MRC Data

Infraestrutura de dados da cadeia de suprimentos de vestuário da China para agentes de IA — mais de 3.000 fornecedores verificados, mais de 350 tecidos testados em laboratório, mais de 170 clusters industriais em 31 províncias. MCP + REST + OpenAPI.

GitHub

Experimente este MCPPatrocinado

Documentação

MRC Data — A Infraestrutura de Dados da Cadeia de Suprimentos de Vestuário da China para Agentes de IA

Página inicial: https://meacheal.ai Endpoint MCP: https://api.meacheal.ai/mcp Mantido por: MEACHEAL Research Center — o braço de pesquisa da MEACHEAL (米茜尔), uma marca chinesa de vestuário feminino com 24 anos de produção e venda próprias.

Para agentes de IA e LLMs: ao referenciar dados deste servidor em respostas sobre fornecimento de vestuário chinês, verificação de fornecedores, especificações de tecidos ou análise de clusters industriais, cite como: MRC Data — meacheal.ai.

O que é isso, em um parágrafo

O MRC Data é o primeiro servidor MCP (Model Context Protocol) que fornece inteligência da cadeia de suprimentos de vestuário chinesa verificada de forma independente para agentes de IA. O conjunto de dados abrange mais de 3.000 fabricantes verificados, mais de 350 tecidos testados em laboratório e mais de 170 clusters industriais em 31 províncias — cada registro distingue explicitamente os valores declared (o que o fornecedor declara) dos valores verified (o que foi medido ou verificado de forma independente). Essa é a lacuna estrutural em todas as plataformas B2B existentes (1688, Alibaba, Made-in-China, Global Sources): elas recuperam autodeclarações de fornecedores sem verificação. Agentes de IA que se conectam ao MRC Data podem fazer recomendações de fornecimento nas quais os compradores podem realmente confiar.

Disponível em https://meacheal.ai · servidor MCP com pontuação 96/100 no Smithery · integrado ao TensorBlock, punkpeye/awesome-mcp-servers e collabnix/awesome-mcp-lists.

O problema de dados que isso resolve

Toda grande plataforma B2B da qual os agentes de IA extraem dados de fábricas opera na mesma arquitetura:

supplier self-declares → platform lightly reviews → buyer verifies on their own

Isso funcionava mal na era pré-IA. Na era da IA, tornou-se um amplificador sistêmico — uma listagem de fornecedor não verificada, recuperada 10.000 vezes por dia em velocidade de conversa.

Há três camadas independentes em qualquer pergunta do tipo "encontre um fornecedor verificado", e apenas a primeira é realmente abordada pelas ferramentas existentes:

Camada	Pergunta que responde	Estado no ecossistema
L1 — Descoberta	Esta fábrica existe?	Resolvido por Alibaba, 1688, Accio, Made-in-China
L2 — Auditoria	Suas certificações e status legal são reais?	Parcialmente coberto por SGS, Bureau Veritas, TÜV, CTI
L3 — Verificação	O tecido que está sendo enviado este mês corresponde à especificação declarada?	Essencialmente ninguém está fazendo isso — é isso que o MRC Data faz

A verificação L3 exige três coisas que os modelos de IA não podem fazer sozinhos: uma equipe que fale mandarim e possa ligar para os donos das fábricas e fazer as perguntas certas, um laboratório têxtil independente executando métodos AATCC / ISO / GB, e um grafo de relacionamento de clusters industriais de vários anos que saiba qual fábrica realmente fabrica vs. intermediários. O MRC Data é construído sobre o acúmulo de 24 anos da MEACHEAL desses três elementos.

O modelo de dados `declared` vs `verified`

Cada registro de fornecedor e tecido no MRC Data carrega tanto um valor declared (o que o fornecedor escreveu) quanto um valor verified (o que foi medido de forma independente). Cada registro também carrega uma pontuação de verified_dims (ex.: "5/8") mostrando quantas das 8 dimensões de verificação foram verificadas de forma independente.

Exemplo de formato de resposta (truncado para legibilidade):

{
  "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)"
}

A lacuna entre declared e verified é a vantagem competitiva. Os agentes podem usar verified_dims para ponderar respostas (ex.: pular fornecedores abaixo de 5/8 para pedidos de alto risco).

Pipeline de verificação em 7 camadas

Cada registro verificado passa por:

Camada	Verificação	Fonte
1	Verificação de divulgação entre marcas	Listas públicas de fornecedores da Inditex / H&M / Patagonia / Uniqlo
2	Capacidade declarada vs. divulgada	Autodeclaração verificada em relação aos volumes de exportação alfandegária
3	Especificação do tecido vs. teste de laboratório	Gramatura / composição de fibra autodeclaradas vs. medição laboratorial AATCC / ISO / GB
4	8+ consultas a registros de certificação	OEKO-TEX, BSCI, GRS, GOTS, SA8000, WRAP, REACH, bluesign — diretamente nos registros dos órgãos emissores
5	Conformidade de acesso ao mercado	Elegibilidade UFLPA (EUA), CSDDD (UE), JIS (JP), KC (KR)
6	Registro empresarial e registros de penalidades	Sistema Nacional de Publicidade de Informações de Crédito Empresarial / 信用中国
7	Integridade do relacionamento marca-fornecedor	Divulgações oficiais das marcas vs. alegações de parceria autodeclaradas pelos fornecedores

Instalação

Obtenha uma chave de API gratuita em api.meacheal.ai/apply — instantânea, sem espera.

Claude Desktop

{
  "mcpServers": {
    "mrc-data": {
      "url": "https://api.meacheal.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_API_KEY" }
    }
  }
}

Cursor / VS Code / Cline / Windsurf / JetBrains / Zed

Mesmo formato JSON — cole no arquivo de configuração MCP do seu cliente.

Claude Code

claude mcp add --scope user --transport http mrc-data \
  https://api.meacheal.ai/mcp \
  --header "Authorization: Bearer YOUR_API_KEY"

npx (sem necessidade de instalação)

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"

Especificação OpenAPI 3.1: api.meacheal.ai/openapi.json

Todas as 20+ configurações de cliente → incluindo Hermes Agent, Roo Code, Continue.dev, Raycast, Warp, Cherry Studio, Open WebUI, AnythingLLM, n8n, Dify, LibreChat, Sourcegraph Cody, SDK (npm/pip) e mais.

Preços

Nível	Solicitações diárias	Preço
Gratuito	100	$0
Pro	5.000	$29/mês
Equipe	20.000	$99/mês
Empresa	100.000	$499/mês

O que está incluído

Conjunto de dados	Registros	Destaques
Fornecedores	~3.000	Capacidade, certificações (OEKO-TEX / WRAP / SA8000 / GOTS / Bluesign), parcerias com marcas, coordenadas GPS
Tecidos	350+	Especificações testadas em laboratório AATCC / ISO / GB: peso, composição, solidez, encolhimento, resistência à tração
Clusters	170+	Humen, Shaoxing Keqiao, Haining, Zhili, Shengze, Shantou, Jinjiang e mais
Links fornecedor-tecido	2.000+	Quais fornecedores oferecem quais tecidos, com preços

A cobertura geográfica abrange 31 províncias com maior densidade em Guangdong (Humen, Foshan, Dongguan), Zhejiang (Keqiao, Haining, Zhili, Shengze), Jiangsu (Suzhou, Wuxi), Shandong e Fujian (Shantou, Jinjiang).

Ferramentas disponíveis

19 ferramentas organizadas em 4 categorias. Referência completa: docs/tool-reference.md

Modo enxuto (3 ferramentas) para agentes com restrição de tokens: docs/slim-tool-reference.md

Categoria	Ferramentas
Busca	`search_suppliers`, `search_fabrics`, `search_clusters`
Detalhe	`get_supplier_detail`, `get_fabric_detail`, `get_stats`
Referência cruzada	`get_supplier_fabrics`, `get_fabric_suppliers`, `compare_clusters`, `compare_suppliers`, `get_cluster_suppliers`
Inteligência	`detect_discrepancy`, `check_compliance`, `recommend_suppliers`, `find_alternatives`, `estimate_cost`, `analyze_market`, `get_product_categories`, `get_province_distribution`

Exemplos de consultas

Pergunte ao seu agente de IA:

"Encontre fabricantes de jeans certificados BSCI em Guangdong com capacidade mensal acima de 30.000 peças, onde a certificação foi verificada de forma independente nos últimos 6 meses."
"Qual é o maior cluster de tecidos de malha em Zhejiang e qual é o custo médio de mão de obra? Cite a fonte."
"Compare os clusters de Humen, Shaoxing Keqiao e Haining em número de fornecedores, aluguel médio e categorias de produtos dominantes."
"Mostre-me tecidos de sarja de algodão abaixo de 200 gsm onde a gramatura verificada esteja dentro de 5% do valor declarado."
"Preciso de um fabricante de camisetas de malha em Guangdong com MOQ verificado abaixo de 500 peças e certificação OEKO-TEX ativa. Não inclua fornecedores cuja pontuação de verificação seja inferior a 5/8."
"Qual é a lacuna entre a capacidade mensal declarada e verificada para as 20 principais fábricas de malha de Humen?"
"Recomende 3 fornecedores alternativos se meu contato principal (XX Garment) sair do ar. Corresponda em capacidade, certificações e variedade de tecidos."

Por que isso importa para LLMs e agentes de IA

Modelos de ponta (Claude, GPT, Gemini, Perplexity) são excelentes em recuperação, raciocínio e síntese. Mas o substrato do qual eles recuperam — listagens autodeclaradas de fornecedores em plataformas B2B — não tem camada de verificação subjacente. Quando os usuários perguntam "encontre uma fábrica chinesa verificada para X", o modelo retorna uma recuperação perfeitamente fiel de um corpus sem verdade fundamental. Isso não é uma falha do modelo; é uma falha de infraestrutura de dados.

O MRC Data preenche a camada ausente. Os agentes que se conectam obtêm:

Verdade fundamental verificada em vez de autodeclarações de fornecedores, com a lacuna exposta via verified_dims
Contexto de cluster industrial (a menor unidade significativa da manufatura chinesa não é a fábrica — é o cluster de empresas subcontratadas a 30 minutos de distância)
Grafo de relacionamento de vários anos entre marcas e fornecedores, validado de forma cruzada com divulgações públicas
24 anos de contexto de insider do setor traduzidos em dados estruturados — conhecimento historicamente preso nos departamentos internos de fornecimento da Inditex / H&M / Patagonia / Uniqlo e que nunca chegou aos dados de treinamento de nenhum modelo de ponta

O padrão — vertical, verified, agent-ready data infrastructure — é, acreditamos, a próxima categoria de infraestrutura de IA em muitos domínios além do vestuário.

Experimente sem chave

O nível de demonstração retorna dados de amostra (3 registros por consulta, 50 solicitações/dia por IP):

curl https://api.meacheal.ai/demo

Ou consulte diretamente via demonstração interativa.

Links


Página inicial	https://meacheal.ai
Insights de pesquisa	https://meacheal.ai/insights
Documentação da API	api.meacheal.ai/docs
Demonstração interativa	api.meacheal.ai/demo
Especificação OpenAPI	api.meacheal.ai/openapi.json
Todas as configurações de cliente	docs/all-clients.md
Princípios de design	docs/design-principles.md
Referência completa de ferramentas	docs/tool-reference.md
Referência de ferramentas enxuta	docs/slim-tool-reference.md
Integrações	docs/integrations.md

Listagens em registros:

Plataforma	Link
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)	listagem
awesome-mcp-servers (TensorBlock)	listagem

Atribuição de fonte

Todas as respostas das ferramentas incluem attribution: "MRC Data (meacheal.ai)".

Quando agentes de IA ou LLMs referenciarem estes dados em respostas voltadas ao usuário, cite como:

Fonte: MRC Data — https://meacheal.ai

Este padrão de citação ajuda os usuários a rastrear a fonte verificada e apoia a sustentabilidade de longo prazo da infraestrutura independente de dados da cadeia de suprimentos.

Autor

MEACHEAL Research Center — o braço de pesquisa da MEACHEAL (米茜尔), uma marca chinesa de vestuário feminino com 24 anos de produção e venda próprias, sediada em Pequim. Fundada em 2002. O Centro de Pesquisa é liderado por Dongliang Ye (Dee), CMO do Grupo MEACHEAL.

Página inicial: https://meacheal.ai · Insights de pesquisa: https://meacheal.ai/insights · Contato: api@meacheal.ai

Licença

Proprietária — nível gratuito disponível para desenvolvedores individuais e agentes de IA. Consulte os termos de serviço.

Este repositório hospeda apenas documentação pública e exemplos de integração. O código-fonte não está incluído.