MCP Djen Server

MCP DJEN服务器

面向法学硕士的巴西智能法庭通知

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

🎯 现实世界影响

此服务器为 亲密 Pro 系统，处理 566条通知 （测试期）包括：

• 准确率86.7% 在综合回归测试（v1.5）中
• **\ *“今天的传票是什么？”* → LLM → MCP服务器→ 结构化响应

这个MCP服务器是实现这一愿景的基础设施层。

🏗️ 建筑

System Architecture

流量：

1. 法学硕士代理人要求法院通知
2. MCP服务器查询DJEN API
3. 数据被解析和标准化
4. 结构化JSON返回LLM

Request Flow

LLM Integration

🚀 快速开始

先决条件

• Python 3.11+
• Docker（可选）
• Git

地方发展设置

# Clone repository
git clone https://github.com/PdroBrandao/mcp-djen-server.git
cd mcp-djen-server

# Create virtual environment
python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

# Set environment variables
cp .env.example .env
# Edit .env with your configuration

# Run server
python3 -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Docker设置

# Build and run with Docker
docker-compose up --build

# Or build manually
docker build -t mcp-djen-server .
docker run -p 8000:8000 mcp-djen-server

环境变量

# Server Configuration
PORT=8000
HOST=0.0.0.0
DEBUG=false

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

# Rate Limiting
RATE_LIMIT_PER_MINUTE=100
RATE_LIMIT_PER_HOUR=1000

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

# Security
CORS_ORIGINS=*
API_KEY_REQUIRED=false

🧪 测试

自动化测试

# Run all tests
python3 test_server.py

# Test specific endpoints
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

# Health check
curl http://localhost:8000/health

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

# Get case details
curl http://localhost:8000/intimations/1234567-89.2024.8.13.0001

# Get available courts
curl http://localhost:8000/courts

📚 api参考

认证

目前，API已开放供开发。生产部署应实施：

• API密钥验证
• 每位客户的费率限制
• 请求日志记录和监控

端点

GET/健康

健康检查端点。

答复：

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

获取/提示

为律师检索法庭通知。

参数：

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

答复：

[
  {
    "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": "Intimação para ciência de despacho proferido em 05/08/2025",
    "url": "https://www.tjmg.jus.br/djen/123",
    "deadline": "15 days",
    "actions": ["MANIFESTAR_SE", "CALCULAR_PRAZO"]
  }
]

获取/通知/{case_number}

获取特定案例的详细信息。

GET/法院

获取可用法院列表。

🤖 LLM集成示例

OpenAI函数调用

import openai
import requests

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

# Define the function
functions = [
    {
        "name": "get_court_notifications",
        "description": "Get court notifications for a lawyer",
        "parameters": {
            "type": "object",
            "properties": {
                "name": {
                    "type": "string",
                    "description": "Lawyer's full name"
                },
                "date_start": {
                    "type": "string",
                    "description": "Start date (YYYY-MM-DD)"
                },
                "date_end": {
                    "type": "string",
                    "description": "End date (YYYY-MM-DD)"
                }
            },
            "required": ["name", "date_start", "date_end"]
        }
    }
]

# User query
user_query = "Quais são as intimações do PEDRO BRANDÃO para hoje?"

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

# Extract function call
if response.choices[0].message.function_call:
    function_call = response.choices[0].message.function_call
    
    # Call MCP Server
    mcp_response = requests.get(
        "https://your-mcp-server.railway.app/intimations",
        params=json.loads(function_call.arguments)
    )
    
    notifications = mcp_response.json()
    print(f"Found {len(notifications)} notifications for PEDRO BRANDÃO")

克劳德集成

import anthropic
import requests

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

# Define tool
tools = [
    {
        "name": "get_court_notifications",
        "description": "Get court notifications for a lawyer",
        "input_schema": {
            "type": "object",
            "properties": {
                "name": {"type": "string"},
                "date_start": {"type": "string"},
                "date_end": {"type": "string"}
            },
            "required": ["name", "date_start", "date_end"]
        }
    }
]

# Call Claude
response = client.messages.create(
    model="claude-3-sonnet-20240229",
    max_tokens=1000,
    messages=[{"role": "user", "content": "Quais são as intimações do PEDRO BRANDÃO para hoje?"}],
    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": "Intimação para ciência de despacho proferido em 05/08/2025",
    "url": "https://www.tjmg.jus.br/djen/123",
    "deadline": "15 days",
    "actions": ["MANIFESTAR_SE", "CALCULAR_PRAZO"]
  }
]

Data Structure

🔧 技术细节

性能指标

• 响应时间： 平均\ 中期目标是将该系统转变为巴西领先的法律情报平台，律师可以通过WhatsApp使用自然语言访问案件的全部状态、截止日期和细节。其愿景是发展成为一个自主的法律代理人，具有集成的RAG和自我评估功能，能够在没有人为验证标准通知的情况下以98%以上的准确率运行。

该MCP服务器是实现这一愿景的基础设施，通过标准化LLM代理人对巴西法院数据的访问。

🤝 贡献

我们欢迎捐款！请查看我们的 贡献指南 了解详情。

开发设置

# Fork and clone
git clone https://github.com/your-username/mcp-djen-server.git
cd mcp-djen-server

# Install development dependencies
pip install -r requirements-dev.txt

# Run tests
pytest

# Run linting
flake8 app/
black app/

代码规范

• 类型提示： 所有功能都需要
• 文档字符串 ： 谷歌风格
• 测验： 90%+覆盖率
• Linting： 零警告

💼 业务影响

法律团队

• 节省时间： 将人工检查从每天30分钟减少到每天3分钟
• 准确度： 综合回归测试中为86.7%
• 顺从： 自动化审计跟踪
• 成本： 仅需0.45美元/律师/月（非常积极的投资回报率）

实际生产数据（2025年6月至7月）

面向AI开发人员

• 标准化接口： 一致的API设计
• 生产就绪： 久经考验的可靠性
• 文档： 综合指南
• 技术支持： 活跃社区

对于LegalTech公司

• 集成： 易于LLM集成
• 定制： 灵活的体系结构
• 技术支持： 专业咨询
• 合作伙伴关系： 收入分享机会

📞 联系

• 作者 佩德罗 布兰登
• 电子邮件： hi@pdrobrandao.com
• 网站： https://www.pdrobrandao.com
• 领英： 佩德罗 布兰登
• github： @PdroBrandoo
• 亲密Pro： 仓库

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

内置于❤️ 巴西法律界