POC — Servidor MCP + agente clínico

POC de viabilidade técnica para os dois serviços do plano da Fase 2, construído sobre um servidor Model Context Protocol próprio e a API da Anthropic.

1. Escaneamento e análise de documentos — triar, ler, estruturar, sugerir a renovação para o médico aprovar, e investigar com o paciente o que os documentos não responderam.

2. Agente de anamnese — deduzir o roteiro a partir da descrição do médico, validá-lo, registrá-lo como skill da especialidade, e rotear do clínico geral para o especialista quando o caso pedir.

São 11 fluxos / 70 passos, executados contra o servidor MCP real. Nenhuma resposta foi simulada: onde faltou credencial, o passo parou.

Veredicto, em duas linhas

Objetivo 1 — usável, com uma ressalva que o POC não resolve sozinho: a acurácia em caligrafia real não foi medida, e é ela que decide se o serviço serve. Objetivo 2 — o mecanismo está de pé; se um roteiro deduzido por LLM é clinicamente bom é julgamento médico sobre conteúdo, não viabilidade técnica.

O veredicto completo, com o que foi validado passo a passo, está em findings.md.

Related MCP server: atlas_mcp

Como rodar

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

Abra o viewer em http://localhost:5180 e execute os passos.

Antes do primeiro passo: não existe sandbox — toda execução é evento de faturamento. Trave um spend limit na console da Anthropic. MANUAL-SETUP.md tem o passo a passo disso e do resto que só você pode fazer.

Ordem sugerida: doc-triagem/step-01 primeiro (a cadeira, ~US$ 0,002, o passo mais barato — se ele falhar, nada depois vale a pena), depois os fluxos doc-* felizes, doc-lote, os ana-*, e por fim os alternativos. Rodar tudo custa cerca de US$ 0,60; doc-lote é o mais caro (~US$ 0,22 dos US$ 0,60).

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

O viewer

O viewer não é enfeite — é onde o POC se lê. Cada passo mostra:

• a requisição HTTP crua que vai ao servidor MCP, editável campo a campo;

• a fixture que ele consome, renderizada inline (fotos como imagem, PDFs num frame) — e com um Substituir… que aceita uma foto sua, escrita à mão, para reexecutar sem tocar em arquivo nenhum;

• a trilha de código por onde a chamada passa, em ordem: transporte → tool → domínio → LLM. Clicável, abre no editor (defina POC_EDITOR no .env).

Como está montado

Servidor MCP em Streamable HTTP stateless — sessionIdGenerator: undefined, enableJsonResponse: true, instância nova de servidor e transporte por request. Cada chamada vira um POST JSON-RPC com resposta JSON, que é o que permite ao viewer mostrar a chamada como o HTTP que ela é. Node 22 rodando .ts direto por tsx, sem 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

Duas coisas atravessam os dois objetivos e valem por si:

O pipeline de três estágios se pagou duas vezes. Custo: a triagem roda em Haiku e responde uma pergunta perceptual barata antes de o OCR em Sonnet olhar a imagem. Segurança: separar leitura de interpretação deu um lugar natural para a injeção ser transcrita, sinalizada e recusada em vez de obedecida.

A regra determinística é o que impede a sugestão de virar decisão. Vetos de renovação, teto de gasto, catálogo de skills, validação do médico — nenhuma depende de o modelo ter lembrado sozinho, e nenhuma custa um token.

Escopo

Este POC cobriu o uso mais simples que funciona. Segurança, desempenho e regulatório estão deliberadamente fora do escopo e são trabalho das etapas seguintes — findings.md nomeia cada um em "Questões em aberto".

Modelos aposentam com data marcada — por isso ANTHROPIC_MODEL e ANTHROPIC_MODEL_TRIAGEM vivem no .env e não no código. findings.md registra as datas conhecidas na época da execução.

Documentos