[Skill] Analisador de Matrículas de Imóvel

[erikbatistaribeiro]

Skill

Folder / Pasta: submissions/erikbatistaribeiro/pipefy-analisador-matriculas/

O que faz: Lê o documento de imóvel anexado a um card do Pipefy (PDF ou imagem), envia para OCR externo, interpreta as informações da matrícula e preenche automaticamente os campos do card — incluindo a decisão de Apto / Não apto / Necessário regularização documental para alienação fiduciária.

Contact / Contato

Email: erikbatistaribeiro@gmail.com
Nome para crédito: Erik Batista Ribeiro

O problema que resolve

Equipes de crédito imobiliário recebiam matrículas de imóveis em PDF e imagem para análise manual. O analista abria cada documento, localizava informações como número de matrícula, inalienabilidade, alienação fiduciária e valor venal, e preenchia manualmente dois cards no Pipefy. O processo levava entre 15 e 40 minutos por documento.

O que ela construiu quando você rodou

A automação está publicada no iPaaS nativo do Pipefy (Advanced Automations via ActivePieces). Ao anexar o documento no card, ela preenche 18 campos no Pipe Agente e 7 campos de resumo no card pai do Pipe CGI, move o card para a fase correta e registra a decisão de crédito com justificativa — tudo em aproximadamente 30 segundos.

O que você teve que corrigir

Nenhuma correção necessária. A automação foi desenvolvida e validada com documentos reais do processo de home equity.

Checklist

• I provided a contact email in this description. / Informei um email de contato nesta descrição.
• I ran this skill in a real Pipefy organization. / Rodei esta skill em uma organização Pipefy real.
• SKILL.md and EVIDENCE.md are both in the folder. / SKILL.md e EVIDENCE.md estão os dois na pasta.
• The frontmatter name matches the folder name. / O name do frontmatter bate com o nome da pasta.
• No tokens, keys, real IDs, customer names, or personal data. / Sem tokens, chaves, IDs reais, nomes de clientes ou dados pessoais.
• I wrote this skill, and I agree it is published under Apache 2.0 with credit to me. / Escrevi esta skill, e concordo que ela seja publicada sob Apache 2.0 com crédito a mim.

[adriannoes]

Obrigado por participar do MCP Builders, Erik.

O que verificamos

Reproduzimos a parte do MCP em um pipe de teste.

• As três ferramentas citadas (get_card, update_card_field, move_card_to_phase) existem e funcionam na ordem descrita.
• Criando os campos com os rótulos indicados, o Pipefy gerou os mesmos slugs que estão nas tabelas de mapeamento, então a escrita nos cards é reproduzível.

O caso de uso é real: matrículas em PDF ou imagem lidas à mão, dois cards preenchidos por documento, 15 a 40 minutos por análise. As tabelas de mapeamento campo a campo são a parte do texto que mais ajuda quem for reproduzir.

Alterações necessárias

A primeira é obrigatória porque o repositório é público. As demais são para a skill ficar no formato do programa.

1. Remover os identificadores reais de organização, pipes, campo e fase do SKILL.md e do EVIDENCE.md, trocando por placeholders como <pipe_id> e <phase_id>, e remover o nome da empresa onde o fluxo roda, inclusive no nome do pipe pai.
2. Mover a pasta para submissions/erikbatistaribeiro/pipefy-analisador-matriculas/.
3. Adicionar o frontmatter YAML (name, description, tags) e usar os títulos de seção que o validador espera (When to use, Prerequisites, Tools needed, Steps, Success criteria, Failure modes). O texto sob os títulos pode continuar em português.
4. Escrever cada passo como uma chamada de ferramenta com placeholders. Hoje nenhum passo mostra a chamada. Se o entregável é o fluxo de Advanced Automations, descrever a montagem pelas meta-tools de iPaaS (get_ipaas_tools, call_ipaas_tool).
5. Descrever o passo de OCR e interpretação como um contrato (JSON de entrada e de saída), já que o serviço atual é privado e outro leitor não consegue obtê-lo.
6. Adicionar prova ao EVIDENCE.md: captura de tela dos cards preenchidos com dados borrados, lista de execuções, e o que quebrou na primeira rodada.
7. Corrigir duas inconsistências: o limite do PDF (200 MB em um trecho, 40 MB em outro) e o passo de normalização, marcado como skip=true na árvore do fluxo mas descrito como ativo.
8. Nas tabelas de mapeamento, colocar o rótulo do campo na primeira coluna e o slug na segunda. O lint do toolkit trata a primeira célula em crase de qualquer tabela como nome de ferramenta MCP, então as tabelas atuais falhariam o CI na promoção.

Próximos passos

A submissão está aceita no programa. As alterações acima são para deixá-la no formato correto antes do merge, e a primeira precisa vir antes de qualquer outra. Depois do merge aqui, vamos levar a skill para o repositório oficial do Pipefy AI Toolkit, adaptada ao formato e ao CI de lá, referenciando este pull request e creditando você como contribuidor. Entramos em contato por email com os detalhes.

[adriannoes]

Sobre o CI: o check validate aparece verde, mas passou sem avaliar nada. O validador só percorre pastas no formato submissions/<handle>/<skill>/, e a pasta atual (submissions/pipefy-analisador-matriculas/) foi ignorada; o log diz No submissions to validate..

Depois de mover a pasta para submissions/erikbatistaribeiro/pipefy-analisador-matriculas/, o CI vai reportar os erros reais (frontmatter e títulos das seções), que já estão na lista acima. Para testar localmente antes de subir:

python3 scripts/validate_submission.py submissions/erikbatistaribeiro/pipefy-analisador-matriculas