sunat-mcp

Servidor MCP para validar y consultar RUCs peruanos contra el Padrón Reducido oficial de SUNAT, indexado localmente.

Los RUCs que consultas no salen de tu máquina.

El GIF no es una recreación: demo/record.py levanta el servidor por stdio con el cliente oficial de MCP, llama a las herramientas y anima las respuestas que realmente devuelve sobre el índice local. Si el índice no existe, aborta en vez de inventar datos.

El problema

Todo estudio contable peruano valida RUCs a diario: verificar que una factura tenga un RUC bien formado, confirmar la razón social de un proveedor, revisar si un contribuyente está activo y habido antes de aceptar un comprobante.

Las soluciones que existen tienen un problema u otro:

• Consultar la web de SUNAT a mano — lento, imposible de automatizar.
• Scrapear la web de SUNAT — frágil (se rompe con cada cambio de HTML) y de legalidad discutible.
• APIs de terceros — requieren llave, tienen límite de consultas y, sobre todo, le envías a un tercero los RUCs de tus clientes. Para un contador con deber de reserva, eso no es un detalle menor.

Este proyecto toma el camino que casi nadie toma: SUNAT publica el padrón completo como datos abiertos. Se descarga una vez, se indexa, y se consulta local.

Cómo funciona

Padrón Reducido oficial (ZIP, ~372 MiB)
        │  scripts/ingest.py — descarga, verifica SHA-256, recorre en streaming
        ▼
data/padron.sqlite3 — índice local, consulta por clave primaria
        │
        ▼
sunat_mcp/server.py — 4 herramientas MCP  →  Claude Code / Claude Desktop

La ingesta nunca carga el archivo completo en memoria: lee el .txt de 1.56 GB línea por línea directamente desde el ZIP.

Herramientas

Herramienta	Qué devuelve	Requiere índice	Red
validar_ruc	Estructura, prefijo y dígito verificador (módulo 11 SUNAT)	No	No
consultar_ruc	Razón social, estado, condición de domicilio, ubigeo, dirección	Sí	No
buscar_razon_social	Contribuyentes cuyo nombre coincide	Sí	No
estado_padron	Fuente, SHA-256, fecha de SUNAT, fecha de ingesta, nº de registros	Sí	No

validar_ruc funciona sin haber construido el índice: es aritmética pura.

Instalación

Requiere Python 3.10+.

pip install mcp-sunat

O sin instalar nada, directo desde PyPI:

uvx mcp-sunat

El paquete se publica como mcp-sunat; el módulo que se importa es sunat_mcp y el repositorio se llama sunat-mcp. Es la misma distinción que entre pillow y PIL.

Para trabajar sobre el código o construir el índice:

git clone https://github.com/r2nochi/sunat-mcp
cd sunat-mcp
python -m venv .venv
.\.venv\Scripts\pip.exe install -e ".[dev,ingest]"

Construir el índice

.\.venv\Scripts\python.exe scripts\ingest.py

Descarga el ZIP oficial, verifica su checksum y construye el índice.

Ten en cuenta: descarga ~372 MiB y el índice resultante ocupa varios GB en disco. Es una operación de una sola vez; para actualizar, vuelve a correrlo.

Para probar sin bajar todo el padrón:

.\.venv\Scripts\python.exe scripts\ingest.py --limite 50000

El índice quedará marcado como muestra parcial y estado_padron lo avisará.

Rendimiento medido

Sobre el padrón completo del 27/07/2026: 18,297,300 contribuyentes, índice de 2.14 GB (Windows 11, SSD, Python 3.14).

Operación	Tiempo	Plan de SQLite
consultar_ruc (clave primaria)	0.2 ms	SEARCH ... USING PRIMARY KEY
buscar_razon_social por prefijo	0.2 ms	SEARCH ... USING COVERING INDEX
buscar_razon_social por subcadena	~40 s	SCAN (inevitable, es un LIKE '%x%')
Ingesta completa (descarga + índice)	~22 min	—

Por qué el índice usa COLLATE NOCASE

La primera versión indexaba razon_social con la colación por defecto (BINARY) y buscaba con LIKE 'TEXTO%'. La búsqueda por prefijo tardaba 39,848 ms.

El motivo: el LIKE de SQLite es case-insensitive por defecto, y por eso no puede usar un índice BINARY — degeneraba en un SCAN de los 18.3 millones de filas. Había además un problema de correctitud: el padrón trae algunas razones sociales en minúscula, que una comparación binaria habría perdido en silencio.

La solución fue indexar con COLLATE NOCASE y resolver el prefijo como un rango (>= 'TEXTO' AND < 'TEXTO' + centinela) en lugar de un LIKE:

antes:  SCAN contribuyente USING COVERING INDEX idx_razon_social      39,848 ms
ahora:  SEARCH contribuyente USING COVERING INDEX idx_razon_nocase         0.2 ms

Hay un test que afirma el plan de ejecución, para que la regresión no pueda volver en silencio.

Conectarlo a Claude Code

claude mcp add sunat --scope user -- <ruta>\sunat-mcp\.venv\Scripts\python.exe -m sunat_mcp.server

O en claude_desktop_config.json:

{
  "mcpServers": {
    "sunat": {
      "command": "C:\\ruta\\a\\sunat-mcp\\.venv\\Scripts\\python.exe",
      "args": ["-m", "sunat_mcp.server"]
    }
  }
}

El índice se busca en data/padron.sqlite3. Para moverlo, define SUNAT_MCP_DB.

Fuente de los datos

Padrón Reducido del RUC, publicado por SUNAT como datos abiertos: https://www.sunat.gob.pe/descargaPRR/mrc137_padron_reducido.html

Archivo: padron_reducido_ruc.zip → padron_reducido_ruc.txt Formato: 16 columnas separadas por |, codificación latin-1, - como dato ausente.

RUC | NOMBRE O RAZÓN SOCIAL | ESTADO DEL CONTRIBUYENTE | CONDICIÓN DE DOMICILIO |
UBIGEO | TIPO DE VÍA | NOMBRE DE VÍA | CÓDIGO DE ZONA | TIPO DE ZONA | NÚMERO |
INTERIOR | LOTE | DEPARTAMENTO | MANZANA | KILÓMETRO |

estado_padron expone el SHA-256 del ZIP ingerido y la fecha que informó SUNAT, para que puedas saber exactamente qué versión de los datos estás consultando.

Si SUNAT cambia el esquema, la ingesta se detiene con error en vez de escribir datos en columnas equivocadas.

Límites

Léelos antes de confiar en el resultado:

• El padrón es una foto, no un servicio en vivo. SUNAT lo publica a diario: entre el 27 y el 28 de julio de 2026 el archivo pasó de 389,882,157 a 389,923,097 bytes. Un RUC creado o dado de baja después de tu última ingesta no se refleja. Por eso estado_padron expone el Last-Modified y el sha256 del ZIP concreto que se ingirió: no basta con saber que consultaste "el padrón", hay que saber cuál.
• validar_ruc solo comprueba aritmética. Un RUC con dígito verificador correcto puede no existir. Son preguntas distintas.
• El Padrón Reducido no trae todo. No incluye representantes legales, actividad económica CIIU detallada, teléfonos ni la condición de agente de retención.
• La búsqueda por nombre es textual, no semántica. No corrige errores de tipeo ni entiende sinónimos. La búsqueda por prefijo es instantánea; la búsqueda por subcadena (%TEXTO) recorre los 18.3 millones de registros y puede tardar decenas de segundos. Es un costo que solo se paga si se pide explícitamente.
• La dirección se reconstruye uniendo las 10 columnas de domicilio del padrón. No se valida contra ningún servicio de direcciones.
• Esto no es asesoría tributaria. Para decisiones con efecto legal o contable, verifica en el portal oficial de SUNAT.

Tests

.\.venv\Scripts\python.exe -m pytest -q

Las pruebas generan su propio ZIP de padrón sintético con el mismo formato del oficial (16 columnas, |, latin-1, -). No dependen del archivo real de 372 MiB ni contienen datos de ningún contribuyente real, salvo RUCs que aparecen en la cabecera pública del padrón.

Incluyen una prueba de que la ingesta aborta si SUNAT cambia las columnas.

Licencia

MIT. Los datos del Padrón Reducido son de SUNAT y se rigen por sus propios términos.

---

Hecho por David Nochi — Ingeniero de IA Aplicada, Lima, Perú.