Build in public

Preparamos o próprio site
para ser lido por agentes de IA.

Otimizar para o olho humano não basta mais. Um número crescente de decisões de compra passa por um agente de IA que busca, entende e às vezes até fecha negócio sozinho. Esta página documenta, com transparência total, o que implementamos na rochailabs.com.br para isso — e o que ainda não fizemos.

O MODELO

Três camadas empilhadas

A maioria dos sites não passa nem da primeira camada. Aqui está onde a RochAI Labs está em cada uma, hoje.

✓ implementado

1. Legibilidade

O agente consegue te achar e entender. llms.txt, agents.md, schema.org e um índice de descoberta na raiz do domínio.

✓ implementado (leitura)

2. Capacidade

O agente consegue consultar dados estruturados de verdade — não só texto. Endpoint MCP com catálogo de serviços, ebooks e FAQ.

○ roadmap

3. Transação

O agente consegue fechar negócio sozinho (protocolos ACP/UCP). Ainda não é urgência para o nosso estágio — fica documentado como próximo passo.

CAMADA 1

O que um agente encontra ao chegar aqui

Artefatos concretos, na raiz do domínio, sem exigir que o agente "adivinhe" nada a partir de HTML solto.

Honestidade

O llms.txt sozinho não é bala de prata. Estudos não encontram correlação forte entre ter esse arquivo e ser citado por um agente, quando você controla por autoridade de domínio. Ele é pré-requisito barato, não resultado garantido — a Camada 2 é onde o valor de verdade mora.

CAMADA 2

Um endpoint que um agente consegue de fato usar

A diferença entre ser citado e converter é ter dados tipados que um agente consegue consultar — não só texto corrido que ele precisa interpretar e torcer para entender certo.

Implementamos um servidor MCP (Model Context Protocol) real, via JSON-RPC 2.0, somente leitura por enquanto:

// Requisição real que qualquer agente pode fazer agora
POST https://rochailabs.com.br/.netlify/functions/mcp

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "resources/read",
  "params": { "uri": "rochai://servicos" }
}

// Retorna o catálogo de serviços em JSON estruturado —
// nome, descrição, prazo estimado, público indicado —
// pronto para o agente processar, não para ele "ler" um parágrafo.

Teste você mesmo

O endpoint aceita GET direto no navegador para explorar o manifesto, ou POST com JSON-RPC para consultar de verdade.

GET /.netlify/functions/mcp — retorna instruções e exemplo

Abrir endpoint →

Honestidade

Isto implementa um subconjunto do spec MCP — initialize, resources/list e resources/read — via HTTP simples, não o transporte SSE completo do protocolo. Não há tools/call: este endpoint não agenda, não cobra e não decide nada em nome de ninguém. É deliberadamente somente leitura, porque uma ação transacional automática precisa de camadas de confirmação humana que ainda não construímos aqui.

CAMADA 3

Transação — por que ainda não

Protocolos como ACP (Stripe/OpenAI), UCP (Google) e AP2 permitem que um agente feche uma compra sozinho, sem um humano clicar em nada. Para a maioria das PMEs brasileiras — inclusive a nossa — isso ainda é roadmap, não urgência: o mercado de agentes comprando diretamente ainda é embrionário no Brasil, e o padrão em si ainda está se assentando. Preferimos documentar isso com honestidade a fingir suporte que não existe.

O mesmo que fazemos para clientes

Isso é exatamente o que a RochAI Labs
pode implementar no seu negócio

Auditoria de agent-readiness, implementação de llms.txt e schema, e um Agent Gateway (endpoint MCP) conectado ao seu catálogo real — a mesma camada de dados que já alimenta seu WhatsApp.

O Radar de IA calcula o Agent-Ready Score do seu site e testa se a IA recomenda sua empresa. A versão gratuita roda em menos de um minuto.

Rodar o Radar Gratuito →