Dados judiciais públicos para agentes, automações e pesquisa jurídica confiável.

Uma biblioteca Python para consultar, estruturar e auditar informações públicas do eSAJ/TJSP, dados estruturados do DataJud/CNJ e comunicações do DJEN com rastreabilidade, testes automatizados e governança documentada.

Começar pelo quickstart Instalar com IA Ver demo pública GitHub

agentic legal pipeline

01 CNJ validado

02 Fonte pública

03 JSON auditável

{
  "tribunal": "TJSP",
  "origem": "eSAJ",
  "status": "estruturado",
  "governanca": ["LGPD", "limites", "reprodutibilidade"],
  "automacao": "pronta_para_agentes"
}

90%+ cobertura automatizada

Typed contratos públicos e py.typed

CI + CodeQL qualidade e segurança contínuas

LGPD uso responsável documentado

Para quem está construindo o futuro jurídico

Base técnica para produtos, escritórios e pesquisa aplicada.

O projeto foi desenhado para unir engenharia de software, responsabilidade jurídica e abertura acadêmica. Ele transforma consultas públicas em dados estruturados para fluxos verificáveis, sem prometer acesso privilegiado, contornar barreiras ou substituir análise profissional.

Advocacia

Rotinas repetíveis

Consulta, estruturação e extração de informações públicas para reduzir retrabalho operacional com revisão humana.

Legaltech

Produto sobre base aberta

Contratos tipados, cliente configurável, cache opt-in e erros previsíveis para integração profissional.

Academia

Metodologia explícita

Documentação sobre reprodutibilidade, fixtures sanitizadas, limitações e validação controlada.

IA local

Agentes com MCP

Instalação guiada para Claude Code, Codex, Gemini e clientes compatíveis com MCP local por stdio.

Engenharia verificável

Um projeto open source que mostra senioridade no código e no cuidado institucional.

O repositório combina parser, cliente, CLI, documentação, testes sem rede, testes live opcionais, validação de build, auditoria de dependências, changelog, governança, segurança e notas de release versionadas.

Testes automatizados Type checking Lint e formatação Build validado Threat model Uso responsável

Primeiro uso

Instale, consulte e trabalhe com dados estruturados.

A API favorece fluxos claros: configurar limites, consultar uma fonte pública e receber um extrato pronto para auditoria, persistência ou integração com agentes internos. Para uso assistido por IA, siga a jornada de instalação com MCP local.

from nanojud import NanoJudClient, NanoJudConfig

client = NanoJudClient(
    NanoJudConfig(
        timeout=20,
        rate_limit_interval=1.0,
        cache_enabled=True,
    )
)

extrato = client.get_extrato("0015020-23.2010.8.26.0053")
print(extrato["dados_basicos"]["classe"])
print(len(extrato["movimentacoes"]))