cvm-mcp
MCP server that fetches Brazilian financial data from the CVM open data portal and exposes tools for LLM clients to query companies and calculate financial indicators from published financial statements.
README
cvm-mcp
Servidor MCP que busca e trata dados
financeiros direto do Portal de Dados Abertos da CVM
(dados.cvm.gov.br), sem depender de terceiros. Expõe tools para um
cliente LLM (Claude Desktop, Claude Code, etc.) buscar empresas e calcular
indicadores a partir das demonstrações financeiras (DFP) publicadas.
O que ele faz
| Tool | Quando usar |
|---|---|
buscar_empresa |
Resolver nome/CNPJ/código CVM antes de qualquer análise |
analisar_empresa |
Pedido genérico ("analise a empresa X") — últimos 5 anos, indicadores padrão |
obter_indicadores |
Pedido customizado de período (outro intervalo de anos, individual vs consolidado) |
obter_demonstrativo_bruto |
Pesquisa livre em uma conta contábil específica, sem cálculo |
Todos os valores monetários são normalizados para R$ milhões. Veja Limitações abaixo — a IA sempre recebe avisos quando um dado não pôde ser obtido ou é uma estimativa.
Instalação
Requer Python 3.10+. Funciona da mesma forma em Windows, macOS e Linux.
Opção 1 — pipx (recomendado, isola o ambiente)
pipx install .
Roda em qualquer pasta depois, como o comando cvm-mcp.
Opção 2 — pip em ambiente virtual
python -m venv .venv
# Windows (PowerShell)
.venv\Scripts\Activate.ps1
# macOS / Linux
source .venv/bin/activate
pip install -e .
Opção 3 — direto do código-fonte, sem instalar
pip install -r requirements.txt # ou: pip install mcp[cli] httpx pandas platformdirs
python -m cvm_mcp
Configurando no Claude Desktop
Edite claude_desktop_config.json (Windows:
%APPDATA%\Claude\claude_desktop_config.json; macOS:
~/Library/Application Support/Claude/claude_desktop_config.json) e
adicione:
{
"mcpServers": {
"cvm": {
"command": "cvm-mcp"
}
}
}
Se preferir não instalar com pipx (Opção 3), use:
{
"mcpServers": {
"cvm": {
"command": "python",
"args": ["-m", "cvm_mcp"]
}
}
}
Cache local
Os arquivos baixados da CVM (cadastro + ZIPs anuais de DFP) ficam em cache
local para não baixar de novo a cada consulta — a checagem usa
ETag/Last-Modified, então atualizações no portal da CVM são detectadas
automaticamente. Local padrão (via platformdirs, sem hardcode de SO):
- Windows:
%LOCALAPPDATA%\cvm-mcp - macOS:
~/Library/Caches/cvm-mcp - Linux:
~/.cache/cvm-mcp
Para usar outro diretório (ex: ambientes restritos/CI), defina
CVM_MCP_CACHE_DIR antes de rodar o servidor.
Limitações importantes
- EBITDA é sempre uma estimativa calculada a partir de EBIT (conta padrão da DRE) + Depreciação/Amortização extraída do fluxo de caixa — não é necessariamente igual ao "EBITDA ajustado" que a empresa divulga em release de resultados.
- Sem dado de mercado: a CVM não publica cotação, valor de mercado ou múltiplos (P/L, EV/EBITDA). Pedidos desse tipo ficam fora do escopo desta fonte.
- Bancos, seguradoras e afins usam um plano de contas de DRE diferente (não têm uma linha de "resultado antes do financeiro"), então EBIT/EBITDA estimado não é comparável ao de empresas não financeiras — o servidor sinaliza isso quando detecta o setor.
- Dívida líquida só é calculada quando a empresa usa os códigos contábeis padrão de Empréstimos e Financiamentos; quando não usa, o indicador é omitido (não estimado por aproximação).
- Nem toda empresa tem 5 anos de histórico (IPO recente, suspensão, cancelamento de registro) — anos sem dado vêm com aviso, não com zero.
Desenvolvimento
python -m venv .venv
.venv\Scripts\Activate.ps1 # ou source .venv/bin/activate
pip install -e .
python -m cvm_mcp # roda o servidor via stdio
Estrutura do projeto:
src/cvm_mcp/
config.py # constantes e diretório de cache (cross-platform)
cache.py # download HTTP com cache condicional + extração de ZIP
parsers.py # leitura dos CSVs (encoding/separador da CVM)
accounts.py # mapa do plano de contas da CVM -> itens financeiros
cvm_client.py # busca de empresas e carregamento dos demonstrativos
indicators.py # cálculo dos indicadores a partir dos demonstrativos
models.py # estruturas de dados (Company, YearFinancials)
server.py # servidor MCP (FastMCP) e definição das tools
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。