07 / Operação · Agente de IA · MCP · LangGraph · Pessoa no circuito
Resposta a RFx com score de confiança
Questionários de segurança, RFIs e RFPs viram um pipeline governado: cada pergunta é classificada por risco, respondida só a partir de fontes aprovadas, pontuada e encaminhada à pessoa certa antes de qualquer coisa sair.
- Status
- Piloto
- Papel no projeto
- Arquitetura e desenvolvimento ponta a ponta
- Stack
- TypeScript
- NestJS
- Fastify
- LangGraph.js
- Claude (Vertex AI)
- MCP + OAuth
- Cloud Run
- Cloud SQL Postgres
- Firestore
- Vertex AI Search
- Cloud Storage
- Google Drive API
- Slack
Números do projeto
- pedidos atendidos por mês
- ~11
- esforço manualestimativa*
- −44%
- liberadas por anoestimativa*
- 461 h
* Estimativa: vem do business case feito no início do projeto, não de medição em produção.
Nomes de empresas, clientes e pessoas foram omitidos.
I / O problema
Cada questionário mobilizava de 2 a 5 pessoas entre pré-venda, segurança e jurídico, levava cerca de 7 dias e era descartado depois do envio. As perguntas mais arriscadas (segurança, compliance) eram justamente onde a IA usada de improviso era menos confiável, às vezes inventando números ou misturando documentação de produtos.
II / A solução
Um serviço exposto ao assistente de IA do usuário como conector MCP. O usuário cola o link do questionário; um grafo durável extrai cada pergunta, classifica em um de quatro níveis de risco, rascunha respostas só a partir de uma biblioteca aprovada e da documentação pública, calcula uma nota de confiança e encaminha cada linha para aprovação automática, revisão do usuário, revisão de especialista ou condução humana. Quando todas as aprovações chegam, o serviço gera o arquivo final e propõe novas entradas para a biblioteca.
Fluxo
Como funciona
resposta-rfx.workflow
- gatilho
- processo
- IA
- pessoa
- saída
01gatilho
Entrada
O usuário chama start_rfx no chat; a chamada volta em menos de 1 s e o grafo segue sozinho.
02processo
Classificação
Cada pergunta recebe um nível de risco (1 a 4) e uma política dizendo o que o modelo pode tocar.
03IA
Rascunho por pergunta
Em paralelo: busca, rascunho, checagem das afirmações contra os trechos citados, consistência com respostas aprovadas, nota e rota.
04processo
Cópia de trabalho
Rascunho, nota, evidência, rota e responsável sugerido escritos célula a célula numa planilha de revisão.
05pessoa
Revisão
O grafo pausa. Especialistas aprovam ou rejeitam linhas; as rejeitadas são refeitas e rechecadas na retomada.
06saída
Finalização
Recusa enquanto houver linha obrigatória sem aprovação e diz quais. Depois gera o arquivo final; o original nunca é tocado.
07processo
Aprendizado
Respostas aprovadas são anonimizadas, deduplicadas e propostas para a biblioteca; nada entra sem confirmação.
Em detalhe · A nota de confiança
Lastro é o portão. A nota se calcula, não se declara.
Mexa nos controles para ver como a nota se comporta. Fonte vencida ou afirmação contradita derrubam o teto para 60, por melhor que o resto esteja.
nota = 100 × lastro × cobertura
Quanto das afirmações está sustentado pelos trechos citados.
Quanto da pergunta a resposta efetivamente cobre.
Nota
77
Teto de 60 aplicado
Rotas possíveis
- Aprovação automática
- Revisão do usuário
- Revisão de especialista
- Condução humana
Quem aprova depende do nível de risco da pergunta, definido numa configuração versionada com revisão de compliance.
Ilustração da fórmula do projeto.
Decisões técnicas
O que faz o fluxo ser confiável
- 01
Sem fonte, sem resposta.
Se a busca não encontra nada relevante, a linha vai para uma pessoa. O modelo nunca responde de memória.
- 02
O lastro é o portão.
nota = 100 × lastro × cobertura, com teto de 60 se alguma fonte venceu ou alguma afirmação foi contradita. Concordância entre rascunhos é só um sinal auxiliar.
- 03
Duas políticas independentes.
O nível de risco decide quem aprova; a política de dados decide o que o modelo pode processar. As duas ficam numa configuração versionada, alterada por pull request com revisão de compliance.
- 04
Pausa e retomada duráveis.
Checkpoints do LangGraph no Postgres mantêm a execução viva por dias de revisão e retomam um nó que caiu do último checkpoint.
- 05
Idempotente por construção.
Nós de interrupção não fazem mais nada; toda escrita no Drive mira um endereço de célula; uma pergunta que falha nunca derruba o questionário inteiro.
- 06
Contenção de prompt injection.
Questionários são texto de terceiros, então as chamadas ao modelo não têm ferramentas. Texto injetado, no máximo, gera um rascunho ruim que o verificador e uma pessoa veem.
- 07
Menor privilégio.
A conta de serviço é membro de um drive, um bucket e do projeto de IA, nada mais. O chat carrega contagens e intervalos de linhas, não o texto das respostas.
- 08
Base de conhecimento que acumula.
Entradas em Markdown com nível, fontes, aprovador e validade, indexadas no Vertex AI Search; validade padrão de 12 meses para certificações e 6 para fatos de produto.
Resultado
Perguntas de rotina saem rascunhadas com confiança, as de alto risco chegam ao especialista certo com a evidência anexada, e cada questionário concluído deixa o próximo mais barato em vez de ir para o lixo.
Qual destes fluxos resolve o seu gargalo?
Quatro perguntas e uma calculadora. A recomendação sai na hora, a partir do seu processo.