Uma mudança de paradigma

Como é possível que o Claude Code seja tão experiente, que saiba tão bem como fazer tudo?

Em 1º de abril deste ano, pudemos ver pela primeira vez como a ferramenta era feita por dentro. Não foi por decisão da empresa, mas por um descuido. Em uma atualização, foi publicado, sem querer, um arquivo chamado source map. Para quem não programa, basta saber que se trata de um arquivo auxiliar usado pelos desenvolvedores para depurar erros. É uma espécie de mapa que permite reconstruir o código original a partir da versão compactada que é distribuída. Com esse mapa em mãos, qualquer pessoa poderia remontar o código-fonte completo.

Alguém percebeu, publicou nas redes sociais e, em seguida, havia cópias circulando por toda parte. Embora o arquivo tenha sido retirado rapidamente, já era tarde demais. Na internet, o que é publicado uma vez não é mais apagado.

Uma empresa avaliada em centenas de bilhões de dólares, com algumas das melhores equipes de engenharia do mundo, cometeu um erro de principiante. Imaginemos os erros que nós mesmos podemos cometer.

Mas o importante não foi o erro. O importante foi o que ele revelou.

Muitos esperavam encontrar uma fórmula secreta, algo sofisticado e inatingível. O que apareceu foi outra coisa. Boa parte da "magia" não estava no modelo, mas em tudo o que o rodeia. Instruções escritas com muito cuidado, um conjunto de ferramentas que o modelo pode usar (ler arquivos, executar comandos, buscar informações) e um ciclo que lhe permite agir, analisar o resultado e se corrigir.

Saber que outras pessoas poderiam estudar essa arquitetura foi, para mim, libertador. Não porque eu comemore o erro, mas porque sou daqueles que acham que, quando algo está muito bem feito, precisa estar ao alcance do mundo. O que se aprende é compartilhado, melhorado e multiplicado.

O Claude Code é como ter um programador especialista sentado ao seu lado, capaz de ler seus arquivos, escrever código, executar comandos e corrigir erros, tudo isso conversando em linguagem natural. Mas ele também pode redigir os termos e condições de privacidade do seu site, ou todo o processo de vendas da sua empresa, ou revisar toda a sua carteira de clientes e organizá-la do que mais compra ao que menos compra.

Ele não esquece de nada enquanto trabalha. Pede permissão antes de agir. Conhece seu projeto. Possui ferramentas reais, não apenas palavras. Pode ler seus arquivos, editá-los, executar comandos reais, como instalar um banco de dados, pode navegar na internet e trazer qualquer conteúdo de um site.

Não estamos fazendo perguntas e lendo respostas — neste caso, delegamos tarefas concretas e reais para serem executadas, e ele vai nos atualizando em tempo real sobre o progresso até concluir. E se algo der errado, ele pode desfazer. Isso é tão valioso quanto poder fazer.

O Claude Code pode ser usado por terminal, aquela tela preta onde se digitam comandos. Também pode ser usado a partir de seu aplicativo nativo para desktop. Sua interface é muito intuitiva, então não há desculpa para não experimentá-lo.

Quando já estava mais avançado no uso da ferramenta, decidi revelar o segredo ao meu sócio da Wispro.

A revelação

Você não pode deixar de usar o Claude Code.

Ele é engenheiro de sistemas, apaixonado por processos e formalidades. Eu estava lhe dando uma ferramenta para organizar tudo e automatizar tarefas repetitivas, que, embora ele gostasse de realizá-las, sempre preferiu automatizá-las. Era como dar uma Ferrari para alguém que adora dirigir.

Meu sócio gosta muito de processos e é supercriativo para projetá-los. Agora, todos esses processos que ele vem projetando estão muito mais automatizados com IA.

Há alguns dias, pensando no aplicativo que ele mesmo criou para processar pagamentos, ele adicionou a funcionalidade de uma nova tentativa de cobrança nos cartões dos clientes inadimplentes, tudo usando o Claude Code. Esse é um processo manual de cinco minutos para cada caso; eu também fiz essa tarefa durante anos e sempre pensei em como não seria possível automatizá-la. Meu sócio fez isso em uma tarde.

Acho que isso foi numa quinta-feira. Nos encontramos na segunda-feira, e a cara dele, com os olhos esbugalhados e de sono em falta, era mais do que evidente.

"Não me diga nada, você ficou sem parar os quatro dias fazendo coisas", eu disse.

"Sim. Cheguei cinco vezes ao rate limit de tokens", ele me disse.

O Claude deixa você trabalhar, mas controla para que você não use todos os tokens sozinho. Ele te dá janelas de 5 horas, 24 horas e 7 dias para que você não abuse da gentileza dele. Ter atingido o limite 5 vezes em 4 dias diz tudo: ele usou muito.

É um padrão que tenho visto se repetir com cada pessoa que descobre a ferramenta. No dia em que você começa, são de três a sete dias sem parar. Brinquedo novo. Você não dorme bem. Come qualquer coisa. Cancela planos. Sua família pergunta o que está acontecendo com você. E você não consegue explicar porque o que está fazendo é tão novo que não tem palavras para descrever.

Todo mundo na empresa agora está enlouquecido, usando IA o dia inteiro, todos os dias. Eles postam fotos no Instagram mostrando que é fim de semana e que estão conectados. Os primeiros meses são de loucura. A dependência é total. É dopamina instantânea. Cada tarefa resolvida te dá uma satisfação que te impulsiona a resolver a próxima. Você não consegue parar.

Nesses três dias, meu sócio organizou a forma de processar pagamentos que chegavam pelo WhatsApp com fotos de comprovantes. O problema já era antigo. Os clientes enviam uma foto do comprovante de pagamento pelo WhatsApp, e alguém precisava abrir essa foto, ler os dados, verificar o valor, procurar o cliente no sistema, inserir manualmente e confirmar o recebimento. Esse processo levava pelo menos 5 minutos por pagamento. 100 pagamentos por dia. 8 horas de trabalho de uma pessoa. Apenas para inserir comprovantes. Um processo que qualquer empresa conhece e que todos evitam...

Meu sócio desenvolveu um aplicativo para resolver esse problema. Os clientes enviam seus comprovantes de pagamento pelo WhatsApp, como já faziam. Alguém da equipe os baixava e os carregava no aplicativo, e a partir daí o aplicativo assumia o controle. A IA lia cada comprovante e extraía todos os dados, como o valor, a data, o banco e o número da operação. Em seguida, verificava se tudo fazia sentido e se os dados coincidiam entre si.

Com esses dados, o aplicativo acessava o Stripe¹, buscava a fatura pendente desse cliente e verificava se o pagamento correspondia ao valor devido. Só então o comprovante aparecia em uma tela simples, pronto para ser revisado por uma pessoa. Se tudo estivesse correto, bastava aprová-lo e o pagamento era automaticamente lançado nessa fatura.

Era o mesmo processo que antes era feito manualmente, comprovante por comprovante, mas em segundos, em vez de minutos. O cliente continuava pagando como sempre, e a única etapa manual que restava era enviar o arquivo. Tudo o que antes levava tempo era resolvido pelo aplicativo, e a decisão final continuava sendo humana. A IA fazia o trabalho pesado e a pessoa supervisionava.

Três meses depois, essa ferramenta já era outra coisa. Ela cresceu muito e continua ganhando novas funcionalidades.

Sempre pensem na tarefa que mais se repete e que é mais fácil de fazer. Que atenda a essas duas condições e deixem-se levar. A diferença entre perguntar à IA como fazer algo e fazer isso no Claude Code é que o Claude Code, de fato, faz. Ele não te dá um plano. Ele te dá o resultado.

A família de modelos do Claude conta com o Opus, que é o mais inteligente, para pensar a fundo e resolver problemas; eu o uso o tempo todo. O Sonnet serve para tarefas mais repetitivas. O Haiku é o mais leve, para respostas rápidas. E o Fable é para tarefas extremamente complexas, mas por isso também é mais caro. Cada modelo tem seu momento. O segredo é saber quando usar qual.

O Claude consegue ler arquivos, imagens e PDFs. Você copia uma imagem, cola nele e pergunta "como resolvo isso?"; o modelo interpreta a imagem, detecta padrões e responde. Ele consegue procurar texto dentro de arquivos, criar arquivos e pastas. Pode editar totalmente ou parcialmente, além de comparar e mostrar as diferenças. Ele é muito rápido no processamento de arquivos enormes e na identificação de pequenas diferenças que levariam horas para um ser humano encontrar. Os modelos de outras empresas também conseguem fazer isso.

Mas, para mim, o maior poder dele é elaborar um plano. Avaliar todas as opções, mencioná-las, escolher uma e justificar o motivo. Planejar é uma capacidade muito complexa, e os planos dele quase sempre dão certo.

Ele pode executar scripts, miniprogramas que ele mesmo cria para agilizar tarefas, como extrair conteúdo de um site de notícias. Pode instalar, por linha de comando, qualquer programa que você precisar, como Python ou DuckDB. Com esses recursos, ele praticamente pode fazer qualquer coisa. E o que ele não consegue fazer hoje, provavelmente poderá fazer na próxima versão.

Esse é o ritmo de evolução dessa ferramenta. Cada atualização traz recursos que, um mês antes, pareciam impossíveis. E isso gera uma sensação estranha. Por um lado, gratificante, porque ela melhora. Por outro, exaustiva, porque você nunca termina de aprendê-la.

Construindo soluções

Vou contar o caso de um colega que trabalha na minha equipe. Ele não é programador, é autodidata. Trabalha na IXC Soft, no Brasil. E, desde que ele entrou, recebi comentários muito positivos sobre seu desempenho como assistente comercial na prospecção de clientes, que foi sua primeira função na empresa.

Sua trajetória estava mais voltada para automatizações; essa área sempre o atraiu mais. É o tipo de pessoa que adora tecnologia, explora, estuda e pesquisa de forma autodidata. Nem todos somos assim, mas aqui vai a história. E é uma das minhas favoritas, porque mostra exatamente como alguém sem formação em programação pode resolver um problema que normalmente é tratado por equipes de programadores.

Eu, como comercial, cuido das feiras e dos eventos. Um problema recorrente era que não dava tempo suficiente para atender às pessoas que faziam consultas no estande, mostrar o produto a elas, negociar a venda, registrá-la e cobrar delas. Se você tem que fazer isso com 80 pessoas por dia, claramente está em apuros. Eram jornadas exaustivas em que você sabia que estava perdendo vendas por não conseguir fechá-las a tempo. Era um caos. Na metade das vezes, você nem conseguia registrar com quem havia falado.

Você perdia leads ou, se anotasse algo, não sabia no que a pessoa estava interessada, o porte da empresa dela ou detalhes adicionais. Tínhamos formulários e nos esforçávamos para preenchê-los, mas, depois de três dias de feira, o cérebro já não respondia mais.

Ele nos ouvia reclamando nos chats sobre como era difícil fechar uma venda devido ao tempo que levava para concluir todo o processo até conseguirmos cobrar dos clientes que compravam. Foi aí que ele começou a dedicar parte do seu tempo para entender o problema e elaborar uma solução.

Ninguém pediu que ele fizesse isso. Ele fez porque percebeu um problema e tinha conhecimento das ferramentas de Inteligência Artificial disponíveis para resolvê-lo.

Alguns dias antes da feira mais importante de todas, realizada em Cartagena de Índias, ele nos ligou para nos mostrar algo que havia preparado. No começo, duvidei do que ele tinha, mas suas colegas de equipe me diziam: "Leo, você precisa ver isso, está incrível, estamos usando no dia a dia."

Foi alguns dias antes da feira que compreendi o potencial do que ele havia criado. Foi então que o parabenizei pelo que fez. Às vezes é difícil enxergar coisas novas, como se o mundo fosse apenas o que você tem à mão e nada mais.

Ainda me lembro daquele dia. Ele nos apresentou um calculador de cotação de produtos montado em um site sobre a Lovable, desenvolvido 100% por ele. Tudo interativo. Dava para escolher os produtos, as opções e calcular a cotação na tela com botões e cores. Dava para inserir um WhatsApp e um e-mail para que o cliente recebesse um PDF com a cotação. Além de registrar todos os dados dele, que depois serviam para acompanhamento, sabíamos o que ele havia tentado comprar, quais produtos, os preços finais e o desconto da feira.

Em cinco minutos, fazíamos o que antes levava vinte. E o cliente saía com tudo na mão. Naquela feira, demos um grande passo em termos de organização e otimização de tempo, aproveitando ao máximo para conseguir novas vendas.

O que antes era um caos de papéis, formulários pela metade e dados perdidos, transformou-se em um processo organizado, rápido e profissional. Os clientes ficavam surpresos. "Isso vocês mesmos fizeram?", nos diziam. E nós concordávamos com orgulho, sabendo que tudo tinha sido feito por uma única pessoa com uma ferramenta de IA, em duas semanas, sem orçamento.

O Lovable é uma plataforma que permite criar aplicativos web usando linguagem natural, sem necessidade de programação. Você descreve o que quer e a IA gera o código, o design e toda a funcionalidade. Não é a única, já existem mais concorrentes, mas foi a primeira, a disruptiva. Já vi muitas soluções feitas dessa forma, por não programadores, desenvolvidas por pessoas como qualquer um de nós, os não programadores. Pessoas que têm um problema, o descrevem com palavras e a IA o transforma em um aplicativo funcional.

Atrevam-se a criar seu primeiro aplicativo. Sério. Não estou dizendo isso como uma frase motivacional vazia. Digo isso porque já vi isso acontecer dezenas de vezes. Pessoas que nunca haviam escrito uma linha de código criando aplicativos funcionais em uma tarde. Mesmo que seja para gerenciar o orçamento doméstico, onde todos possam registrar as despesas e que haja alertas por e-mail quando uma despesa ultrapassar um determinado limite.

Já vi desenvolvimentos muito complexos feitos dessa forma, com integrações de múltiplas APIs. Uma API é um intermediário que permite que dois sistemas se comuniquem entre si sem saber como o outro funciona internamente. As APIs conectam tudo por meio de um formato padrão que é o JSON, basicamente um objeto de JavaScript, a linguagem universal que todos os modelos entendem, falam e escrevem. Sempre tentem resolver um problema real para que o aplicativo ganhe vida depois. A versão um é sempre básica. O importante são as versões posteriores, aquelas que trazem melhorias. Cada iteração ensina algo novo e a solução vai sendo aprimorada.

O cotizador, então, incorporou um processo conectado a APIs que registrava o cliente em tempo real no Wispro, gerava as notas fiscais das compras e enviava pelo WhatsApp os links para efetuar os pagamentos com cartão de crédito. Isso não existia no primeiro dia. Foi o resultado de iterações, pesquisas e da obtenção dos endpoints, o endereço URL específico onde uma API recebe solicitações. Sem os endpoints, não dá para avançar. Mas, uma vez que você os tem, as peças se encaixam. Como tudo o que a gente começa a construir, vai sendo feito aos poucos.

O primeiro prompt foi criado em 20 de fevereiro de 2026. A feira seria em 9 de março. Ele tinha apenas duas semanas. Conseguiu fazer rapidamente, usando as ferramentas gratuitas disponíveis hoje e sem precisar da ajuda de outras pessoas — isso é algo característico: ver pessoas que, sozinhas, desenvolvem soluções que antes talvez precisassem de 2 ou 3 pessoas. Fazer o mesmo na era pré-IA teria exigido um esforço de desenvolvimento de software muito maior do que o de hoje.

Muitas empresas já começaram a automatizar processos-chave. Um amigo me disse: "Leo, estou há meses como uma criança com presente de Natal." Ele está usando o Claude Code para fazer coisas na empresa dele. Ele é da Costa Rica, uma pessoa que está sempre em busca de novas tecnologias e experimentando coisas novas. Sua personalidade ajuda a avançar nesse caminho. Nem todos temos essa facilidade, mas podemos tomar a decisão de começar.

Outro caso que gostaria de comentar é o da Klari. Lá foi automatizado todo o suporte prestado aos clientes quando se detecta que o bot ou agente respondeu incorretamente. Sempre que isso acontece, é preciso revisar toda a conversa, a documentação usada para treinar o bot, os prompts dos agentes que intervieram, as solicitações via API que foram feitas; tudo isso manualmente leva muito tempo e é muito fácil cometer erros ou interpretar mal alguma informação, que precisa ser revisada simplesmente para entender por que a resposta foi incorreta.

Para automatizar e facilitar essa tarefa de suporte, criaram um servidor MCP², que é como uma API, mas otimizado para que a IA o utilize com facilidade. Assim, agora o trabalho de suporte consiste em usar o Claude Code para que ele analise um ticket, traga todos os metadados associados, busque todas as informações complementares ao problema, diagnostique o que pode estar acontecendo, utilize habilidades pré-carregadas para entender os caminhos de diagnóstico e, finalmente, proponha caminhos alternativos para uma possível solução. Esse processo, que antes era feito manualmente, levava entre 30 e 40 minutos para uma pessoa muito bem treinada no produto. Com a IA, esse tempo foi reduzido para 5 minutos. Não se trata apenas de tempo, mas também de eficácia, já que, com o Claude, a margem de erro é muito menor do que quando era feito por uma pessoa.

Antes, eles consertavam uma coisa, mas talvez estragassem outra. Agora, a própria IA executa os testes, verifica se a correção funciona e só então encerra o caso. Ela não encerra até ter certeza. Isso é uma mudança radical.

Conversando com clientes da Wispro esta manhã, perguntei a cerca de dez se já estavam usando IA em algum processo ou se haviam desenvolvido alguma solução, mesmo que mínima. Dos dez, cinco já haviam feito algo. Os outros cinco, não; ainda nada. Metade já começou e a outra metade ainda observa de fora.

E voltamos ao ponto de partida. As empresas vão se dividir cada vez mais entre aquelas que usam IA e as que não usam. A competitividade e a eficiência que uma IA bem implementada proporciona são exponenciais. Não se trata de que algumas crescerão menos e outras mais. Trata-se de que aquelas que não a utilizam vão desaparecer. Parece duro. As empresas que adotam a IA desde cedo não apenas melhoram, mas também mudam as regras do jogo para todo o seu setor.

Já sabemos que é possível. Existem casos reais. A bola está do nosso lado. Só falta decidir avançar hoje com alguma coisa. E aqui quero ser direto: não é preciso ter um problema complexo. Não precisa ser algo que mude seu negócio para sempre. Precisa ser algo que te incomode. Uma tarefa que você detesta realizar. Uma planilha que você odeia preencher. Um processo que rouba meia hora do seu dia todos os dias e que você faz no piloto automático.

Aí está seu primeiro projeto com IA. Estabeleça uma primeira meta e comece. A IA é muito boa em traçar planos. Na verdade, se você não sabe por onde começar, pergunte à IA por onde começar. Todos os meus projetos novos começam mais ou menos assim — eu pergunto a qualquer um dos modelos o que preciso fazer e peço que me recomende por onde começar. Na maioria das vezes, me dá um pouco de luz para arrancar. Uma vez que você começa, tudo vai se destravando mais rápido e você se sente motivado porque vê que vai tomando forma.

Um exemplo pode ser copiar o extrato do seu banco e fazer uma conciliação bancária com os pagamentos dos clientes. Carregue o arquivo dos seus clientes junto com o CSV dos seus movimentos bancários e peça ao modelo para dizer se todos já pagaram ou não.

Eu já usei o Claude Code até para montar a declaração de imposto de renda, mas números são um assunto delicado, então não podemos confiar cegamente no resultado que a IA nos dá.

Um modelo de linguagem não garante que o que diz seja verdade. Ele pode responder com total segurança e estar errado. Se eu perguntar se um número está correto e ele me disser que sim, esse "sim" não vale nada até que eu verifique. Não podemos confiar em um dado só porque a IA o afirma.

O que faz a diferença é o trabalho prévio. No meu caso, primeiro reuni todas as informações de origem: os extratos bancários do ano, os relatórios do Stripe e as notas fiscais de despesas. Depois, pedi ao modelo que procurasse cada movimento nesses documentos e o classificasse de acordo com uma lista de categorias que eu havia definido anteriormente. Se um valor não aparecesse em nenhum extrato ou não se encaixasse em nenhuma categoria, ele era marcado para ser revisado manualmente. Só então a resposta se tornou confiável, pois cada número podia ser rastreado até sua fonte.

Isso tem um custo. Cada tarefa exige um trabalho extra de validação, passo a passo, e não há atalhos. A primeira tentativa quase nunca sai perfeita, mas ensina como a ferramenta funciona e onde ela erra, e isso já vale muito.

Sempre comece dividindo o problema em pequenas partes e parta de uma delas. Apenas uma. Não três, não cinco. Uma. Se funcionar, passe para a próxima. Se não funcionar, ajuste e tente novamente. Não fique frustrado se a primeira tentativa falhar. Nem a segunda. A iteração é algo natural no processo de uso da IA — é preciso ir e voltar várias vezes para obter o resultado desejado. A iteração sempre existiu nos processos de desenvolvimento de software, mas agora é uma constante muito mais veloz do que antes.

Muitas vezes vai acontecer de a IA não te entender. Isso não é responsabilidade dos modelos. É responsabilidade de quem faz o pedido, de quem insere o prompt.

Engenharia de prompts

Pense nisso mais ou menos assim. Se você pedir a alguém para preparar algo gostoso, essa pessoa vai trazer o que ela achar gostoso. Mas se você disser "faça pra mim uma milanesa à napolitana com batatas fritas crocantes e sem cebola", a probabilidade de ela trazer exatamente o que você quer é altíssima. Com a IA acontece a mesma coisa. Quanto mais preciso você for, melhor ela responde. Quanto mais vago for o pedido, mais ela inventa.

Isso é tão importante que chegou-se a falar de "prompt engineering" como uma especialidade: a arte de escrever instruções claras e precisas para obter melhores resultados do modelo. O importante é saber explicar, saber se comunicar, falar com palavras simples e ideias bem claras. E, como toda comunicação, tem suas regras. Possui elementos-chave que não podem faltar.

O papel: diga expressamente "você é um especialista em eletrodomésticos". Ao atribuir um papel, o modelo ajusta seu vocabulário, seu nível de detalhamento e seu tom. Não é a mesma coisa falar como especialista em aquecimento central do que como especialista em jogos de PC.

O contexto: diga a marca, o uso que você faz do aparelho e o que você quer consertar. Sem contexto, a IA responde de forma genérica. Com contexto, ela responde especificamente para você.

A tarefa: peça um plano passo a passo para, por exemplo, purgar um radiador do aquecimento. Seja específico quanto ao resultado esperado.

O formato: como você quer que a resposta seja construída, seja como uma lista, um texto simples, uma tabela ou um arquivo Markdown. O formato é tão importante quanto o conteúdo.

Os limites: certifique-se de que ela não coloque em risco o aparelho que você está tentando consertar. Os limites evitam que a IA se desvie do assunto e retorne algo de que você não precisa.

Esses cinco elementos parecem simples quando lidos, mas, na prática, fazem toda a diferença. No início, eu escrevia prompts de uma linha e ficava frustrado com os resultados. "Faça um resumo disso" e ele me devolvia algo genérico. Quando comecei a estruturar minhas solicitações com esses elementos, a qualidade das respostas mudou radicalmente. É como a diferença entre pedir informações a alguém dizendo "como chego lá?" versus "como chego da Praça San Martín ao aeroporto de carro, sem usar a rodovia, em menos de 40 minutos?". A segunda pergunta sempre traz uma resposta melhor.

Se você fizer tudo isso, terá grandes chances de obter o que chamamos de one shot, a primeira resposta perfeita, sem precisar repetir a tentativa mais cinco ou dez vezes. Esse é o objetivo. Não brigar com a IA para que ela te entenda, mas dar a ela tudo o que precisa para que responda bem na primeira tentativa.

Meu primeiro prompt complexo foi um que criei para categorizar as conversas no Klari e encaminhá-las a agentes especialistas em cada assunto. Isso leva a outros prompts mais específicos. Foi um grande desafio, e esse trecho de código ainda está lá. Li bastante para entender isso, mas, quando consegui, funcionou desde o primeiro momento. Levei mais tempo para escrever aquele prompt do que para obter o resultado. O trabalho com IA não está em esperar pela resposta, mas em formular bem a pergunta.

O "one shot" é uma sensação muito gratificante. E, uma vez que você experimenta isso, não quer mais escrever prompts vagos nunca mais. Se formos criativos, poderíamos pedir que o resultado fosse escrito em HTML para visualizá-lo no navegador, com cores e imagens, montando assim uma apresentação profissional.

Até aqui, vimos como as ferramentas funcionam, como usá-las e tirar proveito real delas. Mas tudo o que fizemos até agora foi dentro do nosso pequeno mundo, da nossa empresa, do nosso projeto.

Agora é hora de levantar a cabeça e olhar para fora. Porque enquanto aprendíamos a usar a IA, o mundo inteiro estava mudando ao nosso redor. E o que está acontecendo lá fora é muito maior do que qualquer calculadora de cotação ou qualquer automação.

1. Stripe. Plataforma de pagamentos que permite às empresas receber pagamentos pela internet e gerenciar faturas e assinaturas. https://stripe.com ↩
2. MCP (Model Context Protocol). Protocolo aberto que permite conectar aplicativos de inteligência artificial a fontes de dados e ferramentas externas por meio de uma interface padronizada. https://modelcontextprotocol.io ↩