fn_registry/docs/capabilities/consent.md

consent — CMP / IAB TCF / data brokers

Operar banners de consentimiento (Consent Management Platforms) y el ecosistema IAB TCF: detectar qué CMP usa un sitio, leer cuántos vendors (data brokers) declara, aceptar el banner cuando hace falta y cruzar los IDs de vendor contra la Global Vendor List de IAB para nominar a cada broker y describir qué datos personales recopila.

Nació de la investigación projects/databrokers/ (data brokers de la prensa española).

Funciones del grupo

ID	Firma corta	Qué hace
extract_cmp_tcf_py_browser	extract_cmp_tcf(url, *, port=9222, accept_first=False, llm_fallback=False, ...) -> dict	Navega a url por CDP, detecta el CMP (Didomi/OneTrust/Sourcepoint/Quantcast/otro_tcf), lee window.__tcfapi y devuelve nº de vendors, propósitos, muro "pago o consientes" y vendor_ids. Con accept_first acepta el banner antes de leer; con llm_fallback recurre a find_consent_controls_llm si el clic por selector falla.
find_consent_controls_llm_py_browser	find_consent_controls_llm(*, port=9222, max_candidates=40, model="claude-haiku-4-5-20251001") -> dict	Recolecta los controles clicables del banner (los marca con data-fnllm="N") y pregunta a un LLM (haiku) cuál es Aceptar / Rechazar / Ver socios. Devuelve los selectores. Resuelve CMP con clases dinámicas/texto no estándar sin selectores hardcodeados.
fetch_iab_gvl_py_cybersecurity	fetch_iab_gvl(out_path="", url="", lang="") -> dict	Descarga y parsea la Global Vendor List de IAB (catálogo maestro de vendors: nombre, propósitos, dataDeclaration, retención, política). Endpoint v3 con fallback v2.

Ejemplo canónico (end-to-end)

Escanear un medio, contar sus brokers y nombrarlos cruzando con la GVL:

import sys; sys.path.insert(0, "python/functions")
from browser.extract_cmp_tcf import extract_cmp_tcf
from cybersecurity.fetch_iab_gvl import fetch_iab_gvl

# 1. Catálogo maestro de vendors (una vez).
gvl = fetch_iab_gvl(out_path="/tmp/gvl.json")          # {status, vendors:{id:{name,purposes,...}}, ...}

# 2. Escanear un sitio (Chrome con CDP en el puerto indicado; perfil limpio para que salga el banner).
#    accept_first acepta el banner; llm_fallback usa haiku si el botón no encaja con selectores fijos.
scan = extract_cmp_tcf("https://www.lavanguardia.com", port=9335,
                       accept_first=True, llm_fallback=True)
# scan -> {status, cmp:'didomi', n_vendors:1092, vendor_ids:[...], paywall_consent:True, ...}

# 3. Nominar los brokers de ese medio.
nombres = [gvl["vendors"].get(str(v), {}).get("name", f"(vendor {v})") for v in scan["vendor_ids"]]

Orquestador completo sobre un censo de dominios: projects/databrokers/scanner/scan_all.py (itera → extract_cmp_tcf → persiste → cruza con la GVL → Excel).

Prerrequisitos

• Un Chrome/Chromium con remote debugging (CDP) en el puerto usado. Lánzalo aislado del navegador diario (no 9222) con su propio user_data_dir. Perfil limpio: una vez aceptado el banner, la cookie de consent persiste en el perfil y los re-escaneos ya no muestran banner.
• ask_llm (grupo claude-direct) requiere el token OAuth de Claude Max en ~/.claude/.credentials.json.

Fronteras (lo que el grupo NO cubre)

• No extrae la lista de vendors de CMP cuyo getTCData no rellena vendor.consents/legitimateInterests por la vía estándar, ni de banners alojados en iframe (Sourcepoint): el clic desde el documento principal no alcanza el iframe.
• No interpreta el tcString (qué propósitos consintió el usuario en concreto); solo el universo de vendors declarado. Para decodificar el TCString haría falta una pieza aparte.
• No es un bloqueador ni un gestor de consentimiento propio: solo observa y mide.