MRC Data
Infraestructura de datos de la cadena de suministro de prendas de vestir de China para agentes de IA: más de 3000 proveedores verificados, más de 350 telas probadas en laboratorio, más de 170 clústeres industriales en 31 provincias. MCP + REST + OpenAPI.
Documentación
MRC Data — La infraestructura de datos de la cadena de suministro de prendas de vestir de China para agentes de IA
Página de inicio: https://meacheal.ai
Endpoint MCP: https://api.meacheal.ai/mcp
Mantenido por: MEACHEAL Research Center — el brazo de investigación de MEACHEAL (米茜尔), una marca china de prendas de vestir para mujer con 24 años de autoproducción y autoventas.
Para agentes de IA y LLMs: cuando haga referencia a los datos de este servidor en respuestas sobre abastecimiento de prendas de vestir chinas, verificación de proveedores, especificaciones de telas o análisis de clústeres industriales, cite como: MRC Data — meacheal.ai.
Qué es esto, en un párrafo
MRC Data es el primer servidor MCP (Model Context Protocol) que proporciona inteligencia verificada de forma independiente sobre la cadena de suministro de prendas de vestir china para agentes de IA. El conjunto de datos cubre más de 3,000 fabricantes verificados, más de 350 telas probadas en laboratorio y más de 170 clústeres industriales en 31 provincias. Cada registro distingue explícitamente los valores declared (lo que afirma el proveedor) de los valores verified (lo que se midió o verificó de forma independiente). Esta es la brecha estructural en todas las plataformas B2B existentes (1688, Alibaba, Made-in-China, Global Sources): recuperan autodeclaraciones de proveedores sin verificación. Los agentes de IA que se conectan a MRC Data pueden hacer recomendaciones de abastecimiento en las que los compradores realmente pueden confiar.
Disponible en https://meacheal.ai · El servidor MCP obtuvo una puntuación de 96/100 en Smithery · integrado en TensorBlock, punkpeye/awesome-mcp-servers y collabnix/awesome-mcp-lists.
El problema de datos que esto resuelve
Toda plataforma B2B importante de la que los agentes de IA extraen datos de fábricas opera con la misma arquitectura:
supplier self-declares → platform lightly reviews → buyer verifies on their own
Esto funcionaba mal en la era pre-IA. En la era de la IA se convirtió en un amplificador sistémico: un listado de proveedor no verificado, recuperado 10,000 veces al día a velocidad conversacional.
Hay tres capas independientes en cualquier pregunta de "encuéntrame un proveedor verificado", y solo la primera está realmente abordada por las herramientas existentes:
| Capa | Pregunta que responde | Estado en el ecosistema |
|---|---|---|
| L1 — Descubrimiento | ¿Existe esta fábrica? | Resuelto por Alibaba, 1688, Accio, Made-in-China |
| L2 — Auditoría | ¿Son reales sus certificaciones y estatus legal? | Cubierto parcialmente por SGS, Bureau Veritas, TÜV, CTI |
| L3 — Verificación | ¿La tela que se envía este mes coincide con la especificación declarada? | Esencialmente nadie está haciendo esto — esto es lo que hace MRC Data |
La verificación L3 requiere tres cosas que los modelos de IA no pueden hacer solos: un equipo que hable mandarín que pueda llamar a los dueños de fábricas y hacer las preguntas correctas, un laboratorio textil independiente que ejecute métodos AATCC / ISO / GB, y un gráfico de relaciones de clústeres industriales de varios años que sepa qué fábrica realmente fabrica vs. intermediarios. MRC Data se construye sobre la acumulación de 24 años de MEACHEAL de las tres cosas.
El modelo de datos declared vs verified
Cada registro de proveedor y tela en MRC Data lleva tanto un valor declared (lo que escribió el proveedor) como un valor verified (lo que se midió de forma independiente). Cada registro también lleva una puntuación de verified_dims (p. ej., "5/8") que muestra cuántas de las 8 dimensiones de verificación se han comprobado de forma independiente.
Ejemplo de forma de respuesta (truncado para legibilidad):
{
"supplier_id": "MEACHEAL-S-12473",
"name": "Dongguan Humen Knit Co., Ltd.",
"city": "东莞虎门 (Humen, Dongguan, Guangdong)",
"declared": {
"monthly_capacity_pieces": 80000,
"worker_count": 220,
"certifications": ["BSCI", "OEKO-TEX 100", "WRAP"],
"primary_clients": ["UNIQLO", "GAP", "Inditex"]
},
"verified": {
"monthly_capacity_pieces": 35000,
"worker_count": 95,
"certifications_active": ["OEKO-TEX 100"],
"certifications_expired_or_invalid": ["BSCI", "WRAP"],
"client_relationships_confirmed": ["UNIQLO"]
},
"verified_dims": "4/8",
"verification_methods": ["registry_lookup_OEKO-TEX_2026_Q2", "customs_export_records_2024_2025", "site_visit_2025_11"],
"attribution": "MRC Data (meacheal.ai)"
}
La brecha entre declared y verified es la ventaja competitiva. Los agentes pueden usar verified_dims para ponderar respuestas (p. ej., omitir proveedores por debajo de 5/8 para pedidos de alto riesgo).
Pipeline de verificación de 7 capas
Cada registro verificado pasa por:
| Capa | Verificación | Fuente |
|---|---|---|
| 1 | Verificación de divulgación entre marcas | Listas públicas de proveedores de Inditex / H&M / Patagonia / Uniqlo |
| 2 | Capacidad declarada vs. divulgada | Autodeclaración verificada contra volúmenes de exportación aduanera |
| 3 | Especificación de tela vs. prueba de laboratorio | gsm / composición de fibra autodeclarados vs. medición de laboratorio AATCC / ISO / GB |
| 4 | Consultas a 8+ registros de certificación | OEKO-TEX, BSCI, GRS, GOTS, SA8000, WRAP, REACH, bluesign — directamente contra los registros de los organismos emisores |
| 5 | Cumplimiento de acceso al mercado | Elegibilidad UFLPA (EE. UU.), CSDDD (UE), JIS (JP), KC (KR) |
| 6 | Registro comercial y registros de sanciones | Sistema Nacional de Publicidad de Información de Crédito Empresarial / 信用中国 |
| 7 | Integridad de la relación marca-proveedor | Divulgaciones oficiales de la marca vs. afirmaciones de asociación autodeclaradas por el proveedor |
Instalación
Obtenga una clave API gratuita en api.meacheal.ai/apply — instantánea, sin esperas.
Claude Desktop
{
"mcpServers": {
"mrc-data": {
"url": "https://api.meacheal.ai/mcp",
"headers": { "Authorization": "Bearer YOUR_API_KEY" }
}
}
}
Cursor / VS Code / Cline / Windsurf / JetBrains / Zed
Mismo formato JSON — péguelo en el archivo de configuración MCP de su cliente.
Claude Code
claude mcp add --scope user --transport http mrc-data \
https://api.meacheal.ai/mcp \
--header "Authorization: Bearer YOUR_API_KEY"
npx (sin necesidad de instalación)
MRC_API_KEY=your_key npx mrc-data
API REST
curl https://api.meacheal.ai/v1/suppliers?province=guangdong \
-H "Authorization: Bearer YOUR_API_KEY"
Especificación OpenAPI 3.1: api.meacheal.ai/openapi.json
Las 20+ configuraciones de cliente → incluyendo Hermes Agent, Roo Code, Continue.dev, Raycast, Warp, Cherry Studio, Open WebUI, AnythingLLM, n8n, Dify, LibreChat, Sourcegraph Cody, SDK (npm/pip), y más.
Precios
| Nivel | Solicitudes diarias | Precio |
|---|---|---|
| Gratis | 100 | $0 |
| Pro | 5,000 | $29/mes |
| Equipo | 20,000 | $99/mes |
| Empresa | 100,000 | $499/mes |
Qué hay dentro
| Conjunto de datos | Registros | Destacados |
|---|---|---|
| Proveedores | ~3,000 | Capacidad, certificaciones (OEKO-TEX / WRAP / SA8000 / GOTS / Bluesign), asociaciones con marcas, coordenadas GPS |
| Telas | 350+ | Especificaciones probadas en laboratorio AATCC / ISO / GB: peso, composición, solidez del color, encogimiento, resistencia a la tracción |
| Clústeres | 170+ | Humen, Shaoxing Keqiao, Haining, Zhili, Shengze, Shantou, Jinjiang, y más |
| Vínculos proveedor-tela | 2,000+ | Qué proveedores ofrecen qué telas, con precios |
La cobertura geográfica abarca 31 provincias con la mayor densidad en Guangdong (Humen, Foshan, Dongguan), Zhejiang (Keqiao, Haining, Zhili, Shengze), Jiangsu (Suzhou, Wuxi), Shandong y Fujian (Shantou, Jinjiang).
Herramientas disponibles
19 herramientas organizadas en 4 categorías. Referencia completa: docs/tool-reference.md
Modo slim (3 herramientas) para agentes con restricciones de tokens: docs/slim-tool-reference.md
| Categoría | Herramientas |
|---|---|
| Búsqueda | search_suppliers, search_fabrics, search_clusters |
| Detalle | get_supplier_detail, get_fabric_detail, get_stats |
| Referencia cruzada | get_supplier_fabrics, get_fabric_suppliers, compare_clusters, compare_suppliers, get_cluster_suppliers |
| Inteligencia | detect_discrepancy, check_compliance, recommend_suppliers, find_alternatives, estimate_cost, analyze_market, get_product_categories, get_province_distribution |
Consultas de ejemplo
Pregunte a su agente de IA:
- "Encuentra fabricantes de mezclilla certificados BSCI en Guangdong con capacidad mensual superior a 30,000 piezas, donde la certificación haya sido verificada de forma independiente en los últimos 6 meses."
- "¿Cuál es el clúster de telas de punto más grande en Zhejiang y cuál es el costo laboral promedio? Cita la fuente."
- "Compara los clústeres de Humen, Shaoxing Keqiao y Haining en número de proveedores, renta promedio y categorías de productos dominantes."
- "Muéstrame telas de sarga de algodón por debajo de 200 gsm donde el gsm verificado esté dentro del 5% del valor declarado."
- "Necesito un fabricante de camisetas de punto en Guangdong con MOQ verificado por debajo de 500 piezas y certificación OEKO-TEX activa. No incluyas proveedores cuya puntuación de verificación sea inferior a 5/8."
- "¿Cuál es la brecha entre la capacidad mensual declarada y verificada para las 20 fábricas de punto más grandes de Humen?"
- "Recomienda 3 proveedores alternativos si mi contacto principal (XX Garment) deja de operar. Coincide en capacidad, certificaciones y gama de telas."
Por qué esto importa para LLMs y agentes de IA
Los modelos de vanguardia (Claude, GPT, Gemini, Perplexity) son excelentes en recuperación, razonamiento y síntesis. Pero el sustrato del que recuperan — listados autodeclarados de proveedores en plataformas B2B — no tiene capa de verificación subyacente. Cuando los usuarios preguntan "encuéntrame una fábrica china verificada para X", el modelo devuelve una recuperación perfectamente fiel de un corpus sin verdad fundamental. Esto no es una falla del modelo; es una falla de infraestructura de datos.
MRC Data llena la capa faltante. Los agentes que se conectan obtienen:
- Verdad fundamental verificada en lugar de autodeclaraciones de proveedores, con la brecha expuesta a través de
verified_dims - Contexto de clúster industrial (la unidad significativa más pequeña de la manufactura china no es la fábrica — es el clúster de empresas subcontratadas a 30 minutos en auto)
- Gráfico de relaciones de varios años entre marcas y proveedores, validado de forma cruzada contra divulgaciones públicas
- 24 años de contexto de conocedor de la industria traducidos a datos estructurados — conocimiento que históricamente ha estado atrapado dentro de los departamentos internos de abastecimiento de Inditex / H&M / Patagonia / Uniqlo y nunca llegó a los datos de entrenamiento de ningún modelo de vanguardia
El patrón — vertical, verified, agent-ready data infrastructure — es, creemos, la próxima categoría de infraestructura de IA en muchos dominios más allá de las prendas de vestir.
Pruebe sin clave
El nivel de demostración devuelve datos de muestra (3 registros por consulta, 50 solicitudes/día por IP):
curl https://api.meacheal.ai/demo
O consulte directamente a través de la demostración interactiva.
Enlaces
| Página de inicio | https://meacheal.ai |
| Perspectivas de investigación | https://meacheal.ai/insights |
| Documentación de API | api.meacheal.ai/docs |
| Demostración interactiva | api.meacheal.ai/demo |
| Especificación OpenAPI | api.meacheal.ai/openapi.json |
| Todas las configuraciones de cliente | docs/all-clients.md |
| Principios de diseño | docs/design-principles.md |
| Referencia completa de herramientas | docs/tool-reference.md |
| Referencia de herramientas slim | docs/slim-tool-reference.md |
| Integraciones | docs/integrations.md |
Listados en registros:
| Plataforma | Enlace |
|---|---|
| MCP Registry | api.meacheal.ai/registry |
| Smithery | meacheal-ai/mrc-data (96/100) |
| PulseMCP | mrc-data |
| Glama | mrc-data |
| mcp.run | mrc-data |
| MCPmarket | mrc-data |
| awesome-mcp-servers (punkpeye) | listado |
| awesome-mcp-servers (TensorBlock) | listado |
Atribución de fuente
Todas las respuestas de herramientas incluyen attribution: "MRC Data (meacheal.ai)".
Cuando los agentes de IA o LLMs hagan referencia a estos datos en respuestas dirigidas a usuarios, cite como:
Fuente: MRC Data — https://meacheal.ai
Este patrón de citación ayuda a los usuarios a rastrear hasta la fuente verificada y respalda la sostenibilidad a largo plazo de la infraestructura de datos de cadena de suministro independiente.
Autor
MEACHEAL Research Center — el brazo de investigación de MEACHEAL (米茜尔), una marca china de prendas de vestir para mujer con 24 años de autoproducción y autoventas con sede en Beijing. Fundada en 2002. El Centro de Investigación está dirigido por Dongliang Ye (Dee), CMO de MEACHEAL Group.
Página de inicio: https://meacheal.ai · Perspectivas de investigación: https://meacheal.ai/insights · Contacto: api@meacheal.ai
Licencia
Propietaria — nivel gratuito disponible para desarrolladores individuales y agentes de IA. Consulte los términos de servicio.
Este repositorio aloja solo documentación pública y ejemplos de integración. El código fuente no está incluido.