0807 | IA no Slack: agentes, guardrail e controle de gastos

Sofia Almeida: Olá e bem-vindos ao Product Hunt diário, o podcast da Bri. Eu sou Sofia Almeida.

Rafael Costa: E eu sou Rafael Costa. Hoje temos um episódio cheio de novidades para quem vive de inteligência artificial. Vamos falar do CopilotKit Channels SDK, que promete levar qualquer agente de IA para Slack e Microsoft Teams, e também do Shieldstral, o novo guardrail multimodal de pesos abertos da Mistral AI.

Sofia Almeida: E ainda tem mais: o Superlog Responder, um agente open-source de correção de bugs, o AI Spend Console da Rippling para controlar gastos, e o destaque do dia, o UCP Radar, que deixa catálogos de e-commerce legíveis para agentes.

Rafael Costa: Fechamos com o Brandfetch MCP, a Website to Markdown API, o Token Harbor e o app Annotate para macOS. Muita coisa boa esperando por você — vamos começar.

Sofia Almeida: Começando pelos canais onde conversas de trabalho realmente acontecem. O CopilotKit lançou hoje o Channels SDK, e a promessa é simples: você pega o agente de IA que sua equipe já construiu e ele passa a responder diretamente dentro do Slack, do Teams, do WhatsApp ou do Discord, com interface interativa — botões, formulários e gráficos — em vez de um monte de texto jogado no chat.

Rafael Costa: E o problema que eles identificam é exatamente o que muita gente vive na prática: a equipe investe para construir um bom agente, mas quando precisa levar ele de um framework para outro, ou de uma plataforma para outra, é reescrita total. E ainda assim, a interação real acontece onde o time já está, nos grupos de chat. Então o agente acaba ficando escondido num painel separado.

Sofia Almeida: Exato. A proposta elimina essa separação. Você marca o agente num thread e ele responde ali mesmo, usando a interface nativa de cada canal. E o detalhe técnico interessante: a interação é descrita uma única vez, e o sistema a renderiza como um bloco no Slack, um cartão adaptativo no Teams, sempre no formato específico daquela plataforma.

Rafael Costa: Para quem tem o agente pronto em alguma das grandes estruturas — OpenAI Agents, Claude, LangChain, Mastra —, a integração cobre praticamente tudo, inclusive qualquer agente que fale o padrão AG-UI. E há controles úteis para fluxo real de trabalho, como aprovações humanas antes de o agente efetivamente agir, aprendizado por usuário e respostas em streaming.

Sofia Almeida: O SDK é gratuito, open-source, licenciado em MIT e auto-hospedável. E a configuração inicial foi pensada para ser direta: o caminho declarado é você pedir para o assistente ler o guia oficial e te ajudar a montar o primeiro canal — com um único comando instalando a habilidade.

Rafael Costa: E se copiar o agente para outro canal já é dor de cabeça, definir o que ele pode e não pode responder é outro calo. A Mistral lançou o Shieldstral, um guardrail multimodal de pesos abertos, com 3 bilhões de parâmetros, que muda a lógica de como a segurança de um modelo é configurada.

Sofia Almeida: O ponto central é que "seguro" varia de produto para produto. Um aplicativo infantil, uma ferramenta de cibersegurança e uma plataforma de saúde mental enxergam o mesmo conteúdo de formas muito diferentes. A maioria dos guardrails grava uma lista fixa de categorias de dano diretamente nos pesos do modelo — e, se o contexto muda, é preciso retreinar.

Rafael Costa: O Shieldstral faz diferente: a política de segurança entra como uma pergunta em linguagem natural no momento da inferência, sem retreino. Cada pedido tem três partes: as instruções de avaliação — quão rígido ser e o que define algo como inseguro —, a pergunta de sim ou não, do tipo "este conteúdo promove violência física?", e o material a julgar, que pode ser um prompt, uma resposta, ou até uma imagem com texto.

Sofia Almeida: E ele lê só os sinais de sim e não, transformando isso num escore de segurança contínuo e calibrado. Uma única interface cobre texto, imagem e os dois juntos, e unifica várias tarefas — classificar o prompt, moderar a resposta, detectar recusa e toxicidade.

Rafael Costa: Com 3 bilhões de parâmetros, roda localmente em uma única GPU de 16 gigas. E a Mistral afirma que o modelo iguala ou supera guardrails abertos até sete vezes maiores em segurança textual e capacidade de adaptar a política — um novo padrão em moderação multimodal, segundo eles.

Sofia Almeida: Depois de interceptar conteúdo, as equipes também precisam corrigir bugs. E o Superlog Responder é um agente de correção de bugs com IA, gratuito e open-source, que se conecta ao canal de Slack do Sentry ou do Datadog que o time já usa — sem instalar telemetria nova, com sincronização em um clique.

Rafael Costa: A cada alerta, o agente investiga com o contexto completo, filtra ruído e, para os problemas reais, responde no próprio thread com a causa raiz, as evidências e um pull request pronto para ser mesclado. E tudo é customizável: os prompts, a memória, o acesso ao repositório e as regras de escalonamento. Segundo o cofundador, a ideia é que o time construa seu próprio agente de debugging — não que alugue o deles.

Sofia Almeida: E o design veio do feedback do primeiro lançamento. Os usuários já tinham telemetria e alertas no Slack — eles não queriam outro painel para clicar. Só queriam o bug corrigido. Há também uma opção em nuvem para quem não quiser fazer o deploy, e a equipe estava onboardando times iniciais manualmente na semana do lançamento.

Rafael Costa: Sobre resultados, é bom separar o que é verificado do que não é. Um comentarista relatou ter usado o beta por alguns dias e achado ótimo. Outro atribuiu ao produto uma taxa de mesclagem de pull requests acima de 90% — mas isso é afirmação da comunidade, não um número verificado. E ficam perguntas em aberto: como evitar que a IA gere novos bugs, ou como impedir que uma correção tecnicamente correta desrespeite a arquitetura e os padrões de código do time.

Sofia Almeida: E um dos maiores pontos cegos das equipes de engenharia é o orçamento. O AI Spend Console, da Rippling, lançado no Product Hunt, é uma ferramenta para líderes de finanças e engenharia acompanharem o que se gasta com IA em ferramentas como Claude e Cursor — e conectarem esse gasto a resultados de negócio.

Rafael Costa: A ideia central: dividir os custos por fornecedor, modelo ou funcionário, e relacionar o gasto aos dados de saída do GitHub — volume de pull requests, número de revisões de código. O início é gratuito e não exige assinatura da Rippling. E quem está por trás conta que a empresa enfrentou o problema internamente: finanças puxava dados manualmente de vários painéis de fornecedores, com análises avulsas, sem saber quais times, departamentos ou modelos impulsionavam o aumento.

Sofia Almeida: A ferramenta mapeia o gasto com IA para atributos de funcionário — departamento, time, cargo — e para dados do GitHub. Gera painéis personalizados pela própria IA deles, aceita perguntas de acompanhamento em linguagem natural e ainda permite aplicar políticas de limite de tokens e de acesso a modelos com base em dados organizacionais.

Rafael Costa: E na comunidade, gestores de times pequenos de engenharia contam que a conversa de orçamento com finanças acaba virando adivinhação por falta de uma fonte única de verdade. Um deles disse que um painel ligando gasto diretamente a produção de código daria algo concreto para mostrar ao CFO que cobra prova de que as ferramentas de IA valem as licenças — uma ponte direta entre o custo e o resultado.

Sofia Almeida: Vamos ao UCP Radar, uma ferramenta que quer resolver um problema bem específico de quem vende online: fazer com que robôs de compra, como o ChatGPT, o Perplexity e as próprias áreas de compra do Google, entendam o catálogo da loja. O criador, que tem 18 anos de experiência com marketing digital e Google Shopping, diz que o feed é a parte que decide se a campanha funciona. E ele aponta o problema direto: os títulos dos produtos são escritos para olhos humanos, as descrições vêm cruas do sistema de gestão de conteúdo, e campos importantes ficam vazios — material, faixa etária e até atributos pensados para inteligência artificial, como destaques do produto e descrição em formato de perguntas e respostas.

Rafael Costa: E o detalhe é que o Google aceita o feed mesmo assim, certo? O criador usa uma expressão interessante: "aceito" é uma barra bem baixa. A loja só descobre o problema quando um cliente pergunta por que o ChatGPT recomendou o concorrente e não a empresa dele.

Sofia Almeida: Exatamente. A proposta do UCP Radar é elevar esse padrão. Ele se conecta ao Merchant Center do Google com um clique e começa a pontuar cada produto contra mais de cinquenta regras do Merchant Center e mais de trinta regras de um protocolo próprio chamado UCP, além de avaliar se o texto fica legível para agentes de IA. Depois, ele reescreve títulos e descrições, preenche os campos vazios e publica um feed suplementar que o Google, o Perplexity e o ChatGPT conseguem ler. Preço e estoque continuam vindo direto da loja, então não mexe no que já está funcionando.

Rafael Costa: E o criador destaca que o maior desafio do desenvolvimento foi justamente impedir a IA de alterar nomes de marca ou modelos dos produtos. Por isso existe um mecanismo que ele chama de "protetor de marca", que consumiu boa parte do esforço. Faz sentido, né? Do ponto de vista de quem compra, é o nome certo do produto que gera confiança na recomendação.

Sofia Almeida: E o resultado sai em três formatos: um feed em XML para o Google Merchant Center, um feed em formato de conversa para o ChatGPT e dados estruturados para a própria loja, com regeneração automática sempre que os produtos mudam. Na prática, quem vende online deixa de depender de um texto escrito para humanos e passa a ter um catálogo no idioma que os assistentes de compra entendem.

Rafael Costa: A próxima ferramenta ataca um problema parecido, mas do lado da identidade visual. É o Brandfetch MCP, um conector que quer impedir agentes de IA de "adivinhar" a cara de uma marca. O problema descrito é comum: o agente redesenha o logotipo, inventa códigos de cor, puxa arquivos errados e até cria um tom de voz fictício para a empresa.

Sofia Almeida: E o problema é real. Um participante da discussão relatou que já viu o Claude criar cores inventadas para landing pages. A proposta do conector é dar ao agente as cores, fontes, logotipos, dados da empresa e o contexto de marca de mais de cinquenta milhões de marcas, para que ele use o que existe de verdade em vez de inventar.

Rafael Costa: O conector funciona com ferramentas como o Claude, o Cursor, o VS Code e o Codex, e entrega cinco capacidades principais. Uma resolve o nome da empresa a partir de um domínio ou de uma busca; outra traz logotipos, cores, fontes e links de redes sociais; e há uma terceira que devolve o contexto de marca — tom de voz, posicionamento, público e produtos. Existem ainda duas pensadas para fluxos mais específicos: uma resolve quem é o comerciante a partir de dados brutos de transação e outra gera os endereços finais dos logotipos prontos para o ar.

Sofia Almeida: Os casos de uso sugeridos são práticos: documentos de clientes dentro da identidade da marca, decks de vendas e maquetes com os logotipos corretos. O exemplo dado no lançamento é pedir ao Claude um material comparando Stripe, Adyen e Airbnb, cada um com seus logotipos, cores e posicionamento. Em vez de o agente chutar, ele consulta a identidade real de cada empresa.

Rafael Costa: Mas ficou uma pergunta aberta na discussão, e ela é boa: o que acontece quando uma marca muda a identidade no meio do ano? O participante questionou como o conector sabe se a identidade devolvida está desatualizada ou se sempre reflete a versão mais recente. Pelo material apresentado, essa garantia de atualização ainda não está clara.

Sofia Almeida: Agora uma ferramenta para quem trabalha com dados para modelos de linguagem: o Website to Markdown API. A ideia é simples — você manda um endereço de página e recebe o conteúdo dela limpo e pronto para ser usado por um modelo de IA. O diferencial é que páginas que dependem de JavaScript são processadas automaticamente, e elementos de navegação, rodapés e avisos de cookies são removidos.

Rafael Costa: E isso resolve a dor clássica de quem monta bases de conhecimento ou pipelines de busca. O fundador, Johnny, conta que o problema que motivou o produto era manter um navegador sem interface, lidar com páginas de JavaScript que devolvem HTML vazio e escrever toda a lógica de limpeza e de tentativas para sites que bloqueiam ferramentas de coleta. Nas palavras dele: funciona nos primeiros dez sites e quebra no décimo primeiro.

Sofia Almeida: A solução renderiza a página antes de extrair o texto, então estruturas como React, Next.js e Vue funcionam como se fossem HTML estático, e a saída contém só o conteúdo real, sem navegação, rodapés ou anúncios. Dá para mandar o resultado direto para o contexto de um modelo de linguagem, para uma base de conhecimento ou para um pipeline de recuperação, sem tratamento posterior.

Rafael Costa: E tem algo a mais: além do Markdown, a mesma ferramenta aceita documentos — como PDF, Word e apresentações — e até imagens, áudio e vídeo no mesmo endereço. Existe um formato estruturado que devolve o texto dividido em blocos, em vez de Markdown, e a oferta inclui esquiva de bloqueios com rotação de proxies e tentativas repetidas. Há plano gratuito, sem cartão de crédito.

Sofia Almeida: Um detalhe interessante da apresentação: essa API faz parte de uma plataforma mais ampla chamada Exabase, que também oferece busca profunda, memória e automação. Mas Johnny garante que a ferramenta funciona de forma independente, só com essa chave. E, na comunidade, um profissional de marketing elogiou justamente a capacidade de lidar com vários formatos numa única chamada.

Rafael Costa: E o último destaque é o Token Harbor, uma API única que promete reunir vários modelos de IA de ponta — GPT, Claude, Gemini, DeepSeek, Kimi e outros — num só lugar. A ideia é você configurar uma vez, trocar de modelo livremente e pagar só pelo que usar. O criador descreve o problema como a bagunça de provedores diferentes, APIs diferentes e contas em constante mudança, o que dificulta testar modelos novos.

Sofia Almeida: Além do acesso aos modelos, existe um recurso chamado Connect, que segundo o criador configura agentes e ferramentas de código, como Claude Code, Cursor e Codex, para funcionarem por meio do Token Harbor com um único comando. Contas novas recebem cinco dólares em crédito gratuito para testar.

Rafael Costa: A página do produto traz algumas promessas do próprio criador, e vale destacar que são auto-declaradas, sem validação externa. Ele promete integridade do modelo, ou seja, que o modelo que você chama é exatamente o que roda, sem troca silenciosa por um mais barato. Também promete controle de dados, sem políticas ocultas, e transparência sobre o roteamento das requisições.

Sofia Almeida: Aqui vale uma observação: a lista de modelos varia entre os materiais. O título cita GPT, Claude, Gemini, DeepSeek e Kimi; o post do criador inclui Grok; e o site menciona Anthropic, OpenAI, Gemini, Zhipu e Kimi. E o material é essencialmente do criador — não traz comentários de outros usuários nem validação externa. O próprio fundador admite que o produto ainda é inicial e pede feedback.

Rafael Costa: Então, no curto prazo, o Token Harbor é uma promessa interessante para quem quer comparar modelos sem administrar vários provedores, mas os preços por modelo e as condições exatas de funcionamento ainda não estão fechados. Para quem assiste, a recomendação sensata é: vale acompanhar, mas com o pé atrás até ver respostas de quem testou de verdade. E esse é o resumo dos destaques de hoje — ferramentas que buscam facilitar o trabalho com inteligência artificial, cada uma do seu jeito.

Sofia Almeida: Tem uma ferramenta nova circulando agora que ataca um aborrecimento bem específico para quem trabalha com agentes de IA de codificação. Ela se chama Annotate, é gratuita, roda só no seu dispositivo, sem login, e é feita para Macs com chip da Apple. A ideia central é transformar gravações de tela em prompts prontos para ferramentas como Cursor, Claude Code ou Codex.

Rafael Costa: E por que alguém precisaria disso? O criador conta que ele escrevia prompts longos e detalhados, e o agente ainda assim errava. Screenshots estáticos não capturam movimento, nem o fluxo de preencher um formulário, nem o feedback visual da interface em tempo real.

Sofia Almeida: Então o fluxo dele é: gravar a tela, desenhar ou apontar na gravação enquanto fala a mudança que quer, e depois abrir a sessão direto no Cursor ou copiar o prompt no agente preferido. Ele descreve o ganho de forma simples: explica a tarefa uma vez, e o agente fica pronto para ela.

Rafael Costa: O que torna isso prático, segundo o app, é que o agente lê a gravação por uma conexão local, usando keyframes e áudio — não o vídeo inteiro. Menos tokens gastos. E a voz é transcrita e alinhada ao que estava na tela justamente no momento em que a pessoa falou. Também há suporte para vários monitores numa única captura, e ferramentas de caneta, retângulo e texto para marcar o elemento exato da interface.

Sofia Almeida: E tem a parte da privacidade, que a gente sabe que pesa. O site afirma que as gravações ficam no dispositivo, nunca saem dele, sem upload e sem login. A comunidade destacou justamente esse caráter local: sem etapa de upload, a fricção entre gravar a ideia e obter um prompt utilizável simplesmente some. E tem gente apontando que mandar keyframes e transcrição em vez do vídeo inteiro é o que torna a ferramenta viável na prática.

Rafael Costa: Fica uma pergunta em aberto vinda de um comentarista: em fluxos de múltiplas etapas, a transcrição continua ligada aos frames na ordem correta à medida que a gravação avança? Vale acompanhar como o app responde isso — porque, se mantiver essa ligação direita, ele resolve de vez o problema de explicar uma tarefa para a máquina.

Sofia Almeida: E é com isso que a gente fecha o programa de hoje. O CopilotKit Channels levando agentes de IA para o Slack e o Microsoft Teams, a Mistral com o Shieldstral, e um destaque que precisa de atenção: o UCP Radar, que promete tornar catálogos de e-commerce legíveis para agentes. Tem muita coisa boa chegando.

Rafael Costa: Com certeza. E o melhor de tudo: a maioria dessas ferramentas já está aí no Product Hunt, pronta para você testar. Vale dar uma olhada especialmente no Shieldstral e no UCP Radar, que são os lançamentos com mais material detalhado por aí.

Sofia Almeida: Exato. Foi um episódio recheado de novidades para quem trabalha com IA. Obrigado por ouvir até aqui, e a gente se encontra no próximo. Até logo!