POC — Servidor MCP + agente clínico

POC de viabilidad técnica para los dos servicios del plan de la Fase 2, construido sobre un servidor Model Context Protocol propio y la API de Anthropic.

1. Escaneo y análisis de documentos — clasificar, leer, estructurar, sugerir la renovación para que el médico la apruebe, e investigar con el paciente lo que los documentos no respondieron.

2. Agente de anamnesis — deducir el guion a partir de la descripción del médico, validarlo, registrarlo como skill de la especialidad, y derivar del clínico general al especialista cuando el caso lo requiera.

Son 11 flujos / 70 pasos, ejecutados contra el servidor MCP real. Ninguna respuesta fue simulada: donde faltó credencial, el paso se detuvo.

Veredicto, en dos líneas

Objetivo 1 — usable, con una salvedad que el POC no resuelve solo: la precisión en caligrafía real no fue medida, y es ella la que decide si el servicio sirve. Objetivo 2 — el mecanismo está en pie; si un guion deducido por LLM es clínicamente bueno es juicio médico sobre contenido, no viabilidad técnica.

El veredicto completo, con lo que fue validado paso a paso, está en findings.md.

Related MCP server: atlas_mcp

Cómo ejecutar

cp .env.example .env       # preencha ANTHROPIC_API_KEY
npm install
npm run poc                # servidor MCP (5190) + viewer (5180)

Abra el visor en http://localhost:5180 y ejecute los pasos.

Antes del primer paso: no existe sandbox — toda ejecución es evento de facturación. Fije un spend limit en la consola de Anthropic. MANUAL-SETUP.md tiene el paso a paso de esto y del resto que solo usted puede hacer.

Orden sugerida: doc-triagem/step-01 primero (la cadena, ~US$ 0,002, el paso más barato — si falla, nada después vale la pena), luego los flujos doc-* felices, doc-lote, los ana-*, y por último los alternativos. Ejecutar todo cuesta alrededor de US$ 0,60; doc-lote es el más caro (~US$ 0,22 de los US$ 0,60).

npm run check    # tsc + validação dos fluxos + suíte de defesas (27 casos)

El visor

El visor no es adorno — es donde se lee el POC. Cada paso muestra:

• la petición HTTP cruda que va al servidor MCP, editable campo por campo;

• la fixture que consume, renderizada inline (fotos como imagen, PDFs en un frame) — y con un Sustituir… que acepta una foto suya, escrita a mano, para reejecutar sin tocar ningún archivo;

• el rastro de código por donde pasa la llamada, en orden: transporte → tool → dominio → LLM. Clicable, abre en el editor (defina POC_EDITOR en el .env).

Cómo está montado

Servidor MCP en Streamable HTTP stateless — sessionIdGenerator: undefined, enableJsonResponse: true, instancia nueva de servidor y transporte por request. Cada llamada se convierte en un POST JSON-RPC con respuesta JSON, que es lo que permite al visor mostrar la llamada como el HTTP que es. Node 22 ejecutando .ts directamente por tsx, sin build.

mcp-server/      servidor MCP: transporte, tools, domínio, chamadas à LLM
handlers/        os poucos passos cujo corpo não cabe num template declarativo
flows/           os 11 fluxos, em steps.json editáveis
fixtures/        receitas, exames, PDFs — inclusive os de prompt injection
public/          o viewer
server.ts        o viewer (back-end)
checar-defesas.ts / checar-fluxos.py    a suíte que `npm run check` roda

Dos cosas atraviesan los dos objetivos y valen por sí mismas:

El pipeline de tres etapas se pagó dos veces. Costo: la clasificación se ejecuta en Haiku y responde una pregunta perceptual barata antes de que el OCR en Sonnet observe la imagen. Seguridad: separar lectura de interpretación dio un lugar natural para que la inyección sea transcrita, señalada y rechazada en lugar de obedecida.

La regla determinista es lo que impide que la sugerencia se convierta en decisión. Vetos de renovación, límite de gasto, catálogo de skills, validación del médico — ninguna depende de que el modelo lo haya recordado por sí solo, y ninguna cuesta un token.

Alcance

Este POC cubrió el uso más simple que funciona. Seguridad, rendimiento y regulatorio están deliberadamente fuera del alcance y son trabajo de las etapas siguientes — findings.md nombra cada uno en "Cuestiones abiertas".

Los modelos se retiran con fecha marcada — por eso ANTHROPIC_MODEL y ANTHROPIC_MODEL_TRIAGEM viven en el .env y no en el código. findings.md registra las fechas conocidas en el momento de la ejecución.

Documentos