v4.3.0 — search e fetch (Deep Research do ChatGPT)

Entrega as duas ferramentas que o Deep Research do ChatGPT exige — search e
fetch, no contrato literal da OpenAI — sobre o catálogo do IBGE, e conserta
um defeito de formatação que o documento de município expôs em quatro tools.

Added

• search e fetch (contrato Deep Research do ChatGPT). ChatGPT deep
  research, company knowledge e os workflows de pesquisa da API Responses só
  usam um servidor MCP que exponha exatamente essas duas tools, com esse
  formato: search(query) → { results: [{ id, title, url }] },
  fetch(id) → { id, title, text, url, metadata }, o objeto em
  structuredContent e serializado em content[0].text (um bloco só — o
  rodapé de proveniência fica fora do texto, porque a doc descreve
  content[0].text como o objeto). São as ÚNICAS tools sem o prefixo ibge_
  (nomes fixados pela OpenAI; tests/evals/fixtures.test.ts abre a exceção
  por allowlist explícita). Contrato, envelope, ranking e registro vêm do
  pacote novo do portfólio @sbissoli/mcp-search; o adapter IBGE é
  src/tools/deep-research.ts: índice em memória (construído no primeiro
  uso, refeito a cada 24 h) com todas as tabelas SIDRA (sidra:<cod>, url
  sidra.ibge.gov.br/tabela), os 5.570 municípios (mun:<cod7>, url do
  panorama no Cidades@) e os indicadores conhecidos de ibge_indicadores
  (ind:<chave>). fetch renderiza com as tools reais — metadados da tabela
  (ibge_sidra_metadados), hierarquia + população estimada (ibge_localidade
  • ibge_sidra 6579) e série do indicador (ibge_indicadores) — e reutiliza
    o bloco de proveniência delas nos canais structuredContent e _meta.
    Título pt-BR, description em inglês dizendo que existem para o contrato e
    apontando para as ibge_*, mesmas annotations somente-leitura e mesma
    telemetria. Superfície: 23 tools (deriva contra o baseline 4.2.0 = só as
    duas). Medido em 02/09: índice de 14.886 documentos construído em ~770 ms na
    primeira chamada, buscas seguintes em <10 ms; fetch de tabela ~150 ms, de
    município ~340 ms, de indicador ~150 ms.
• Casos de contrato (tests/output-contract.test.ts, 7 pares/casos com mock
  despachado por URL — o índice faz dois GETs em paralelo) e de proveniência
  (tests/provenance-wiring.test.ts) para as duas.

Changed

• O documento de município do fetch NÃO é o panorama do Cidades@
  (ibge_cidades): medido em 02/09, a API do Cidades@ levou de 24 s a mais de
  60 s por chamada, e o Deep Research busca documentos em série. O documento
  traz a hierarquia e a última estimativa de população e aponta ibge_cidades
  para o panorama completo. A lentidão do panorama fica registrada como achado
  (não é desta release).
• tests/provenance-wiring.test.ts deixou de pinar "21": a lista de casos é
  confrontada com o tools/list do servidor vivo — tool nova sem caso reprova,
  em vez de deixar um buraco silencioso na cobertura.
• Contagens nos textos públicos (README en/pt, server.json, landing do
  Worker) atualizadas para 23 pelo teste que as deriva; worker/README.md
  dizia "22 tools" (errado desde sempre) e perdeu a contagem.

Fixed

• Códigos e anos formatados como número nas tabelas Markdown de quatro
  tools (ibge_sidra, ibge_censo, ibge_datasaude, ibge_indicadores):
  a mesma heurística copiada — "célula numérica com mais de 3 caracteres ganha
  separador de milhar" — transformava Ano 2026 em 2.026 e Município (Código) 3106200 em 3.106.200. Achado ao ler o documento de município do
  Deep Research. Regra única em structured.ts (formatarCelulaSidra): as
  colunas gêmeas "(Código)" e a família de período (Ano, Mês, Trimestre,
  Semestre, Período — a mesma que extrairPeriodoSidra lê) ficam como estão;
  quantidades seguem formatadas. O structuredContent nunca foi afetado.