Skip to main content
Glama
Lucas-Bueno04

JETTAX Auditoria Fiscal AI MCP Server

JETTAX Auditoria Fiscal AI (plugin MCPR)

Envelopa app/JETTAX_AUDITORIA_4.0.py — não modificado — atrás do contrato MCPR, seguindo PLUGINS/PROMPT_CONVERSAO_MCPR.md. Usa um LLM para detectar divergências entre os impostos declarados numa planilha de notas fiscais (NFS-e) e os valores efetivamente mencionados no texto de cada nota.

O que tem aqui

  • manifest.json — contrato do plugin com duas funcionalidades: listar_empresas (grátis, sem chamar LLM — só inspeciona o que existe em dados/) e auditar_empresas (a auditoria completa, marcada destrutiva: true porque envia texto fiscal da empresa pra API da OpenAI e tem custo real por chamada).

  • Makefile / make.ps1 — entrypoints finos, só encaminham para cli.py.

  • cli.py — o adapter: traduz stdin/stdout JSON em chamadas às classes de app/JETTAX_AUDITORIA_4.0.py. Nenhuma lógica de auditoria mora aqui.

  • app/JETTAX_AUDITORIA_4.0.py — o sistema original, sem nenhuma alteração.

  • dados/ — raiz das empresas a auditar (ver "Como organizar os dados" abaixo). Substitui o root_dir arbitrário do CLI original — o MCPR só permite que caminhos resolvam dentro da raiz do plugin.

Related MCP server: jishics-mcp-server

Como organizar os dados

dados/
└── <NOME_DA_EMPRESA>/
    └── notas/
        └── recebidas.csv

Mesma estrutura que o CLI original já esperava, só que agora sempre dentro de dados/ (ou do diretório externo indicado — ver abaixo).

Apontar para um diretório externo

Copiar os dados pra dentro de dados/ toda vez nem sempre é prático. O input diretorio_dados (em listar_empresas e auditar_empresas) aceita um caminho absoluto no disco desta máquina — quando preenchido, substitui dados/ inteiramente como raiz, com o mesmo formato de sempre dentro dele:

/home/usuario/Documents/NOTAS/
└── <NOME_DA_EMPRESA>/
    └── notas/
        └── recebidas.csv

Deixe diretorio_dados vazio pra manter o comportamento padrão (pasta interna dados/ do plugin).

diretorio_dados é declarado no manifesto como tipo: "string", não tipo: "path" — deliberadamente fora da contenção de caminho do MCPR (que restringe todo input path à raiz do próprio plugin), já que o propósito dele é justamente apontar pra fora da pasta do plugin. Só use com caminhos em que você confia.

Configuração

  1. cp .env.example .env e preencha OPENAI_API_KEY.

  2. Instale as dependências de app/JETTAX_AUDITORIA_4.0.py no mesmo python3 que o Makefile/make.ps1 chamam:

    pip install -r requirements.txt

Diferenças em relação ao CLI original

  • Sem prompts interativos. Os parâmetros que a JETTAX pedia via Prompt.ask/IntPrompt.ask (diretório, modelo, paralelismo, delay) agora são inputs da funcionalidade auditar_empresas, com os mesmos valores padrão.

  • root_dir reenraizado em dados/ por padrão (ou num diretório externo via diretorio_dados) — ver "Como organizar os dados".

  • Saída em JSON, não em tabelas Rich no terminal — os mesmos dados que apareciam no resumo do console (print_summary) continuam sendo escritos no Excel geral; a funcionalidade também devolve os totais principais (total_empresas, empresas_com_divergencia, total_notas_analisadas, total_divergencias) relidos de volta do próprio relatório.

  • listar_empresas é novo — não existia como comando separado no CLI original (que sempre ia direto para a auditoria completa). Adicionado porque auditar_empresas é destrutiva: true (custo real de API) e ajuda a conferir o escopo do lote antes de confirmar. Reaproveita só os métodos de descoberta já existentes (_find_companies/_find_csv), sem nenhuma lógica de análise nova.

Referência completa do protocolo

Ver backend/src/infrastructure/mcpr/README.md e PLUGINS/PROMPT_CONVERSAO_MCPR.md para o contrato completo do manifesto e do adapter.

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI assistants to search, compare, and order corporate financial and tax service providers via natural language.
    MIT
  • A
    license
    Not graded
    quality
    A
    maintenance
    Enables auditing webpages for GEO metrics, calculating MAVI score, and generating llms.txt templates for RAG readiness.
    3
    MIT
  • A
    license
    Not graded
    quality
    B
    maintenance
    Enables AI agents and finance teams to extract structured fields from messy invoices and audit them before payment, applying seven evidence-backed risk rules that catch total/tax mismatches, duplicate invoices, missing fields, future dates, and round amounts, then returning a 0–100 score with a payment link. Exposes four MCP tools over stdio and Streamable HTTP (spec 2025-11-25) plus a web UI, backed by an optional AWS Bedrock or OpenAI-compatible extraction brain that degrades gracefully to a zero-dependency offline engine.
    MIT