Content
<h1 align="center">
<img alt="MCP-Processo" src="https://raw.githubusercontent.com/fxbarros/MCP-Processo/main/docs/assets/banner.svg?sanitize=true">
<br>
<small>O processo de 2.000 páginas nunca entra inteiro na conversa</small>
</h1>
<p align="center">
<img alt="Python" src="https://img.shields.io/badge/python-3.12+-3776AB?logo=python&logoColor=white">
<img alt="Testes" src="https://img.shields.io/badge/testes-77%20%E2%9C%93-brightgreen">
<img alt="Plataforma" src="https://img.shields.io/badge/macOS-Apple%20Silicon-black?logo=apple">
<img alt="MCP" src="https://img.shields.io/badge/MCP-Claude%20Desktop%20%2F%20Code-d97757">
<img alt="Local" src="https://img.shields.io/badge/dados-100%25%20local%20por%20padr%C3%A3o-8b0000">
</p>
<p align="center">
<a href="#%EF%B8%8F-como-funciona"><strong>Como funciona</strong></a>
·
<a href="#%EF%B8%8F-as-13-ferramentas"><strong>Ferramentas</strong></a>
·
<a href="#-ocr-em-cascata"><strong>OCR em cascata</strong></a>
·
<a href="#-custos-nada-%C3%A9-gasto-sem-confirma%C3%A7%C3%A3o"><strong>Custos</strong></a>
·
<a href="#-instala%C3%A7%C3%A3o"><strong>Instalação</strong></a>
·
<a href="#-testes"><strong>Testes</strong></a>
</p>
**MCP-Processo** é um servidor [MCP](https://modelcontextprotocol.io) que faz RAG **local** sobre processos judiciais e administrativos volumosos em PDF (PJe, SEI, escaneados) no Claude Desktop/Code.
Jogar um PDF de 2 mil páginas no chat estoura a janela de contexto e gera alucinação. Aqui o processo vira texto página a página + um índice local — e na conversa entram só os **trechos relevantes de cada pergunta**, sempre com citação de `(arquivo, p. N)` verificável no original. Um caso de 2.000 páginas custa ao chat o mesmo que um de 20.
Feito por um advogado, para uso forense real: heurística anti-rodapé-PJe, índice de peças pela árvore do processo, cronologia por data de assinatura, validação **literal** de citações (dígito trocado é rejeitado) e quadro de controvérsias em `.docx`.
## ⚔️ Como funciona
```
~/Processos/meu-caso/ ← jogue o(s) PDF(s) na pasta
│
▼
"prepara o caso" → texto página a página + OCR local (grátis)
│ portão de integridade: o que ficou ilegível?
▼
"pode indexar" → estimativa de custo → SUA confirmação → índice
│ híbrido BM25 + denso (voyage-4-large) + rerank
▼
"busca X no caso" → trechos com página exata:【arquivo — p. N】
```
- **1 chunk = 1 página** — a unidade natural de citação forense.
- Busca por **sentido** ("quebra da affectio societatis" acha "perda da clientela") e por **identificador** ("Lei 3.208", nº CNJ completo).
- Índice **visual** (voyage-multimodal-3): página fotográfica/ilegível continua *achável pela aparência*.
- Incremental por hash **e** conteúdo: PDF novo, substituído ou re-OCRizado reindexa só o que mudou — nunca o caso inteiro.
## 🛠️ As 13 ferramentas
| Ferramenta | O que faz |
|---|---|
| `listar_casos` | pastas de `~/Processos` com status (PDFs, preparo, índice, resumo) |
| `preparar_caso` | extração + OCR local; caso grande roda em background |
| `status_caso` | progresso, pendências com custo, avisos de integridade |
| `indexar_caso` | estimativa → **confirmação obrigatória** → indexação (background se grande) |
| `buscar` | híbrida + rerank, filtro opcional por arquivo, seção de páginas visuais |
| `obter_pagina` | texto literal da página (validação de leitura) |
| `abrir_pagina` | abre o PDF original na página, no navegador |
| `indice_pecas` | árvore de documentos reconstruída do rodapé PJe (ou do nome do arquivo) |
| `cronologia` | peças ordenadas pela data de assinatura |
| `validar_citacoes` | CONFIRMADA · QUASE · DIVERGENTE · PÁGINA ERRADA · NÃO ENCONTRADA |
| `quadro_controversias` | tabela autor × réu em `.docx` paisagem |
| `resumo_caso` | memória do caso entre conversas (com backup automático) |
| `ocr_nuvem` | **opt-in**: Google Document AI para o que o OCR local não leu |
## 🔍 OCR em cascata
| Nível | Motor | Onde roda | Custo |
|---|---|---|---|
| 1º | **Apple Vision** (Neural Engine) | 100% local | zero |
| 2º | **Tesseract** (fallback automático) | 100% local | zero |
| — | **Portão de integridade** — lista o que ficou ilegível ANTES de qualquer gasto | local | zero |
| 3º | **Google Document AI** (`ocr_nuvem`) | nuvem ⚠️ | ~US$ 1,50/1.000 pág. |
O 3º nível é **sempre manual e seletivo**: a ferramenta lista as candidatas e o custo exato sem enviar nada; você audita as duvidosas com `abrir_pagina` (foto/planta sem texto não vale envio) e autoriza só as páginas que quiser (`paginas=[...]`). Sem motor de OCR funcional, o preparo **aborta antes** de destruir a extração anterior.
## 💰 Custos: nada é gasto sem confirmação
- **Extração + OCR local**: grátis, ilimitado.
- **Indexação (Voyage)**: centavos por caso (~R$ 1,70 em um processo real de 1.561 páginas). Estimativa exata **antes**, confirmação **sua**, sempre.
- **OCR em nuvem (opt-in)**: cobrado por página, prévia exata, requisição que falha não é cobrada.
- Texto (e imagem das páginas visuais) vai à Voyage sob política no-train do plano pago; para material sigiloso, use billing ativo.
## 📦 Instalação
```bash
git clone https://github.com/fxbarros/MCP-Processo && cd MCP-Processo
uv sync
```
Pré-requisitos: [uv](https://docs.astral.sh/uv/), Tesseract com `por` (`brew install tesseract tesseract-lang`), chave [Voyage AI](https://dashboard.voyageai.com) no Keychain (`keyring set voyage-ai api_key`). Registro no Claude Desktop (`claude_desktop_config.json`):
```json
"processos": {
"command": "uv",
"args": ["--directory", "/caminho/para/MCP-Processo", "run", "processo-mcp"]
}
```
Instaladores prontos (Mac e Windows) em [distribuicao/LEIA-ME.md](distribuicao/LEIA-ME.md). Para o `ocr_nuvem` (opcional): credencial GCP própria em `~/.config/processo-mcp/` — nunca no repositório.
## 💬 Uso no dia a dia
> **você**: prepara o caso acp-sol-nascente
> **claude**: 1.561 páginas, 69 OCR, 0 ilegíveis. Pendente de indexação: ~1,7M tokens → US$ 0,30 (~R$ 1,67). Autoriza?
> **você**: pode indexar
> **você**: o que o réu respondeu sobre a impenhorabilidade?
> **claude**: 【contestacao.pdf — p. 85】"A arrematação de bem impenhorável..." (...)
> **você**: valida essa citação antes de eu usar na réplica
> **claude**: CONFIRMADA ✓ (similaridade 1.0)
## 🍎 Escopo: uso local em macOS
Projeto desenvolvido e mantido para **uso pessoal, estritamente local, em macOS** (Apple Silicon). Sinceridade acima de tudo:
- **Windows/Linux**: o Vision não existe fora do macOS — o OCR cai no Tesseract (qualidade inferior em página fotografada). O instalador de Windows **nunca foi testado em máquina real**.
- **Não é um servidor**: transporte stdio puro, sem HTTP, sem autenticação, sem multiusuário. Cada pessoa roda a própria cópia na própria máquina.
- **Testado em um hardware só**: MacBook Air M2 / 8 GB — lotes e limiares calibrados para esse perfil.
## ✅ Testes
```bash
uv run pytest
```
77 testes, 100% offline: rodam em pasta temporária (nunca tocam `~/Processos`) e não chamam nenhuma API. Cobrem as armadilhas aprendidas em caso real — rodapé PJe mascarando página escaneada, roubo de rótulo na heurística de peças, dígito trocado em citação, caracteres invisíveis das atas, órfãos no índice, rebuild sem confirmação, teto de tokens por lote.
---
<p align="center">Autor: <strong>Fábio Ximenes Barros</strong> · arte do banner original, criada para o projeto</p>
