juscraper-mcp

Servidor MCP público do juscraper: permite que Claude (e qualquer LLM com suporte a MCP) consulte jurisprudência, processos e comunicações de tribunais brasileiros — somente as funcionalidades que não exigem autenticação nem captcha.

Mantido pelo LabDados (FGV Direito SP). Transporte: streamable HTTP, stateless — roda em Azure Container Apps com scale-to-zero (a primeira chamada após idle tem cold start de alguns segundos).

Tools

Fora do escopo: TJMG (exige resolução de captcha de imagem) e JusBR/PDPJ (exige autenticação gov.br).

Related MCP server: Tribunal TJPR: Processo

Conectando um cliente

A URL do endpoint é https://<fqdn-do-container-app>/mcp (após o deploy, o FQDN fica em terraform output mcp_url; o padrão esperado é https://juscraper-mcp.livelydesert-3e3e3dd8.brazilsouth.azurecontainerapps.io/mcp).

Claude Code:

claude mcp add --transport http juscraper https://<fqdn>/mcp

claude.ai / Claude Desktop: Settings → Connectors → Add custom connector → cole a URL.

Qualquer outro cliente MCP (Cursor, VS Code, etc.):

{
  "mcpServers": {
    "juscraper": {
      "type": "http",
      "url": "https://<fqdn>/mcp"
    }
  }
}

Rodando localmente

uv sync
uv run uvicorn main:app --reload --port 8080
# ou: docker compose up --build

# smoke test (lista tools e chama listar_tribunais)
uv run python scripts/smoke_client.py
# com uma busca real no TJSP:
uv run python scripts/smoke_client.py http://localhost:8080/mcp --real

# testes e lint
uv run pytest
uv run ruff check . && uv run ruff format .

Python é gerido exclusivamente por uv. O uv.lock não é commitado — é resolvido no build da imagem (mesma convenção dos services do escritorio-servicos).

Limites e custo

O serviço é público e roda com orçamento de R$ 200/mês. Os guarda-corpos:

• Infra: min_replicas=0 (custo zero em idle), max_replicas=20 (bursts de sala de aula), 0.25 vCPU / 0.5 Gi por réplica. Budget alert (50/80/100% de R$ 200) por e-mail — é ele o teto de custo real; se os alertas dispararem, reduza max_replicas ou coloque autenticação.

• Servidor: rate limit por IP (JUSMCP_RATE_LIMIT_MAX, padrão 30 req/60s), no máximo JUSMCP_MAX_CONCORRENCIA scrapes simultâneos (padrão 4), timeout de 200s por tool call.

• Por chamada: cada chamada baixa um lote de até JUSMCP_MAX_PAGINAS páginas (padrão 20), retorna até JUSMCP_MAX_LINHAS linhas (padrão 300) e trunca cada campo de texto em JUSMCP_MAX_CHARS_CELULA caracteres (padrão 6000); consultar_processo aceita até JUSMCP_MAX_PROCESSOS números CNJ (padrão 5).

• Paginação: como cada página leva ~4-5s, não dá para baixar muitas de uma vez (estoura o tempo limite). Em vez disso, as buscas aceitam pagina_inicial (1 a JUSMCP_MAX_PAGINA_INICIAL, padrão 100): a resposta devolve proxima_pagina_inicial e o modelo repete a chamada para varrer até a página 100. (O Datajud é exceção: usa cursor forward-only, então pagina sempre a partir da 1ª página — use tamanho_pagina para volume.)

• Tribunais: pausa fixa de JUSMCP_SLEEP_TIME (padrão 1s) entre requisições, não configurável pelo cliente.

Se o uso estourar o orçamento, o plano é colocar autenticação por API key (a estrutura do escritorio-servicos já tem esse fluxo pronto).

Uso responsável: este serviço consulta sistemas públicos dos tribunais. Ele existe para apoiar pesquisa acadêmica em pequena escala. Para extrações em volume, use o pacote Python juscraper na sua própria máquina.

Deploy

O deploy reaproveita uma infraestrutura Azure existente do LabDados (resource group, Container Apps Environment e ACR) — nenhum recurso de custo fixo novo é criado. Os nomes e IDs reais não ficam neste repo público: o GitHub Actions os lê de secrets/variables do repositório, e o Terraform de um infra/terraform.tfvars (gitignored). Os valores estão no repo interno escritorio-servicos (privado) — quem precisar, peça acesso.

Configuração do repositório

O CI/CD usa OIDC federado (sem senha). É preciso ter, no repositório:

• Secrets: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_SUBSCRIPTION_ID (IDs da app registration / tenant / subscription usados pelo azure/login).

• Variables: AZURE_RG, ACR_NAME (nomes do resource group e do ACR).

• Uma federated credential na app registration apontando para este repo (subject = repo:<org>/juscraper-mcp:ref:refs/heads/main), para que só workflows da main deste repo consigam autenticar.

Bootstrap do Terraform (uma vez)

# 1. crie infra/terraform.tfvars com os valores reais (modelo abaixo)
# 2. publique a primeira imagem (o Terraform precisa dela p/ criar o app)
az acr build --registry <acr> --image juscraper-mcp:latest .
# 3. aplique (state local, rodado da sua máquina)
cd infra && terraform init && terraform apply && terraform output mcp_url

infra/terraform.tfvars (gitignored):

subscription_id                = "..."
resource_group_name            = "..."
container_app_environment_name = "..."
acr_name                       = "..."
alert_emails                   = ["voce@exemplo.com"]

Dia a dia

Push na main (ou gh workflow run Deploy) builda a imagem no ACR, atualiza o Container App e faz smoke test no /health. O Terraform ignora mudanças de imagem (ignore_changes), então terraform apply não reverte deploys.

Arquitetura

cliente MCP (Claude, etc.)
   │  streamable HTTP (stateless, JSON)
   ▼
Azure Container Apps  juscraper-mcp  (min=0, max=20, 0.25 vCPU)
   │  RateLimitMiddleware (por IP) → FastMCP → tools
   │  semáforo global + timeout + thread por tool call
   ▼
juscraper (requests) → eSAJ / Projudi / PJe / Datajud / Comunica CNJ

• juscraper_mcp/server.py — instância FastMCP, instruções para o modelo, /health.

• juscraper_mcp/tools.py — as 7 tools; toda chamada bloqueante roda em thread com semáforo.

• juscraper_mcp/registry.py — catálogo de tribunais e validação de capacidades.

• juscraper_mcp/serialize.py — DataFrame → JSON com truncamento (linhas e texto).

• juscraper_mcp/ratelimit.py — middleware ASGI de rate limit por IP.