas visuais

obter_pagina

texto literal da página (validação de leitura)

abrir_pagina

abre o PDF original na página, no navegador

indice_pecas

árvore de documentos reconstruída do rodapé PJe (ou do nome do arquivo)

cronologia

peças ordenadas pela data de assinatura

validar_citacoes

CONFIRMADA · QUASE · DIVERGENTE · PÁGINA ERRADA · NÃO ENCONTRADA

quadro_controversias

tabela autor × réu em .docx paisagem

resumo_caso

memória do caso entre conversas (com backup automático)

ocr_nuvem

opt-in: Google Document AI para o que o OCR local não leu

🔍 OCR em cascata

Nível

Motor

Onde roda

Custo

1º

Apple Vision (Neural Engine)

100% local

zero

2º

Tesseract (fallback automático)

100% local

zero

—

Portão de integridade — lista o que ficou ilegível ANTES de qualquer gasto

local

zero

3º

Google Document AI (ocr_nuvem)

nuvem ⚠️

~US$ 1,50/1.000 pág.

O 3º nível é sempre manual e seletivo: a ferramenta lista as candidatas e o custo exato sem enviar nada; você audita as duvidosas com abrir_pagina (foto/planta sem texto não vale envio) e autoriza só as páginas que quiser (paginas=[...]). Sem motor de OCR funcional, o preparo aborta antes de destruir a extração anterior.

💰 Custos: nada é gasto sem confirmação

  • Extração + OCR local: grátis, ilimitado.

  • Indexação (Voyage): centavos por caso (~R$ 1,70 em um processo real de 1.561 páginas). Estimativa exata antes, confirmação sua, sempre.

  • OCR em nuvem (opt-in): cobrado por página, prévia exata, requisição que falha não é cobrada.

  • Texto (e imagem das páginas visuais) vai à Voyage sob política no-train do plano pago; para material sigiloso, use billing ativo.

📦 Instalação

git clone https://github.com/fxbarros/MCP-Processo && cd MCP-Processo
uv sync

Pré-requisitos: uv, Tesseract com por (brew install tesseract tesseract-lang), chave Voyage AI no Keychain (keyring set voyage-ai api_key). Registro no Claude Desktop (claude_desktop_config.json):

"processos": {
  "command": "uv",
  "args": ["--directory", "/caminho/para/MCP-Processo", "run", "processo-mcp"]
}

Instaladores prontos (Mac e Windows) em distribuicao/LEIA-ME.md.

OCR em nuvem (ocr_nuvem) — configuração opcional

Só necessário se você quiser o 3º nível da cascata (Google Document AI) para páginas que o OCR local não leu. No Windows este recurso pesa mais: sem o Vision, o Tesseract falha com mais frequência em página fotografada — mais páginas caem na lista de ilegíveis.

No Google Cloud (1 vez): crie um projeto com billing ativo, habilite a Cloud Document AI API e crie um processador em Document AI → Galeria de processadores → Digitalização de texto → Document OCR (⚠️ não use a seção "Processadores personalizados" — são outros produtos, 20× mais caros). Anote o ID do processador e a região. Depois crie uma service account com o papel Usuário da API Document AI e baixe a chave JSON.

Na máquina, dois arquivos — nunca no repositório:

mkdir -p ~/.config/processo-mcp
mv ~/Downloads/sua-chave.json ~/.config/processo-mcp/gcp-ocr.json && chmod 600 ~/.config/processo-mcp/gcp-ocr.json
echo '{"processor_id": "SEU_ID", "location": "us"}' > ~/.config/processo-mcp/docai.json

No Windows, os mesmos nomes em C:\Users\<voce>\.config\processo-mcp\ (é aí que o código procura; o chmod não se aplica). Caminhos alternativos via env PROCESSO_MCP_GCP_CRED e PROCESSO_MCP_DOCAI_CONFIG no bloco do config. Faltando algo, a própria ferramenta responde com a instrução exata do que falta.

Windows

O projeto roda em Windows com duas diferenças: o OCR usa só o Tesseract (o Apple Vision não existe fora do macOS — qualidade inferior em página fotografada) e o instalador distribuicao\instalar-windows.ps1 nunca foi testado em máquina real. Se preferir não usá-lo (ou se ele falhar), o passo a passo manual:

  1. Instale o uv e o Tesseract: winget install astral-sh.uv UB-Mannheim.TesseractOCR

  2. Se faltar o idioma português, copie por.traineddata para C:\Program Files\Tesseract-OCR\tessdata\ (a pasta exige permissão de administrador).

  3. Na pasta do projeto, rode uv sync e grave a chave Voyage no Gerenciador de Credenciais do Windows:

    uv run python -c "import keyring; keyring.set_password('voyage-ai','api_key','SUA-CHAVE')"

    Depois, limpe o comando do histórico do PowerShell (a chave fica visível nele).

  4. Registre o mesmo bloco JSON acima em %APPDATA%\Claude\claude_desktop_config.json, com o caminho do projeto no formato Windows (ex.: C:/Users/voce/MCP-Processo).

  5. Os casos ficam em C:\Users\voce\Processos\ — ou aponte outra pasta via "env": {"PROCESSO_MCP_PASTA": "D:/outro/caminho"} no bloco do config.

💬 Uso no dia a dia

você: prepara o caso acp-sol-nascente claude: 1.561 páginas, 69 OCR, 0 ilegíveis. Pendente de indexação: ~1,7M tokens → US$ 0,30 (~R$ 1,67). Autoriza? você: pode indexar você: o que o réu respondeu sobre a impenhorabilidade? claude: 【contestacao.pdf — p. 85】"A arrematação de bem impenhorável..." (...) você: valida essa citação antes de eu usar na réplica claude: CONFIRMADA ✓ (similaridade 1.0)

🍎 Escopo: uso local em macOS

Projeto desenvolvido e mantido para uso pessoal, estritamente local, em macOS (Apple Silicon). Sinceridade acima de tudo:

  • Windows/Linux: o Vision não existe fora do macOS — o OCR cai no Tesseract (qualidade inferior em página fotografada). O instalador de Windows nunca foi testado em máquina real.

  • Não é um servidor: transporte stdio puro, sem HTTP, sem autenticação, sem multiusuário. Cada pessoa roda a própria cópia na própria máquina.

  • Testado em um hardware só: MacBook Air M2 / 8 GB — lotes e limiares calibrados para esse perfil.

✅ Testes

uv run pytest

92 testes, 100% offline: rodam em pasta temporária (nunca tocam ~/Processos) e não chamam nenhuma API. Cobrem as armadilhas aprendidas em caso real — rodapé PJe mascarando página escaneada, falso-sucesso de OCR (página que "leu" só o carimbo), texto nativo virado mojibake por fonte CID sem ToUnicode, roubo de rótulo na heurística de peças, dígito trocado em citação, caracteres invisíveis das atas, órfãos no índice, rebuild sem confirmação, teto de tokens por lote, redação de chave de API em mensagem de erro.


Available Tools

12 tools
abrir_paginaB

Abre o PDF original na página indicada, na tela do usuário (navegador), para conferência visual do documento.

Inputs: caso (required), arquivo (required), pagina. Returns: result

buscarA

Busca semântica + literal no caso. Cada resultado vem com arquivo e página exata — cite sempre '(arquivo, p. N)' e confira com obter_pagina antes de afirmar algo sensível. Funciona por sentido ('quebra da affectio societatis' acha 'perda da clientela') e por identificador ('Lei 3.208'). 'arquivo' (opcional) restringe a busca a um PDF do caso — útil em caso multi-volume (ex.: só na contestação).

Inputs: caso (required), query (required), top_k, rerank, +1 more. Returns: result

cronologiaA

Linha do tempo do processo: peças ordenadas pela data de assinatura do rodapé PJe. Tipos são heurísticos — confirme peças-chave com obter_pagina.

Inputs: caso (required). Returns: result

indexar_casoA

Indexa as páginas preparadas (voyage-4-large + FTS5). Com confirmar=False só mostra a estimativa de custo — NÃO gasta nada sem confirmar=True, e a confirmação deve vir do usuário, nunca ser presumida. Incremental por hash; rebuild=True refaz do zero (ex.: troca de modelo). Caso grande roda em BACKGROUND: acompanhe com status_caso (commit por PDF — nada se perde).

Inputs: caso (required), rebuild, confirmar. Returns: result

indice_pecasA

Índice das peças do processo, reconstruído do rodapé do PJe: nº do documento, tipo (heurístico — confirme peças-chave com obter_pagina), intervalo de páginas no PDF, data e assinante. Local, grátis, cacheado.

Inputs: caso (required). Returns: result

listar_casosA

Lista os casos (subpastas de ~/Processos) com status: PDFs, páginas preparadas, índice e resumo. Ponto de partida de qualquer conversa.

Inputs: no named parameters. Returns: result

obter_paginaA

Texto LITERAL e completo de uma página (como extraído/OCR). Use para verificar citações antes de afirmar — é a fonte que valida a busca. 'arquivo' aceita nome, stem ou caminho relativo mostrado na citação.

Inputs: caso (required), pagina (required), arquivo (required). Returns: result

preparar_casoA

Extrai o texto de cada PDF do caso, página página a página (OCR local nas digitalizadas — nada sai da máquina). Grátis. Caso grande roda em background: acompanhe com status_caso. Depois, indexar_caso.

Inputs: caso (required). Returns: result

quadro_controversiasA

Gera o Quadro de Controvérsias em .docx (paisagem, tabela formatada) em /relatorios/. VOCÊ faz a análise antes: cruze inicial × contestação com buscar/obter_pagina e monte as linhas com a citação de página DENTRO de cada célula. Cada linha: {tema, autor, reu, situacao} — ex.: situacao = 'controvertido' | 'sem impugnação específica' | 'incontroverso'. NUNCA inclua afirmação sem fonte (arquivo, p. N), e TODA transcrição literal entre aspas deve passar ANTES por validar_citacoes.

Inputs: caso (required), linhas (required), titulo (required), arquivo. Returns: result

resumo_casoA

Memória do caso que sobrevive entre conversas (resumo.md na pasta). Sem conteudo: lê. Com conteudo: sobrescreve (leia antes e preserve o que ainda vale; a versão anterior fica em resumo.md.bak). Atualize ao final de sessões relevantes.

Inputs: caso (required), conteudo. Returns: result

status_casoB

Estado detalhado do caso: cada PDF (preparado? quantas páginas OCR? preparação em andamento?) e o que falta indexar, com custo estimado.

Inputs: caso (required). Returns: result

validar_citacoesA

Valida transcrições LITERAIS contra o texto real das páginas — use antes de qualquer relatório/petição. Cada item: {trecho, arquivo, pagina}. Vereditos: CONFIRMADA · QUASE (usa a passagem_real devolvida) · DIVERGENTE (número/data trocado — REJEITAR) · PÁGINA ERRADA (informa onde está de verdade) · NÃO ENCONTRADA (possível invenção — reler a fonte). Só valida citação textual; paráfrase deve ser conferida com obter_pagina.

Inputs: caso (required), citacoes (required). Returns: result

Tool Schema Changelog

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

Loading tool schema changelog…

    TDQS

    A3.7/5.0

    Scored across 12 tools

    Disambiguation4/5

    Most tools target distinct actions: preparation/extraction (preparar_caso), indexing (indexar_caso), search (buscar), verification (obter_pagina, validar_citacoes), and report generation (quadro_controversias). Only indice_pecas vs cronologia overlap somewhat, since both describe the process's pieces (index vs date-ordered timeline), but the descriptions distinguish them adequately.

    Naming Consistency4/5

    All names use consistent lowercase snake_case in Portuguese with a clear domain suffix (_caso). The only deviation is mixed structure: some are verb-led (listar_casos, preparar_caso, validar_citacoes) while others are noun phrases (status_caso, cronologia, quadro_controversias), but the style remains predictable and readable.

    Tool Count5/5

    Twelve tools map cleanly onto a coherent legal-case workflow: list → prepare (OCR) → index → search → verify → report. Each tool earns its place with no obvious redundancy or filler.

    Completeness4/5

    The surface covers the full research lifecycle, from PDF extraction and indexing through search, page verification, citation validation, and .docx report generation. Minor gaps exist (no explicit case creation/deletion or editing of the summary/status artifacts beyond resumo_caso), but these are workable.

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      D
      maintenance
      A local-first MCP server that ingests PDFs, extracts structure, and provides semantic search and sequential navigation tools for AI clients to query and learn from documents.
      10
      MIT