Files
GTI_GERENCIADOR_FISCAL/docs/VIABILIDADE_CCG_DFE_V1.md
T
gtiandClaude Sonnet 5 21e8282224 feat: Reference Data Registry (Fase 1) + P1 NCM validated + feasibility studies (Fase 5)
Missão 5:

Fase 1 (Reference Data Registry): migration 0034 adds licence_terms, valid_from/
valid_to, file_size_bytes, raw_file_path, parse_errors, submitted_by/approved_by/
approved_at to the existing `datasets` table (additive only - the 9 pre-existing
dataset kinds keep their current auto-activate behavior in
central/app/datasets/service.py, completely untouched, so this changes nothing
about the currently-running engine). New central/app/reference_registry.py is a
separate, NEW ingestion workflow: register_draft() always lands as DRAFT (never
auto-activates), diff_against_vigente() summarizes a draft against the current
VIGENTE of the same kind for admin review, approve_draft()/reject_draft() are
the only way to promote a DRAFT (refuses non-DRAFT rows and refuses a draft
with recorded parse_errors). New admin screen "Tabelas oficiais"
(/admin/reference-datasets, ADMIN only, CSRF, every decision audited as
REFERENCE_DATASET_APPROVE/REJECT) lists the registry with a diff view and
approve/reject buttons. New CLI (scripts/ingest_reference_dataset.py) downloads
an official source (currently: NCM/Siscomex, no login/captcha), validates
(minimum row count, a known-sample spot check), and registers a DRAFT - --dry-run
never writes anything.

P1 (NCM) validated for real: downloaded the live official Siscomex NCM JSON
(2026-09-28, sha256 8a3bf89a..., 15,156 entries) with an identifiable User-Agent,
one request. Its hash is IDENTICAL to the NCM dataset already ACTIVE in the Hub -
confirms the currently loaded table is already current against the official
source today. Raw file kept out of git (.gitignore:
sources/raw/reference_registry/); manifest (URL, date, hash, size) recorded in
docs/REFERENCE_DATASET_MANIFEST_V1.md, including P2-P6 sources still pending URL
confirmation.

Fase 5 (feasibility studies, no code): docs/VIABILIDADE_CCG_DFE_V1.md - CCG/SEFAZ
GTIN lookup and Distribuição DF-e both require the client's own ICP-Brasil
certificate; recommendation is NOT to implement now (would require either the
Hub holding a client certificate - breaks the project's core security model - or
the Agent making new outbound internet calls, against this mission's fixed
rules). Reading the already-authorized purchase-NFe XML from disk via the Agent
(path already stored in XML_MES) is recommended as the next concrete step
instead: no certificate, no new internet call, opt-in per installation, result
always tagged DECLARADO (never auto-promoted - consensus across purchase
invoices is not fiscal truth). Open Food Facts stays identity-only, unchanged.

21 new tests, all passing. Full suite: 1147 passed, 1 skipped.

No write to any Firebird database anywhere. No Agent code touched.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
2026-09-28 15:24:55 -03:00

86 lines
5.4 KiB
Markdown

# Estudos de viabilidade (Missão 5, Fase 5) — decisão recomendada, sem código
## 5.1 — CCG/SEFAZ (consulta de GTIN com certificado) e Distribuição DF-e (XML de compras)
### O que cada serviço exige
- **CCG (Consulta Cadastro de Contribuintes)/consulta de GTIN via SEFAZ**: exige certificado
digital ICP-Brasil **do cliente** (e-CNPJ ou e-CPF do contador/contribuinte) para autenticar a
chamada ao webservice estadual/nacional. Não existe uma chave "genérica" do GTI para isso — cada
cliente autenticaria com o certificado dele.
- **Distribuição DF-e** (`NFeDistribuicaoDFe`): mesmo requisito de certificado ICP-Brasil do
destinatário (o CNPJ que recebeu a nota), usado para baixar XMLs de compra que o Fisco já sabe
que aquele CNPJ recebeu — não depende do fornecedor ter enviado nada manualmente.
### Risco de segurança da chave privada
O desenho atual do projeto é deliberado e documentado (`docs/rtc_auto_apply.md`): **o Hub nunca
tem acesso a nada local do cliente** (sem chave, sem certificado, sem execução remota). Um
certificado ICP-Brasil é, na prática, mais sensível que uma senha — normalmente um arquivo `.pfx`
protegido por senha, ou um token/smartcard físico. Usar isso a partir do Hub (nuvem, fora do
controle do cliente) exigiria:
- Ou o cliente **enviar o certificado para o Hub** (nunca deveria acontecer — quebra o modelo de
confiança do projeto inteiro, e um vazamento do Hub comprometeria a identidade fiscal de todos
os clientes que fizeram isso);
- Ou o **Agent local** (que já roda na máquina do cliente) fazer a consulta usando o certificado
já instalado ali, e devolver ao Hub só o resultado relevante (NCM/GTIN do fornecedor, nunca o
XML completo nem o certificado). Isso é tecnicamente viável e é o único desenho que não quebra
"o Hub nunca acessa nada local do cliente" — mas ainda é uma consulta à internet **feita pelo
Agent**, o que hoje é proibido por regra fixa desta missão ("Só o Hub acessa a internet externa.
O Agent não recebe nenhuma chamada externa nova"). Ou seja: **incompatível com o desenho atual
sem uma decisão explícita de abrir uma exceção para o Agent**.
### Opt-in por cliente
Mesmo que se decida abrir essa exceção no futuro, o consentimento tem que ser **por instalação**,
nunca automático — cada cliente tem que decidir explicitamente confiar sua chave/certificado a essa
finalidade, com escopo claro (o que é consultado, quando, o que é armazenado).
### Esforço estimado (ordem de grandeza, não um cronograma)
- Alto: implica mexer no modelo de segurança do Agent (hoje só lê Firebird local e fala com o Hub),
criar um fluxo de configuração de certificado por cliente, tratar renovação/expiração de
certificado, e novo tipo de erro/retentativa (SEFAZ indisponível, certificado vencido, etc.).
Não é um parser a mais — é uma superfície de segurança nova.
### Decisão recomendada
**Não implementar agora.** O ganho (GTIN/NCM do fornecedor mais confiável) não justifica o
aumento de superfície de risco e a mudança de desenho ("só o Hub acessa a internet") sem uma
necessidade concreta e urgente de algum cliente. Reavaliar se/quando um cliente pedir
explicitamente e aceitar o modelo "o Agent consulta, o Hub nunca vê o certificado".
## 5.2 — XML de NF-e de compra já armazenado nos bancos (evidência declarada)
Como já mapeado (`docs/PISCOFINS_TRANSMITTED_SOURCE_V1.md`), o SGV **não guarda o XML em si** no
Firebird — só o caminho do arquivo no disco local (`XML_MES.CAMINHO_XML`). Isso muda o desenho
possível:
- **Viável, com opt-in por cliente**: o Agent (que já roda na máquina, já lê Firebird local) pode
ler o arquivo XML autorizado **do disco** (caminho já registrado no banco) — isso não é uma
chamada à internet, é leitura de arquivo local, compatível com "o Agent não recebe chamada
externa nova" desde que o Hub não peça isso via internet, só o Agent decida ler o que já está
no disco dele mesmo.
- O Agent extrairia **apenas** NCM/CEST/EAN do fornecedor (campos declarados na nota de compra,
identificados como DECLARADO — nunca VERIFICADO), agregados, sem dado pessoal (nunca nome do
fornecedor, CNPJ, endereço, valores) — um novo "tier" de evidência na KB, mais forte que uma
simples observação de cadastro, mas ainda não uma fonte oficial de classificação fiscal:
**consenso entre notas de compra não é verdade fiscal** (o fornecedor pode errar o NCM tanto
quanto o cliente).
- Esforço: médio — parser de XML de NF-e (schema já público/estável), sem certificado nem
internet nova; o risco real é performance (muitos arquivos por cliente) e tratamento de arquivo
ausente/corrompido (comum em bases antigas).
### Decisão recomendada
**Viável como próxima etapa concreta**, com opt-in explícito por instalação (o Agent só lê os XMLs
se o cliente autorizar), e resultado tratado sempre como evidência DECLARADA (nunca promovida
automaticamente a VERIFIED_KB). Recomendo priorizar isso sobre CCG/Distribuição DF-e — mesmo
ganho de evidência, risco de segurança muito menor (sem certificado, sem chamada externa nova).
## 5.3 — Open Food Facts
Confirmado: continua útil **só como identidade de produto** (nome/marca/unidade a partir do GTIN),
nunca como fonte de classificação fiscal (NCM/CEST/CST) — a base não tem esse dado e não deveria
ser tratada como se tivesse. Nenhuma mudança de uso recomendada.