mcp-camara-pecs
This server provides MCP tools to search, inspect, and track Brazilian PECs (constitutional amendment proposals) using the Câmara dos Deputados open-data API.
listar_pecs — Search/filter PECs by year, number, keywords, and date range; supports ordering and pagination.
detalhar_pec — Get full details of a PEC by its id.
listar_autores_pec — List the authors/presenters of a PEC.
listar_tramitacoes_pec — View the chronological processing history of a PEC, optionally filtered by date range.
listar_votacoes_pec — List the votings associated with a PEC.
detalhar_votacao — Get details and result of a specific voting.
listar_votos_votacao — Get each deputy's nominal vote in a voting.
listar_orientacoes_votacao — See how each party/bench oriented its members to vote.
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., "@mcp-camara-pecs Quais PECs sobre reforma tributária tramitaram em 2023?"
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.
mcp-camara-pecs
Servidor MCP (Model Context Protocol) para consultar votações e tramitações de PECs (Propostas de Emenda à Constituição) usando a API de Dados Abertos da Câmara dos Deputados (https://dadosabertos.camara.leg.br/api/v2).
A API é pública e não exige chave de autenticação. Este servidor apenas consome dados abertos já disponíveis a qualquer cidadão.
Parte do repositório
mcp-api-publica-governo-brasil. A v1 cobre a Câmara dos Deputados; a integração com o Senado Federal está planejada (ver.claude/tasks/feature/).
Ferramentas expostas
Ferramenta | O que faz | Endpoint |
| Lista PECs (filtros: ano, número, palavras-chave, datas) |
|
| Dados completos de uma PEC por |
|
| Autores/apresentantes da PEC |
|
| Histórico de tramitação |
|
| Votações associadas à PEC |
|
| Resultado/detalhe de uma votação |
|
| Voto nominal de cada deputado |
|
| Orientação de cada bancada |
|
Related MCP server: MCP Câmara BR
Instalação
python -m venv .venv
source .venv/bin/activate
pip install -e . # produção
pip install -e ".[dev]" # com dependências de testeDependências opcionais (extras)
O pacote base instala só o servidor MCP. Os "extras" adicionam o que cada uso precisa:
Extra | Comando | O que traz / quando usar |
(nenhum) |
| Só o servidor MCP ( |
|
| Ferramentas de teste (pytest…). |
|
| O host |
|
| Adiciona o backend Ollama (traz |
Trocou de backend depois de instalar? Reinstale o extra correspondente — senão falta a lib do backend novo (ex.:
ModuleNotFoundError: No module named 'openai').
Uso
O servidor roda no transporte stdio:
python -m mcp_camara_pecs
# ou, via console-script:
mcp-camara-pecsConfiguração no Claude Desktop / Cursor
Adicione ao arquivo de configuração de MCP servers (use o caminho absoluto do Python do seu venv):
{
"mcpServers": {
"camara-pecs": {
"command": "/caminho/para/.venv/bin/python",
"args": ["-m", "mcp_camara_pecs"]
}
}
}Variáveis de ambiente (opcionais)
CAMARA_API_BASE— sobrescreve a URL base da API.HTTP_TIMEOUT— timeout das requisições em segundos (padrão: 30).
Desenvolvimento
pip install -e ".[dev]"
pytest # testes unitários (HTTP mockado, sem rede)
npx @modelcontextprotocol/inspector python -m mcp_camara_pecs # inspeção manualExemplo de fluxo
listar_pecs(ano=2019, keywords="reforma")→ obtenha oidda PEC.detalhar_pec(id)elistar_tramitacoes_pec(id).listar_votacoes_pec(id)→ obtenha oidda votação.detalhar_votacao(id),listar_votos_votacao(id),listar_orientacoes_votacao(id).
Host CLI (busca com LLM)
Além do servidor, o projeto traz um host MCP em terminal (pecs-host): você pergunta
em português, um LLM interpreta, chama as ferramentas do servidor pelo protocolo
MCP e responde. Dois backends são suportados:
LM Studio (padrão) — qualquer modelo servido pelo endpoint compatível com OpenAI.
Ollama — LLM local nativo, 100% offline (
PECS_HOST_BACKEND=ollama).
Modelos com bom suporte a tool-calling (Qwen2.5, Llama 3.1 etc.) encadeiam as ferramentas de forma mais confiável; modelos muito pequenos podem errar o schema.
Dois jeitos de usar o MCP com o LM Studio — não confunda:
App do LM Studio como host — você configura este servidor MCP no
mcp.jsondo próprio app e conversa pela interface dele; o LM Studio chama as ferramentas sozinho. Não usa opecs-host.
pecs-hostno terminal (este tutorial) — o CLI é o host e fala com o modelo pelo servidor HTTP do LM Studio. Exige o servidor local ligado (passo 3).
Tutorial passo a passo — LM Studio (Linux · macOS · Windows)
Do zero até a primeira pergunta respondida. Onde o comando muda por sistema, os três estão indicados.
1. Instalar o LM Studio
Baixe o instalador em https://lmstudio.ai e instale:
Linux — arquivo
.AppImage: dê permissão de execução e rode (chmod +x LM-Studio-*.AppImage && ./LM-Studio-*.AppImage).macOS — arquivo
.dmg: arraste o app para Applications.Windows — instalador
.exe: siga o assistente.
2. Baixar um modelo com suporte a ferramentas
No LM Studio, abra a aba 🔍 Discover/Search, procure um modelo bom em tool-calling
e baixe. Sugestões: Qwen2.5 7B Instruct (equilíbrio) ou Qwen2.5 3B Instruct
(mais leve). Evite modelos muito pequenos — eles erram o formato das chamadas de ferramenta.
3. Ligar o servidor local
⚠️ Carregar o modelo e conseguir conversar no app NÃO significa que o servidor HTTP está no ar. O chat do app funciona sem ele; o
pecs-hostprecisa dele ligado.
Abra a aba Developer (ícone >_), carregue o modelo no topo e clique em
Start Server (ou pelo terminal: lms server start). O endpoint padrão é
http://localhost:1234/v1.
Verifique que subiu de verdade:
lms server status # deve dizer "running on port 1234"
curl http://localhost:1234/v1/models # deve listar seus modelosUse o endpoint
/v1(compatível com OpenAI) — é o único que aceita ferramentas. Os endpoints da API nativa do LM Studio (/api/v0/...,/api/v1/chat) usam outro formato e rejeitamtools, então não funcionam com opecs-host.
4. Descobrir o nome exato do modelo
PECS_HOST_MODEL precisa bater com o identificador que o LM Studio expõe (essa é a causa
nº 1 do erro "model not found"). Para descobrir:
# Linux / macOS
curl http://localhost:1234/v1/models# Windows (PowerShell)
Invoke-RestMethod http://localhost:1234/v1/models | ConvertTo-Json -Depth 5Anote o valor exato do campo "id" — ele pode incluir um prefixo de publisher
(ex.: google/gemma-4-e4b, qwen2.5-7b-instruct). É esse valor, com prefixo e tudo,
que vai em PECS_HOST_MODEL.
5. Preparar o ambiente Python (>= 3.10)
Recomendado: pyenv 3.11.13 (evita depender do Python do sistema).
# Linux / macOS (com pyenv)
pyenv install 3.11.13
pyenv shell 3.11.13
python -m venv .venv
source .venv/bin/activate# Windows (PowerShell) — pyenv-win, ou o Python 3.11 do python.org
py -3.11 -m venv .venv
.\.venv\Scripts\Activate.ps16. Instalar o projeto
pip install -e ".[host]"7. Rodar o host
Com o servidor do LM Studio no ar, defina o nome do modelo (passo 4) e rode pecs-host.
A sintaxe da variável de ambiente muda por shell:
# Linux / macOS (bash/zsh)
PECS_HOST_MODEL="qwen2.5-7b-instruct" pecs-host# Windows (PowerShell)
$env:PECS_HOST_MODEL = "qwen2.5-7b-instruct"; pecs-host:: Windows (cmd.exe)
set PECS_HOST_MODEL=qwen2.5-7b-instruct && pecs-hostSe o LM Studio estiver em outra máquina, acrescente PECS_HOST_BASE_URL (ex.:
http://192.168.0.10:1234/v1) da mesma forma.
8. Primeira pergunta
No REPL, pergunte à vontade (ex.: "Liste 3 PECs de 2023", "Quais as votações da PEC
2595897 e como cada bancada orientou?"). Comandos: /tools, /modelo <nome>, /sair.
Problemas comuns
Sintoma | Causa provável / solução |
| Servidor HTTP desligado. Conversar no app não liga o servidor — rode |
Não consegui falar com o LM Studio | Servidor não está ligado (passo 3) ou |
model not found |
|
Unrecognized key(s): 'tools' | Você apontou para um endpoint |
Respostas sem usar ferramentas / loop não conclui | Modelo fraco em tool-calling: troque por Qwen2.5/Llama 3.1 com |
Alternativa — Ollama (100% offline)
curl -fsSL https://ollama.com/install.sh | sh # instalar (Linux, pode pedir sudo)
ollama pull qwen2.5:7b # modelo com suporte a ferramentas
ollama serve & # garantir o serviço no ar
pip install -e ".[host,ollama]" # projeto + backend ollama
PECS_HOST_BACKEND=ollama pecs-host # rodar usando o OllamaVariáveis de ambiente (host)
PECS_HOST_BACKEND—lmstudio(padrão) ouollama.PECS_HOST_MODEL— nome do modelo (LM Studio: precisa bater com o carregado; Ollama: padrãoqwen2.5:7b).PECS_HOST_BASE_URL— endpoint OpenAI-compat do LM Studio (padrãohttp://localhost:1234/v1).PECS_HOST_API_KEY— chave enviada ao endpoint (padrãolm-studio; o LM Studio ignora).OLLAMA_HOST— endereço do Ollama (padrãohttp://localhost:11434).
Licença
MIT.
Available Tools
8 toolsdetalhar_pecA
Retorna os dados completos de uma PEC pelo seu id.
Inclui ementa detalhada, palavras-chave e o status/tramitação mais recente.
Obtenha o `id` com `listar_pecs`.
Inputs: id (required). Returns: object
detalhar_votacaoA
Retorna o detalhe/resultado de uma votação pelo seu id.
Inclui descrição, órgão, se foi aprovada (`aprovacao`) e o placar. Obtenha o
`id` com `listar_votacoes_pec`.
Inputs: id (required). Returns: object
listar_autores_pecC
Lista os autores/apresentantes de uma PEC (deputados, senadores, órgãos).
Inputs: id (required). Returns: result
listar_orientacoes_votacaoA
Lista a orientação de cada bancada/partido em uma votação.
Mostra como cada liderança orientou seus deputados a votar. Repassado sem filtro por ser uma lista curta.
Inputs: id (required). Returns: result
listar_pecsA
Lista Propostas de Emenda à Constituição (PECs).
Use para descobrir PECs e obter o `id` de cada uma (necessário nas demais
ferramentas). Filtros são opcionais e combináveis.
Parâmetros:
- ano: ano de apresentação (ex.: 2023).
- numero: número da proposição.
- keywords: termos de busca na ementa/palavras-chave (ex.: "reforma tributária").
- data_apresentacao_inicio / data_apresentacao_fim: intervalo AAAA-MM-DD.
- ordenar_por: campo de ordenação ("id", "ano", "numero").
- ordem: "ASC" ou "DESC".
- max_itens: teto de resultados retornados (paginação automática).
Inputs: ano, ordem, numero, keywords, +4 more. Returns: result
listar_tramitacoes_pecA
Lista o histórico de tramitação de uma PEC, em ordem cronológica.
Cada item traz data/hora, órgão, o tipo de tramitação, a situação e o
despacho. Filtre por intervalo com `data_inicio`/`data_fim` (AAAA-MM-DD).
Inputs: id (required), data_fim, max_itens, data_inicio. Returns: result
listar_votacoes_pecA
Lista as votações associadas a uma PEC.
Retorna o `id` de cada votação (string, ex.: "2611313-34"), necessário para
`detalhar_votacao`, `listar_votos_votacao` e `listar_orientacoes_votacao`.
Inputs: id (required), max_itens. Returns: result
listar_votos_votacaoA
Lista o voto nominal de cada deputado em uma votação.
Cada item traz o nome do deputado, partido, UF e o `tipoVoto`
(Sim/Não/Abstenção/Obstrução/Artigo etc.). Só há votos nominais em votações
por registro eletrônico (votações simbólicas retornam lista vazia).
Inputs: id (required), max_itens. Returns: result
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 8 tools
Each tool targets a distinct resource and action (list/detail PECs, authors, history, votes, orientations). There is no ambiguity or overlap between tools, and the descriptions clearly tie each tool to its unique role.
All names use a snake_case verb_noun pattern with the verbs listar/detalhar, which is highly predictable. The only minor inconsistency is pluralization (listar_pecs vs listar_autores_pec), but this does not confuse the overall convention.
8 tools is well-scoped for a PEC-focused legislative server: enough to cover discovery, detail, authors, history, and voting workflows without unnecessary bloat. Each tool earns a clear place.
The tool surface provides a complete read-only lifecycle for PECs: list and search, full detail, authors, procediment history, voting events, individual votes, and party orientations. No obvious gaps prevent an agent from answering typical PEC-related queries.
Maintenance
Related MCP Connectors
Access U.S. congressional data (bills, votes, members, committees) via MCP.
Brazilian election and legislative data (MCP Político, MCP Legislativo) for Claude and ChatGPT.
Query Brazil's public procurement portal (PNCP): tenders, contracts and price records.
MCP server for Brazilian Federal Senate open data (legislative, administrative, e-Cidadania).
Related MCP Servers
- AlicenseAqualityDmaintenanceEnables querying Brazilian electoral data through TSE's official API. Supports candidate searches, election information, and campaign finance records for municipalities and states.72MIT
- AlicenseBqualityNot gradedmaintenanceEnables interaction with the Brazilian Chamber of Deputies Open Data API, providing access to information about legislators, legislative proposals, voting records, events, committees, and parliamentary activities through 57 typed and validated tools.63-
- AlicenseNot gradedqualityDmaintenanceEnables AI assistants to query Brazilian Senate data including senators, bills, voting records, committees, and plenary sessions through natural language.26 npm7MIT
- AlicenseAqualityBmaintenanceMCP server for the Brazilian Chamber of Deputies open-data API, enabling search and retrieval of federal legislative bills and their status.1557 PyPI4Apache 2.0