Use os validadores NaLU como ferramentas nativas no Claude Desktop, Claude Code e qualquer cliente MCP.
Model Context Protocol (MCP) é um protocolo aberto que permite agentes de IA chamarem ferramentas externas de forma padronizada.
O servidor MCP da NaLU AI roda localmente via stdio e chama a API REST da NaLU — sem expor sua chave via rede.
Clone ou baixe o servidor MCP e instale as dependências:
# Baixar o servidor git clone https://git.naluai.dev/nalu-mcp.git cd nalu-mcp # Instalar dependências npm install
Edite %APPDATA%\Claude\claude_desktop_config.json (Windows)
ou ~/Library/Application Support/Claude/claude_desktop_config.json (macOS):
{
"mcpServers": {
"nalu": {
"command": "node",
"args": ["/caminho/para/nalu-mcp/index.mjs"],
"env": {
"NALU_API_KEY": "SUA_API_KEY"
}
}
}
}
Reinicie o Claude Desktop após salvar. Os validadores aparecem automaticamente como ferramentas disponíveis.
claude mcp add nalu \ --command node \ --args "/caminho/para/nalu-mcp/index.mjs" \ --env NALU_API_KEY=SUA_API_KEY
Após conectar, o agente enxerga estas ferramentas:
| Ferramenta | Descrição | Créditos |
|---|---|---|
| extract_name | Extrai nome completo do diálogo | 2 cr |
| extract_email | Extrai email com correção de typos | 1 cr |
| extract_yes_no | Detecta sim/não em linguagem natural | 2 cr |
| extract_birthdate | Extrai data de nascimento, calcula idade | 2 cr |
| extract_postal_code | Código postal internacional (exceto Brasil) | 1 cr |
| extract_company_name | Extrai nome de empresa (LTDA, S/A, LLC...) | 2 cr |
| detect_handoff | Detecta intenção de falar com humano | 2 cr |
| detect_cancel_intent | Classifica intenção de cancelamento | 2 cr |
| analyze_reply | Analisa contexto conversacional completo | 5 cr |
| extract_cpf | Extrai e valida CPF (mod 11) | 1 cr |
| extract_cnpj | Extrai e valida CNPJ (mod 11) | 1 cr |
| extract_cep | Extrai CEP e retorna endereço completo | 3 cr |
| extract_phone_br | Extrai telefone brasileiro com DDD | 1 cr |
| extract_plate_br | Extrai placa Mercosul ou formato antigo | 1 cr |
Todos os validadores (exceto analyze_reply) recebem:
| Parâmetro | Tipo | Descrição |
|---|---|---|
| agent_input | string * | Mensagem do agente |
| user_input | string * | Resposta do usuário |
| language | string | Idioma (padrão: pt-BR) |
analyze_reply usa agent_message e user_reply no lugar.
Prompt para o Claude:
"O usuário disse 'meu cpf é 111.444.777-35'. Use extract_cpf para extrair e validar."
Claude chama automaticamente:
extract_cpf({
"agent_input": "Qual o seu CPF?",
"user_input": "meu cpf é 111.444.777-35"
})
Retorno:
{
"obtained": true,
"extracted_value": "111.444.777-35",
"confidence": "high",
"certain": true
}