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
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.