
CHE MCP — Construindo o Primeiro Ecossistema Nacional de MCP da Argentina
A Argentina acaba de obter seu primeiro ecossistema nacional de MCP — e foi construído em Bahía Blanca.
CHE MCP é um gateway inteligente que conecta qualquer agente de IA com dados argentinos em tempo real. Taxas de câmbio do dólar, clima, futebol, conformidade tributária (ARCA), inflação, transporte público — mais de 80 fontes de dados oficiais através de um ÚNICO servidor MCP.
Por que isso é importante? Porque agora, se você quiser que sua IA responda "¿cuánto está el dólar blue?", você ou pesquisa no Google ou instala 80 servidores MCP diferentes. O CHE MCP resolve isso com um gateway que entende a linguagem natural em espanhol e roteia consultas automaticamente.
Como Funciona — Gateway Inteligente em 5 Etapas
Consulta: "dolar blue hoy"
│
┌────▼─────┐ Etapa 1 — Correspondência de palavras-chave
│ Palavra-chave │ Mais de 3.000 palavras-chave em 182 domínios classificados
└────┬─────┘
│
┌────▼─────┐ Etapa 2 — Roteamento ponderado WMA
│ WMA │ Algoritmo de Maioria Ponderada: aprende com cada consulta
└────┬─────┘
│
┌────▼─────┐ Etapa 3 — Embeddings semânticos
│ Embedding │ Vetores de 384 dimensões (all-MiniLM-L6-v2) com fallback de Jaccard
└────┬─────┘
│
┌────▼─────┐ Etapa 4 — Busca de Nó de Dados
│ Nó de Dados │ DuckDB SQL sobre 748 conjuntos de dados Parquet + NL-para-SQL
└────┬─────┘
│
┌────▼─────┐ Etapa 5 — Fallback LLM
│ LLM │ Endpoint externo (opcional, configurável)
└────┬─────┘
│
┌────▼─────┐
│ Resposta │ "Dólar blue: $1.245 / $1.265 compra/venta"
└──────────┘
O Roteador WMA — Um Classificador Que Aprende
O Algoritmo de Maioria Ponderada (WMA) é um sistema de aprendizado online embutido diretamente no roteador. Cada domínio começa com peso igual (1.0). Quando uma consulta tem sucesso, o domínio vencedor é reforçado (+0.1). Quando falha, o domínio é penalizado (−0.1). Os pesos são limitados a [0.1, 5.0] e persistidos em disco — o roteador começa quente e melhora com cada consulta.
Benchmark: 95,45% de precisão Top-First-Score no MCPAgentBench (66 consultas diversas).
Nó de Dados — SQL, Mas Natural
748 conjuntos de dados Parquet do datos.gob.ar (portal de dados abertos da Argentina), comprimidos 9,92× com Zstd (404 MB vs 3,92 GB CSV). O Nó de Dados converte linguagem natural em SQL:
Usuário: "¿Cuánto aumentó la inflación en 2024?"
→ DuckDB gera: SELECT AVG(valor) FROM indice_precios_consumidor
WHERE fecha BETWEEN '2024-01-01' AND '2024-12-31'
→ Resultado: 117,8% anual
Proteções contra injeção de SQL, imposição de somente leitura, tempo limite de 5 segundos, limite de resultado de 1.000 linhas.
Padrões de Resiliência
| Padrão | Implementação |
|---|---|
| Cache de 3 camadas | LRU em memória (200 entradas) → disco (gravações atômicas) → CKAN ao vivo |
| Disjuntor | Por conjunto de dados, limite de 3 falhas, 60s de resfriamento, serve dados obsoletos |
| Colapso de solicitações | Consultas idênticas simultâneas compartilham uma única busca upstream |
| Pré-busca preditiva | Os 10 conjuntos de dados mais quentes são atualizados a cada 15 minutos |
| Limitação de taxa | Token bucket por chave de API, 100 req/min, isolamento de vizinho barulhento |
Construído para o Próximo Padrão MCP
O Protocolo de Contexto do Modelo está passando por sua maior atualização arquitetônica em julho de 2026 — transporte HTTP Streamable obrigatório, arquitetura sem estado. O CHE MCP foi arquitetado para isso desde o primeiro dia:
- ✅ Transporte HTTP Streamable
- ✅ MCP SDK @modelcontextprotocol v1.29.0
- ✅ Autenticação JWT + chave de API com validação de escopo
- ✅ Rastreamento distribuído OpenTelemetry
Stack Tecnológico
- TypeScript 5.4 + Node.js 24
- DuckDB (colunar, embutível)
- all-MiniLM-L6-v2 via @xenova/transformers
- Validação Zod, Vitest (280+ testes)
- MCP SDK v1.29.0 (server.registerTool API)
Construído em Bahía Blanca, Argentina 🇦🇷 com Gentle AI's SDD orchestration + Engram memória persistente.
Documentação técnica completa: github.com/Albano-schz/che-mcp-docs
Que perguntas você tem sobre a construção de ecossistemas MCP em escala nacional?
O desenvolvimento de ecossistemas MCP pode influenciar a forma como as empresas brasileiras acessam e utilizam dados em tempo real. A implementação de um sistema semelhante no Brasil poderia otimizar a integração de dados para agentes de IA, melhorando a eficiência operacional.

