Plataformas
Integrações com os principais frameworks de automação e IA. Use a API do CPFHub.io diretamente ou via MCP Server.
n8n
Use o node HTTP Request para chamar a API diretamente em workflows.
Configuração do node:
| Campo | Valor |
|---|---|
| Method | GET |
| URL | https://api.cpfhub.io/cpf/{{ $json.cpf }} |
| Authentication | Header Auth |
| Header Name | x-api-key |
| Header Value | sua_api_key |
Exemplo de workflow: validação de CPF no cadastro
- Trigger - Webhook recebe
{ cpf, email, nome } - HTTP Request - consulta
GET /cpf/{{ $json.cpf }} - IF - verifica se
{{ $json.success }}étrue - True: envia dados para o CRM / cria registro no banco
- False: envia email de erro para o usuário
✦
Dica n8n: trate erros com o node Error Trigger
Configure o Error Trigger para capturar respostas 4xx e 5xx e tratar cada código de erro separadamente. Veja os códigos em Referência de Erros.
Make (Integromat)
No Make, use o módulo HTTP: Make a Request.
Configuração:
URL: https://api.cpfhub.io/cpf/{{cpf}}
Method: GET
Headers:
x-api-key: {{api_key}}
Parse response: YesCenário típico:
- Watch Records (Airtable / Google Sheets) - detecta novo registro com CPF
- HTTP Request - consulta CPFHub.io
- Router - divide por status da resposta
- Update Record - preenche nome e data de nascimento no registro original
Zapier
Use o Zap com o app Webhooks by Zapier para chamar a API:
- Trigger: qualquer evento (formulário, CRM, planilha)
- Action: Webhooks by Zapier → GET
- URL:
https://api.cpfhub.io/cpf/YOUR_CPF_FIELD - Headers:
x-api-key: sua_api_key
- URL:
- Action seguinte: use os campos
data.name,data.birthDatedo retorno
LangChain
Python
Python
from langchain.agents import AgentExecutor, create_openai_tools_agent
from langchain.tools import tool
from langchain_openai import ChatOpenAI
from cpfhub import CPFHub
import os
client = CPFHub(api_key=os.environ["CPFHUB_API_KEY"])
@tool
def get_person_by_cpf(cpf: str) -> str:
"""
Consulta dados de uma pessoa a partir do CPF brasileiro.
Retorna nome completo, gênero e data de nascimento.
"""
try:
result = client.lookup(cpf)
return f"Nome: {result.data.name}, Nascimento: {result.data.birth_date}, Gênero: {result.data.gender}"
except Exception as e:
return f"Erro ao consultar CPF: {str(e)}"
llm = ChatOpenAI(model="gpt-4o", temperature=0)
tools = [get_person_by_cpf]
agent = create_openai_tools_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)TypeScript / LangChain.js
TypeScript
import { ChatOpenAI } from '@langchain/openai'
import { tool } from '@langchain/core/tools'
import { z } from 'zod'
import { CPFHub } from '@cpfhub/sdk'
const client = new CPFHub({ apiKey: process.env.CPFHUB_API_KEY })
const cpfTool = tool(
async ({ cpf }) => {
const result = await client.lookup(cpf)
return `Nome: ${result.data.name}, Nascimento: ${result.data.birthDate}`
},
{
name: 'get_person_by_cpf',
description: 'Consulta dados de uma pessoa a partir do CPF brasileiro.',
schema: z.object({
cpf: z.string().describe('CPF brasileiro com ou sem formatação'),
}),
}
)
const llm = new ChatOpenAI({ model: 'gpt-4o' }).bindTools([cpfTool])Vercel AI SDK
TypeScript
import { openai } from '@ai-sdk/openai'
import { generateText, tool } from 'ai'
import { z } from 'zod'
import { CPFHub } from '@cpfhub/sdk'
const client = new CPFHub({ apiKey: process.env.CPFHUB_API_KEY })
const result = await generateText({
model: openai('gpt-4o'),
tools: {
get_person_by_cpf: tool({
description: 'Consulta dados de uma pessoa a partir do CPF brasileiro.',
parameters: z.object({
cpf: z.string().describe('CPF brasileiro com ou sem formatação'),
}),
execute: async ({ cpf }) => {
const data = await client.lookup(cpf)
return data.data
},
}),
},
prompt: 'Verifique a identidade do CPF 12345678909',
})Claude Desktop via MCP
Para usar diretamente no Claude Desktop sem código, configure o MCP Server. Veja o guia completo em MCP Server.
JSON
{
"mcpServers": {
"cpfhub": {
"command": "npx",
"args": ["-y", "@cpfhub/mcp"],
"env": {
"CPFHUB_API_KEY": "sua_api_key"
}
}
}
}Atualizado em 12 de maio de 2026