Sobre nósServiçosProjetosArtigos

Desenvolvimento de agentes de IA e integração de servidores MCP: ligar modelos de linguagem aos sistemas que já tem

As demonstrações funcionam todas. O piloto que resumia a documentação da empresa impressionou, o protótipo que respondia a perguntas de suporte parecia pronto e, depois, deu de caras com o CRM verdadeiro, o modelo de permissões verdadeiro e os dados verdadeiros, e deixou de estar pronto.

É nesse intervalo que está o trabalho. Não no modelo (o modelo é hoje a parte fácil), mas em tudo o que fica entre um modelo de linguagem e um sistema com regras próprias sobre autenticação, limites de pedidos, multi-tenancy e quem pode ver o quê.

O que construímos

Servidores MCP para os seus sistemas internos

O Model Context Protocol é uma norma aberta para disponibilizar ferramentas e dados a assistentes de IA de forma consistente entre clientes. Tornou-se a resposta prática à pergunta «como deixamos um assistente usar os nossos sistemas sem escrever uma integração à medida para cada assistente».

Construímos servidores MCP de produção sobre aquilo que a sua empresa realmente usa: o CRM, o sistema de tickets, o data warehouse, as APIs internas, o repositório de documentos, o ERP. Não um servidor de demonstração com um token escrito no código, mas um com autenticação a sério, autorização por utilizador que respeita as permissões que os seus sistemas já impõem, isolamento entre clientes (multi-tenant), limitação de pedidos, registos estruturados e mensagens de erro que dizem algo útil ao modelo quando uma chamada falha.

Agentes e assistentes de IA à medida

Agentes que fazem um trabalho do princípio ao fim: triar uma fila de entrada, conciliar dois sistemas que não batem certo, redigir a primeira versão de um documento que uma pessoa depois aprova, conduzir uma pesquisa em fontes internas e externas. Construímo-los com as partes aborrecidas incluídas: novas tentativas, tempos limite, tetos de custo, idempotência em tudo o que escreve e um passo de aprovação humana sempre que uma ação seja difícil de desfazer.

Pesquisa sobre os seus próprios conteúdos

RAG bem feito: ingestão e segmentação de documentos que respeitam a estrutura e não a contagem de caracteres, embeddings e pesquisa vetorial, pesquisa híbrida por palavras-chave e semântica (porque a pesquisa vetorial pura falha as correspondências exatas), reordenação e citações da fonte para que cada resposta possa ser verificada. E a metade menos vistosa: manter o índice atualizado à medida que os documentos mudam e respeitar o controlo de acessos, para que a pesquisa nunca mostre um documento que o utilizador não poderia abrir de outra forma.

Automação de fluxos de trabalho e de back office

Nem tudo precisa de um agente. Boa parte do que as empresas querem da IA é classificação, extração e encaminhamento: ler um email recebido e decidir o que é, retirar dados estruturados de um documento não estruturado, fazer corresponder uma descrição a uma entrada do catálogo. Estas soluções são mais baratas, mais fiáveis e mais fáceis de avaliar do que um agente e, quando são a resposta certa, é isso que construímos.

Avaliação, observabilidade e salvaguardas

Uma funcionalidade de IA sem avaliação é uma funcionalidade que ninguém consegue melhorar. Criamos conjuntos de teste a partir dos seus casos reais, medimos os resultados a cada alteração, rastreamos cada chamada com as entradas, o uso de ferramentas, a latência e o custo, e definimos limites antes que um ciclo descontrolado chegue à sua fatura de API. A injeção de prompts é um risco real a partir do momento em que um agente lê conteúdo não fiável e também pode agir. Desenhamos a fronteira das ferramentas para que um documento malicioso não se possa transformar numa ação destrutiva.

Como trabalhamos com os fornecedores de modelos

Não estamos presos a nenhum. Trabalhamos com os modelos Claude da Anthropic, com a OpenAI, com a Google e com modelos de pesos abertos a correr na sua própria infraestrutura, e desenhamos a integração para que o modelo seja uma peça substituível. Qual deve usar depende da tarefa, da latência de que precisa, do custo por chamada ao seu volume e (cada vez mais, o fator decisivo na Europa) de para onde os dados podem ir.

Para clientes com restrições de residência de dados, fazemos a implementação em regiões da UE ou com inferência alojada no seu próprio hardware, e dizemos-lhe com franqueza onde é que isso lhe custa capacidade.

O que não fazemos

Não somos uma consultora de estratégia de IA. Não organizamos workshops sobre o potencial transformador do que quer que seja.

Também não construímos um agente para um problema que não precisa de um. Uma parte significativa dos projetos de IA sobre os quais nos perguntam resolve-se melhor com uma integração de API bem especificada, um índice de pesquisa ou a correção do problema de qualidade de dados que está por baixo. Recomendá-lo custa-nos um contrato maior e poupa-lhe um sistema que teria de manter.

Onde isto costuma compensar

Conhecimento interno que existe na teoria e é inacessível na prática: milhares de documentos espalhados por uma wiki, uma pasta partilhada e um sistema de tickets, e a pessoa que sabe qual deles está atualizado está de férias.

Triagem de grande volume: filas de suporte, receção de sinistros, vendas recebidas, análise de candidaturas. Tudo aquilo em que hoje uma pessoa lê algo, decide o que é e o encaminha.

Sistemas que nunca tiveram integração: duas ferramentas que deviam comunicar, não comunicam, e o remendo é uma pessoa com uma folha de cálculo. Um agente com acesso MCP a ambas é muitas vezes um caminho mais curto do que um projeto de integração formal.

Operações com muitos documentos: contratos, faturas, especificações, entregas regulamentares. A extração com um passo de revisão humana já é hoje fiável o suficiente para mudar a economia destes processos.

Produtividade dos programadores no seu próprio código: ferramentas internas, apoio à revisão de código, geração de testes e servidores MCP que dão aos assistentes da sua equipa acesso ao sistema de build, ao gestor de issues e aos registos.

Como decorre o trabalho

Levantamento, de uma a duas semanas. Analisamos o processo que quer mudar, os sistemas envolvidos e o aspeto real dos dados. O resultado é uma avaliação escrita do que é viável, de quanto custará por mês a funcionar ao seu volume e de quais são os modos de falha. Às vezes, a conclusão é que não vale a pena construir.

Prova de conceito, de três a seis semanas, com dados reais num ambiente controlado. O objetivo não é uma demonstração. É um resultado de avaliação em que possa confiar, com um valor de exatidão medido sobre casos escolhidos por si.

Construção para produção, normalmente de oito a dezasseis semanas, incluindo autenticação, autorização, monitorização, infraestrutura de avaliação, controlo de custos e documentação. Implementado na sua infraestrutura, no seu repositório, com a sua equipa envolvida do princípio ao fim.

Operação ou passagem de testemunho. Ou a sua equipa fica com o sistema, com o runbook e o conjunto de avaliação, ou continuamos nós a operá-lo ao abrigo de um contrato de suporte. Os modelos mudam, os prompts degradam-se, e é o conjunto de avaliação que lhe diz quando algo piorou sem ninguém dar por isso.

Tecnologia

Python e TypeScript para agentes e MCP; PostgreSQL com pgvector, Qdrant, Weaviate ou OpenSearch para pesquisa; AWS Bedrock, Azure OpenAI, APIs diretas dos fornecedores e inferência alojada internamente com vLLM ou Ollama quando os dados não podem sair; rastreio baseado em OpenTelemetry; e, do lado da integração, a stack que já tiver, porque é aí que o trabalho realmente acontece.

Perguntas frequentes

O que é um servidor MCP, em termos simples?

Um pequeno serviço que disponibiliza uma capacidade (ler de uma base de dados, criar um ticket, pesquisar nos seus documentos) num formato normalizado que os assistentes de IA compreendem. Constrói-se um, e qualquer assistente compatível com MCP pode usar essa capacidade sem uma integração à medida para cada um.

Devemos construir um servidor MCP ou uma integração de API normal?

Se um assistente de IA precisa de um sistema, uma integração direta é mais simples. O MCP compensa quando vários assistentes ou várias equipas precisam dos mesmos sistemas, quando quer a capacidade disponível para ferramentas que ainda não escolheu ou quando quer um único sítio onde vivem as permissões e os registos de auditoria.

Como impedem um agente de fazer algo destrutivo?

Por camadas. As ferramentas que escrevem estão separadas das que leem, e as que escrevem têm o âmbito mais restrito que a tarefa permite. Tudo o que for irreversível passa por um passo de aprovação humana. Cada chamada fica registada com os seus argumentos. E o agente corre com uma identidade de serviço que tem apenas as permissões de que o trabalho precisa, pelo que o alcance de um erro fica limitado pelo seu próprio modelo de autorização e não pelo prompt.

Quanto custa pôr isto a funcionar?

Depende quase inteiramente do volume e de quanto contexto leva cada chamada. Modelamos isto na fase de levantamento com números reais, porque a diferença entre um desenho que envia o documento inteiro a cada interação e outro que vai buscar só a parte relevante pode ser de uma ordem de grandeza no custo mensal.

Isto pode funcionar sem os nossos dados saírem da UE?

Sim. Os principais fornecedores têm regiões na UE, e os modelos de pesos abertos podem correr em infraestrutura que a sua empresa controla. Há normalmente uma perda de capacidade, e dizemos-lhe concretamente qual é, em vez de fingir que não existe.

O nosso último piloto de IA não chegou à produção. Porque haveria este de chegar?

Normalmente porque o piloto provou que o modelo conseguia fazer a tarefa e nunca tocou na autenticação, nas permissões, no tratamento de erros, na avaliação ou no custo, que é onde estão os restantes noventa por cento do trabalho. Partimos do princípio de que o modelo funciona e dedicamos o projeto a tudo o resto.

Começar

Descreva o processo que quer mudar e os sistemas que envolve. Dizemos-lhe se um agente é o instrumento certo, como seria uma primeira versão realista e quanto custa construí-la e mantê-la a funcionar.

Contacte-nos para marcar uma sessão técnica de levantamento.

Serviços relacionados

Pronto para avançar com este serviço?

Contacte-nos
← Voltar a todos os serviços