Este trabalho desenvolve uma ferramenta computacional modular para simulação estocástica de sistemas de crédito social, utilizando o caso de Rongcheng como referência empírica para parametrização. A arquitetura implementada em Python combina um mecanismo de simulação Monte Carlo baseado em agentes com uma interface gráfica interativa (PySide6), permitindo experimentação controlada sobre dinâmicas emergentes em redes sociais. O sistema oferece suporte a múltiplas topologias de rede (Watts–Strogatz e Barabási–Albert), eventos estocásticos parametrizáveis e mecanismos de influência social, além de funcionalidades como exportação de estados, execução em lote e visualização em tempo real. A implementação inclui otimizações de desempenho (compilação JIT via Numba, cache de estruturas de rede) e um pipeline experimental automatizado com validação estatística não paramétrica. Os experimentos mostram que a estrutura topológica da rede e a distribuição de eventos modulam a evolução coletiva dos escores, demonstrando o potencial da ferramenta para analisar cenários de governança algorítmica e sistemas de reputação distribuídos.