Contexto do projeto

Conectando a IA a dados públicos abertos.

Dados públicos abertos são essenciais para a transparência, a prestação de contas e a tomada de decisões informada. No entanto, extrair respostas dos portais oficiais muitas vezes exige navegar por interfaces complexas, escrever consultas técnicas e gastar um tempo considerável interpretando arquivos brutos.

Integrar a IA permite que os usuários consultem os dados usando linguagem natural, mas os modelos de IA convencionais também introduzem um risco grande: alucinações, números mal calculados e erros de aparência plausível que minam a confiança na informação oficial.

Para resolver isso, os AI Learning Labs da Open Knowledge Foundation construíram uma ponte técnica aberta usando o Model Context Protocol (MCP). Testamos essa abordagem em dois datasets públicos reais:

• Brasil: emendas parlamentares (acompanhamento de fundos públicos).
• Uruguai: Balanço Energético Nacional (monitoramento da transição energética).

Princípios técnicos centrais

• Precisão e rastreabilidade. As respostas devem se basear estritamente em datasets oficiais, e cada resposta deve apontar para sua fonte. O servidor garante essa regra no código.
• Código simples em vez de linguagens sob medida. As ferramentas são escritas como pequenas funções Python padrão. Datasets simples podem ser declarados em YAML sem escrever código.
• Stack tecnológico simples e comprovado. Construído sobre tecnologias de código aberto, padrão e confiáveis (Python, CSV, SQLite, HTML/JS puros). O sistema inteiro pode rodar localmente em um laptop, sem infraestrutura complexa.
• Propriedade local. Cada equipe mantém seu próprio repositório de plugin de forma independente, no seu idioma preferido e no seu próprio ritmo de releases.