evidoria

← Voltar à navegação

Boa prática Importada

MCP para Dados Abertos Federais dos EUA — Projeto-Piloto do U.S. Digital Corps Eleva a Precisão da IA de Quase Zero para 95%

Estados Unidos da América · Washington, D.C. · Ver o perfil de Estados Unidos da América · Ver o perfil de Washington, D.C.

Evidência: Observacional / pré-pós Top 7% 87/100 · Pergunte a Evidence Copilot sobre esta prática

Um projeto-piloto federal descobriu que o ChatGPT, o Gemini e o Claude respondiam a perguntas sobre USASpending e CDC PLACES com precisão próxima de 0% e 2,1%, subindo para 95% quando as agências disponibilizaram os mesmos conjuntos de dados abertos através de servidores Model Context Protocol.

0 % (near-zero)
Exatidão nas consultas ao USASpending sem MCP
2,1 %
Exatidão nas consultas ao CDC PLACES sem MCP
95 % (approx., both datasets)
Exatidão nas consultas com servidores MCP
MCP para Dados Abertos Federais dos EUA — Projeto-Piloto do U.S. Digital Corps Eleva a Precisão da IA de Quase Zero para 95%

Detalhes

Maturidade
Piloto
Promotor
U.S. Digital Corps (General Services Administration) with the Census Bureau and Government Publishing Office
Período
2025–2026
Palavras-chave
federal statistics, open data, AI infrastructure, spending transparency

Contexto

Estagiários do U.S. Digital Corps colocados em agências federais, incluindo um no Gabinete do Subsecretário para Assuntos Económicos do Departamento de Comércio, conduziram um projeto-piloto para testar com que exatidão assistentes de IA de uso geral (ChatGPT, Gemini e Claude Sonnet 4) conseguiam responder a perguntas sobre dois conjuntos de dados federais abertos, o USASpending.gov e o CDC PLACES.

Atividades

Os modelos foram primeiro interrogados sem qualquer conector especial, e depois testados novamente utilizando servidores do Protocolo de Contexto de Modelo (MCP) que expunham os mesmos conjuntos de dados diretamente às ferramentas de IA.

Resultados

Sem qualquer apoio, os modelos responderam corretamente a perguntas do USASpending perto de 0% das vezes e a perguntas do CDC PLACES apenas 2,1% das vezes; com servidores MCP a expor os mesmos conjuntos de dados, a exatidão subiu para cerca de 95% em ambos os conjuntos de dados, e uma consulta documentada sobre uma estatística de saúde do condado de Worcester, que antes falhava, passou a devolver imediatamente o valor correto, com intervalos de confiança e dados populacionais incluídos.

Conclusões

Na sequência do projeto-piloto, o Census Bureau e o Government Publishing Office publicaram cada um um servidor MCP público no GitHub, e o CMS e o Departamento do Tesouro incluíram implementações de MCP nos seus inventários de IA de 2025, embora responsáveis como o diretor de inovação do Census Bureau tenham advertido que o acesso via MCP "não é a resposta, é uma das muitas respostas" e que a cobertura continua parcial.

Implementação
Custo indicativo
Baixo (< 50 mil €)
Tempo até resultados
Curto (< 1 ano)
Equipa e competências
U.S. Digital Corps fellows embedded in agencies (e.g., the Commerce Department), working with the Census Bureau and the Government Publishing Office.

Condições de sucesso

  • Publishing MCP servers as open source on GitHub so other agencies could adopt the same pattern.
  • Testing multiple AI models (ChatGPT, Gemini, Claude Sonnet 4) against the same datasets before and after exposing them via MCP.

Modos de falha comuns

  • Agencies themselves describe coverage as partial rather than comprehensive.
  • No dedicated long-term funding line for federal MCP maintenance is documented.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis