MCP-杰恩服务器

作者：PdroBrandao0 星标更新：2025-08-07

安装使用来源：spider==github.com

项目介绍

MCP DJEN 服务器

面向LLM的智能巴西法院通知系统

这是一个生产就绪的MCP（模型上下文协议）服务器，标准化了对巴西电子司法日记（DJEN）数据的访问，适用于LLM代理和AI应用程序。

🎯 实际影响

此服务器支持**Intimação Pro系统，在测试期间处理了566个通知**，具有以下特点：

综合回归测试（v1.5）准确率86.7%
平均响应时间小于4秒
对法律团队来说具有极高的投资回报率
生产环境中的API成功率高达99.5%
每律师每月运营成本仅为0.45美元

🌍 国际公司为何关心

巴西法律市场 = 280亿美元机会（IBGE 2025年）。 我们的协议解决了司法数据访问问题：

LegalTech扩展到拉丁美洲 - 区域扩张的标准API
AI团队自动化合规性 - 生产就绪的法律数据集成
全球法律自动化 - 其他司法管辖区的参考实现

国际用例：

墨西哥：AMLO法庭集成
葡萄牙：STJ里斯本数据管道
阿根廷：联邦司法权力集成

📱 WhatsApp集成愿景

最终目标是使律师能够通过WhatsApp使用自然语言查询他们的法院通知：

"我今天的传票是什么？" → LLM → MCP服务器 → 结构化回复

这个MCP服务器是实现这一愿景的基础架构层。

🏗️ 架构

系统架构

流程：

LLM代理请求法院通知
MCP服务器查询DJEN API
数据被解析并标准化
结构化的JSON返回给LLM

请求流程

LLM集成

🚀 快速开始

预备条件

Python 3.11+
Docker（可选）
Git

本地开发设置

# 克隆仓库
git clone https://github.com/PdroBrandao/mcp-djen-server.git
cd mcp-djen-server

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 设置环境变量
cp .env.example .env
# 编辑.env以进行您的配置

# 运行服务器
python3 -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Docker设置

# 使用Docker构建和运行
docker-compose up --build

# 或手动构建
docker build -t mcp-djen-server .
docker run -p 8000:8000 mcp-djen-server

环境变量

# 服务器配置
PORT=8000
HOST=0.0.0.0
DEBUG=false

# DJEN API配置
DJEN_API_BASE_URL=https://comunicaapi.pje.jus.br/api/v1/comunicacao
DJEN_API_TIMEOUT=30

# 速率限制
RATE_LIMIT_PER_MINUTE=100
RATE_LIMIT_PER_HOUR=1000

# 日志
LOG_LEVEL=INFO
LOG_FILE=logs/app.log

# 安全
CORS_ORIGINS=*
API_KEY_REQUIRED=false

🧪 测试

自动化测试

# 运行所有测试
python3 test_server.py

# 测试特定端点
curl -X GET "http://localhost:8000/health"
curl -X GET "http://localhost:8000/intimations?name=PEDRO%20BRAND%C3%83O&date_start=2025-08-01&date_end=2025-08-06"

手动测试

# 健康检查
curl http://localhost:8000/health

# 获取通知
curl "http://localhost:8000/intimations?name=PEDRO%20BRAND%C3%83O&date_start=2025-08-01&date_end=2025-08-06"

# 获取案件详情
curl http://localhost:8000/intimations/1234567-89.2024.8.13.0001

# 获取可用法院
curl http://localhost:8000/courts

📚 API参考

认证

目前，API对开发开放。生产部署应实现：

API密钥认证
每客户端的速率限制
请求日志记录和监控

端点

GET /health

健康检查端点。

响应：

{
  "status": "healthy",
  "timestamp": "2025-08-06T17:48:25.231962",
  "service": "mcp-djen-server"
}

GET /intimations

获取律师的法院通知。

参数：

name（必需）：律师全名
date_start（必需）：起始日期（YYYY-MM-DD）
date_end（必需）：结束日期（YYYY-MM-DD）
oab（可选）：OAB注册号

响应：

[
  {
    "date": "2025-08-06",
    "court": "TJMG",
    "lawyer_name": "PEDRO BRANDÃO",
    "oab": "123456/MG",
    "case_number": "1234567-89.2024.8.13.0001",
    "type": "TOMAR_CIÊNCIA",
    "summary": "关于2025年8月5日发布的裁决的通知",
    "url": "https://www.tjmg.jus.br/djen/123",
    "deadline": "15天",
    "actions": ["MANIFESTAR_SE", "CALCULAR_PRAZO"]
  }
]

GET /intimations/{case_number}

获取特定案件的详细信息。

GET /courts

获取可用法院列表。

🤖 LLM集成示例

OpenAI函数调用

import openai
import requests

# 配置OpenAI
openai.api_key = "your-api-key"

# 定义函数
functions = [
    {
        "name": "get_court_notifications",
        "description": "获取律师的法院通知",
        "parameters": {
            "type": "object",
            "properties": {
                "name": {
                    "type": "string",
                    "description": "律师全名"
                },
                "date_start": {
                    "type": "string",
                    "description": "起始日期（YYYY-MM-DD）"
                },
                "date_end": {
                    "type": "string",
                    "description": "结束日期（YYYY-MM-DD）"
                }
            },
            "required": ["name", "date_start", "date_end"]
        }
    }
]

# 用户查询
user_query = "PEDRO BRANDÃO今天有哪些传票？"

# 调用OpenAI
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[{"role": "user", "content": user_query}],
    functions=functions,
    function_call="auto"
)

# 提取函数调用
if response.choices[0].message.function_call:
    function_call = response.choices[0].message.function_call
    
    # 调用MCP服务器
    mcp_response = requests.get(
        "https://your-mcp-server.railway.app/intimations",
        params=json.loads(function_call.arguments)
    )
    
    notifications = mcp_response.json()
    print(f"找到{len(notifications)}条PEDRO BRANDÃO的通知")

Claude集成

import anthropic
import requests

client = anthropic.Anthropic(api_key="your-api-key")

# 定义工具
tools = [
    {
        "name": "get_court_notifications",
        "description": "获取律师的法院通知",
        "input_schema": {
            "type": "object",
            "properties": {
                "name": {"type": "string"},
                "date_start": {"type": "string"},
                "date_end": {"type": "string"}
            },
            "required": ["name", "date_start", "date_end"]
        }
    }
]

# 调用Claude
response = client.messages.create(
    model="claude-3-sonnet-20240229",
    max_tokens=1000,
    messages=[{"role": "user", "content": "PEDRO BRANDÃO今天有哪些传票？"}],
    tools=tools
)

📊 数据结构

输入（DJEN API）

{
  "siglaTribunal": "TJMG",
  "texto": "PEDRO BRANDÃO",
  "dataDisponibilizacaoInicio": "2025-08-01",
  "dataDisponibilizacaoFim": "2025-08-06"
}

输出（MCP服务器）

[
  {
    "date": "2025-08-06",
    "court": "TJMG",
    "lawyer_name": "PEDRO BRANDÃO",
    "oab": "123456/MG",
    "case_number": "1234567-89.2024.8.13.0001",
    "type": "TOMAR_CIÊNCIA",
    "summary": "关于2025年8月5日发布的裁决的通知",
    "url": "https://www.tjmg.jus.br/djen/123",
    "deadline": "15天",
    "actions": ["MANIFESTAR_SE", "CALCULAR_PRAZO"]
  }
]

数据结构

🔧 技术细节

性能指标

响应时间：平均小于4秒
吞吐量：每分钟100个请求
正常运行时间：99.9%（生产环境）
错误率：0.5%（基于实际DJEN API性能）

解决的DJEN特定挑战

1. API不稳定

实际性能：99.5%的成功率（5,287/5,288次请求）
响应时间：平均95毫秒，99.30%小于500毫秒
备用数据：开发时的模拟响应

2. 数据格式不一致

强大的解析：处理各种DJEN格式
数据规范化：标准化输出结构
错误恢复：优雅地处理畸形数据

3. 速率限制

智能缓存：减少API调用
请求批处理：优化吞吐量
队列管理：防止过载DJEN

生产考虑

安全

API密钥认证：生产中必需
请求日志记录：合规审计跟踪
数据加密：TLS 1.3用于所有通信
输入净化：防止注入攻击

监控

健康检查：自动监控
指标收集：性能追踪
告警系统：主动发现问题
日志聚合：集中式日志

可伸缩性和容错性

水平扩展：无状态设计支持多个实例
负载均衡：支持每天10,000+通知
断路器：DJEN API失败时自动回退
缓存策略：Redis集成以支持高吞吐量
数据库扩展：PostgreSQL用于生产工作负载
CDN集成：全球内容交付给国际用户

🗺️ 发展路线图

第一阶段：核心功能（当前）

✅ 基本DJEN集成
✅ LLM函数调用
✅ 速率限制
✅ 健康检查

第二阶段：生产就绪（2025年第四季度）

🔄 真实DJEN API集成
🔄 高级错误处理
🔄 综合测试
🔄 安全强化

第三阶段：高级功能（2026年第一季度）

📋 多法院支持
📋 通知过滤
📋 期限计算
📋 文档生成

第四阶段：WhatsApp集成（2026年第二季度）

📱 通过WhatsApp使用自然语言查询
🤖 自主法律代理能力
📊 实时通知提醒
🔗 CRM和日历集成

第五阶段：生态系统（2026年第三季度）

📋 插件系统
📋 第三方集成
📋 社区贡献
📋 企业功能

🧑‍💼 未来愿景

中期目标是将该系统转变为巴西领先的法律智能平台，律师可以通过WhatsApp使用自然语言访问其案件的全部状态、期限和详细信息。愿景是发展成一个自主法律代理，具备RAG集成和自我评估能力，能够在无需人工验证的情况下以98%以上的准确性处理标准通知。

这个MCP服务器是实现这一愿景的基础架构，通过标准化访问巴西法院数据来支持LLM代理。

🤝 贡献

我们欢迎贡献！请参阅我们的贡献指南了解详情。

开发设置

# 分叉并克隆
git clone https://github.com/your-username/mcp-djen-server.git
cd mcp-djen-server

# 安装开发依赖
pip install -r requirements-dev.txt

# 运行测试
pytest

# 运行代码检查
flake8 app/
black app/

代码标准

类型提示：所有函数都需要
文档字符串：Google风格
测试：覆盖率超过90%
代码检查：零警告

💼 商业影响

对法律团队

节省时间：将手动检查从每天30分钟减少到3分钟
准确性：综合回归测试准确率为86.7%
合规性：自动审计跟踪
成本：每律师每月仅需0.45美元（极高的投资回报率）

实际生产数据（2025年6月至7月）

指标	数值	时期
平均律师成本	$0.45/月	最近30天
总分析次数	566	测试期
每律师平均令牌数	5,217	每律师
每次分析成本	$0.0029	平均

对AI开发者

标准化接口：一致的API设计
生产就绪：经过实战考验的可靠性
文档：全面的指南
支持：活跃的社区

对LegalTech公司

集成：易于LLM集成
定制化：灵活的架构
支持：专业咨询
合作：收入分成机会

📞 联系方式

作者：Pedro Brandão
邮箱：hi@pdrobrandao.com
网站：https://www.pdrobrandao.com
LinkedIn：Pedro Brandão
GitHub：@PdroBrandao
Intimação Pro：仓库

📄 许可

本项目采用MIT许可 - 详见LICENSE文件。

为巴西法律界打造的爱心之作