13
laespina
2 min de leitura ·

Pitch: Liberei um MCP open source pra conversar com licitações públicas BR (PNCP) via Claude/Cursor

Trabalho com govtech (Licinexus) e a gente acabou de liberar um pedaço de código que ajuda a comunidade: o licinexus-mcp.

É um servidor MCP (Model Context Protocol — protocolo da Anthropic pra LLMs acessarem dados externos) que conecta Claude Desktop, Cursor, Continue, etc. ao Portal Nacional de Contratações Públicas (PNCP) e
dados de CNPJ.

Em uma linha de config no claude_desktop_config.json, você passa a poder perguntar coisas como:

  • "tem ata de registro de preço ativa pra notebook em SP?"
  • "quais editais de TI publicados nos últimos 7 dias acima de 200k?"
  • "histórico de contratos do CNPJ X com órgãos federais"
  • "o que a Prefeitura de Y planeja comprar este ano (PCA)?"

São 16 tools no total, todas hitting endpoints públicos. MIT, sem auth, sem banco local. Build com TypeScript + Zod + cache em memória.

Por que liberei?

Porque dado público devia ser acessível pra todo mundo, não só quem sabe escrever cliente de API. A plataforma paga da Licinexus continua com matching, scoring, análise de viabilidade, geração de propostas
— esse é o diferencial. Mas acesso ao dado cru? Aberto pra todos.

Stack técnica

  • TypeScript + @modelcontextprotocol/sdk oficial
  • Zod pra validação de resposta
  • LRU cache em memória pra ser educado com o PNCP
  • CI rodando lint + typecheck + testes + isolation grep que falha qualquer PR importando de pacote interno
  • Smoke test diário contra endpoints reais — caçou bug do PNCP migrando endpoint entre /api/pncp/v1 e /api/consulta/v1 durante o dev

Instalação

Rodar o servidor:

npx -y @licinexusbr/mcp

E no claude_desktop_config.json:

{
  "mcpServers": {
    "licinexus": {
      "command": "npx",
      "args": ["-y", "@licinexusbr/mcp"]
    }
  }
}

Reinicia o Claude Desktop (Cmd+Q e reabre) e as 16 tools ficam disponíveis.

Pra quem topa testar

Quem mexe com transparência, jornalismo de dados, pesquisa em compras públicas ou só curte LLMs com tools — testem aí. PRs e issues bem-vindas (com DCO).

🎬 Demo (18s): https://x.com/licinexus/status/2053872243629846936

📦 Repo: https://github.com/Licinexus/licinexus-mcp

📥 npm: @licinexusbr/mcp

Carregando publicação patrocinada...
2
2

Valeu pelo aviso! Vou editar agora. Parece que quando colei aqui no Tabnews algum code fence ficou mal fechado — vou refazer o bloco com calma.

Se topar dar uma olhada depois da correção, agradeço 🙌

1

Parabens oela iniciativa!
Ja pensou em fazerem uma Skill com essa finalidade para o Hermes ou Openclaw, seria muito interessante!
Vou testar esse mcp ajnda hoje!

1

Muito obrigado 🙌

Sim, já estamos estudando expandir o ecossistema da Licinexus para além do MCP tradicional. A ideia de uma Skill para projetos como Hermes e OpenClaw faz bastante sentido, principalmente porque o objetivo é transformar a Licinexus em uma camada de inteligência plugável para qualquer agente de IA que opere sobre compras públicas.

Hoje o MCP já consegue acessar e estruturar dados públicos do PNCP, mas o próximo passo é conectar isso aos modelos proprietários que estamos treinando para classificação, previsão de mercado, precificação e análise contextual de editais.

Se fizer os testes depois compartilha o feedback com a gente 🚀

1

Meus 2 cents,

Parabens pela iniciativa !

Eh sempre interessante acompanhar projetos reais usando tecnologia para automatizar as tarefas.

Este nicho (licitacoes) eh especialmente interessante - para quem conhece os mecanismos pode ter oportunidades bem legais, e o projeto que voce liberou permite exporar varios pontos.

Repositorio devidamente starreado e forkeado - obrigado por compartilhar !

Saude e Sucesso !

Este post foi favoritado via extensão TABNEWS FAVORITOS

Tem curiosidade sobre IA ? Da uma olhada no meu LIVRO: IA PARA ENGENHEIROS

2

Obrigado! Star e fork são as moedas que mais valem nesse momento de lançamento — significam que tem alguém realmente curtindo o que a gente tá construindo. Valeu mesmo.

Você tocou num ponto que é exatamente o que motivou abrir isso em open source: quem entende os mecanismos das licitações (modalidades, atas, PCA, prazos, vícios formais) encontra oportunidades que ficam
invisíveis pra quem só raspa palavra-chave no PNCP. A ferramenta é só um destravador — a inteligência humana ou de LLM em cima dela é onde mora o valor.

Se topar mexer com o servidor e tiver alguma fricção, bug ou sugestão de tool nova (TCEs estaduais, ComprasNet legado, etc), abre issue lá no GitHub que eu respondo em ~24h.

Saúde e sucesso pra ti também 🙌

1

Boa! Boa iniciativa! Agora precisamos para leis tramitantes nas casas legislativas, se prever a lei que vai ser aprovada a IA ja pode prever o código que vai ter que gerar.

1

Esse é exatamente um dos caminhos que acreditamos para o futuro das compras públicas no Brasil 👀

Hoje muita empresa ainda reage ao mercado apenas depois que a licitação já saiu. O que queremos construir é uma camada preditiva: acompanhar movimentações legislativas, tendências regulatórias e padrões históricos para antecipar demandas futuras do governo.

Em muitos casos, uma mudança de lei praticamente cria um novo mercado inteiro, e isso impacta diretamente códigos CATMAT/CATSER, exigências técnicas, fornecedores habilitados e comportamento de compra pública.

A IA consegue ajudar justamente nessa leitura de contexto em larga escala.

Ainda estamos no início dessa construção, mas a visão da Licinexus é ir muito além da busca de editais. Queremos construir inteligência preditiva para o setor público 🚀

→ Licinexus AI

1

Olá, parabéns pelo projeto e pela generosidade.

Consegui instalar e testar o MCP da Licinexus no Linux Ubuntu usando Cursor + Node.js.

A integração com o PNCP funcionou e consegui consultar licitações reais via API pública e scripts Python.

Só deixo uma observação para quem for testar: o MCP em si parece aberto/gratuito, mas o Cursor possui limite de uso do modo Agent na versão free.

Após alguns testes recebi a mensagem:

“You've hit your usage limit — Get Cursor Pro for more Agent usage”.

Então o acesso aos dados públicos do PNCP funciona, porém dependendo do volume de uso pode haver limitação da própria plataforma Cursor, não necessariamente do MCP da Licinexus.

No meu caso, após atingir o limite do Cursor Free, não consegui continuar utilizando o Agent e não tive interesse em assinar o Cursor Pro.

1

Obrigado pelo feedback e por testar o MCP da Licinexus no Ubuntu 🙌

Ficamos felizes em saber que você conseguiu integrar com o PNCP e consultar licitações reais utilizando Cursor + Node.js + Python.

Você trouxe um ponto importante: o MCP da Licinexus é aberto e a integração com os dados públicos funciona normalmente, porém algumas limitações podem vir da própria plataforma utilizada para consumir o MCP, como o limite do modo Agent no Cursor Free.

E isso é só o começo 👀

Nosso plano é evoluir o MCP para conectar diretamente aos modelos proprietários que estamos treinando na Licinexus, permitindo análises muito mais inteligentes sobre editais, precificação, CATMAT/CATSER, qualificação automática, risco de participação e oportunidades em tempo real.

A ideia é transformar o MCP não apenas em um “acesso ao PNCP”, mas em uma verdadeira camada de inteligência para compras públicas no Brasil.

Quem quiser acompanhar a evolução do projeto:
→ Licinexus
→ Licinexus AI Models
→ LinkedIn da Licinexus

Valeu mesmo por compartilhar sua experiência 🚀

1

Pra mim ficou inviável para o tipo de uso que eu queria... Eu quero consultar por atas vigentes, geralmente o volume retornado vai ser em torno de 500.000 atas. Ele só busca por conteúdo (palavra chave) no retorno, no lado cliente. Daí ele mesmo não consegue porque dá timeout, é inviável paginar 500.000 de 50 em 50 e buscar no resultado.

1

Feedback super válido, e você tem razão nesse ponto.

Hoje o MCP ainda está muito mais otimizado para exploração e consulta contextual do que para workloads massivos de dados como atas vigentes em grande volume.

Fazer paginação de centenas de milhares de registros no client-side realmente não escala. Além do timeout, o custo computacional explode e a experiência fica ruim até para o próprio Agent.

O caminho correto aí é exatamente o que você comentou implicitamente:
→ indexação server-side
→ busca semântica/híbrida no backend
→ filtros pré-processados
→ cache e materialização de datasets
→ retorno já reduzido/contextualizado para o agente

É justamente nessa direção que estamos evoluindo a arquitetura da Licinexus.

Os modelos que estamos treinando não vão trabalhar apenas como “chat sobre PNCP”, mas como uma camada de recuperação inteligente de dados públicos em escala — incluindo atas, itens, preços históricos, CATMAT/CATSER e correlação entre órgãos/fornecedores.

A ideia é evitar que o Agent precise “varrer” 500k registros brute force no cliente.

Inclusive esse tipo de feedback ajuda bastante porque mostra os gargalos reais de uso em produção 🚀

→ Licinexus AI

0