A lacuna que ninguém está comentando
ChatGPT, Perplexity e Claude não navegam em seu site da mesma forma que
um humano. Eles procuram sinais específicos — e se esses
sinais não estiverem lá, seu site não existe para eles.
Eu construí lyveca.com como uma demonstração ao vivo de como
um site amigável para agentes realmente se parece. Aqui está exatamente
o que eu implementei, por que cada parte é importante e quanto tempo levou.
O problema: 60% das buscas agora terminam sem um clique
Visões gerais de IA, respostas sem clique, navegação mediada por agentes. O
modelo que impulsionou o tráfego da web por 30 anos está quebrando. Até 2028,
mais de 40% das tarefas complexas na web serão realizadas por agentes que nunca
carregam sua página inicial.
Se seu site não estiver estruturado para isso — você está invisível para uma
parte cada vez maior de como as pessoas encontram coisas.
O que "amigável para agentes" realmente significa
Três coisas:
- Agentes de IA podem ler e entender seu site (não apenas rastreá-lo)
- Motores de IA podem citá-lo (dados estruturados que podem extrair)
- Agentes de IA podem agir com base nele (ferramentas chamáveis via MCP)
Aqui está como eu implementei os três.
Camada 1: llms.txt
A parte mais simples e mais negligenciada. Um arquivo markdown em texto simples
no /llms.txt que descreve seu site para agentes de IA — o que é,
o que oferece, como entrar em contato com você.
Pense nisso como um README para agentes de IA. Quando o ChatGPT procura um
stúdio web, ele lê llms.txt para entender o negócio antes de
decidir se deve recomendá-lo.
O meu está em lyveca.com/llms.txt.
Cobre: o que eu construo, preços, FAQ, detalhes do servidor MCP e
informações de contato — tudo em markdown limpo que qualquer LLM pode analisar
sans ambiguidade.
Tempo para implementar: 30 minutos. Nenhuma biblioteca necessária. Apenas um
arquivo markdown na sua pasta public/.
Camada 2: Schema.org JSON-LD
Dados estruturados que informam aos motores de IA quem é o negócio,
o que vende e quais fatos citar. Eu incluí quatro tipos:
-
Organization— nome, URL, o que fazemos, ofertas -
Person— entidade fundadora vinculada bidirecionalmente viafounder/worksFor -
WebSite— link do editor -
FAQPage— 8 pares de Q&A que os motores de IA podem extrair e citar diretamente
A ligação bidirecional entre Organização e Pessoa é importante.
Os motores de IA percorrem gráficos de entidades — se a Pessoa aponta para a
Organização e a Organização aponta de volta, ambas as entidades
são corroboradas juntas.
Eu também adicionei links sameAs apontando para X e GitHub, para que a
entidade possa ser correspondida entre fontes.
json
{
"@type": "Organization",
"@id": "https://lyveca.com/#organization",
"name": "LYVECA AI",
"founder": { "@id": "https://lyveca.com/#sona" },
"sameAs": [
"https://x.com/LyvecaAI",
"https://github.com/Sonya2301/agentix-ai"
]
}
Tempo para implementar: 2–3 horas (o Claude Code gerou a maior parte a partir de uma descrição de negócio, eu revisei e refinei).
Camada 3: Permissões do crawler de IA
A maioria dos sites bloqueia acidentalmente crawlers de IA. O padrão
robots.txt muitas vezes não inclui os novos nomes de bots — então
GPTBot, ClaudeBot e PerplexityBot são bloqueados ou
não especificados, e eles não indexarão o site.
Meu robots.ts (Next.js App Router) permite explicitamente:
GPTBot, ClaudeBot, PerplexityBot,
GoogleExtendedBot, Applebot-Extended, cohere-ai
Uma tarde para pesquisar todos os nomes de bots e adicioná-los.
Zero complexidade técnica.
Camada 4: Servidor MCP
Esta é a parte avançada — e a que ninguém mais no meu
mercado possui.
MCP (Model Context Protocol) é o padrão aberto da Anthropic para
conectar agentes de IA a ferramentas externas. Um servidor MCP em seu
site permite que agentes de IA o chamem diretamente — sem abrir um
navegador. Marque uma reunião, obtenha preços, verifique a disponibilidade.
Meu servidor está em https://lyveca.com/api/mcp e expõe 3 ferramentas:
get_pricing — retorna preços completos para todos os níveis
get_service_info(topic) — retorna informações sobre qualquer camada de serviço
book_meeting(name?, email?) — retorna um link pré-preenchido do Calendly
Construído com @modelcontextprotocol/sdk em rotas API do Next.js,
deployado em Vercel serverless. Transporte sem estado — nenhuma gestão de sessão necessária.
A descoberta é tratada por dois sinais:
/.well-known/mcp.json — manifesto de ferramenta legível por máquina
<link rel="mcp" href="https://lyveca.com/api/mcp"> no <head>
Tempo para implementar: 2–3 dias (primeira vez). O SDK é bem documentado
e o Claude Code escreve o boilerplate.
Você pode testá-lo ao vivo no playground interativo em
lyveca.com — role até o Capítulo 5.
Como a pilha completa se parece junta
public/
├── llms.txt ← README do agente de IA
└── .well-known/mcp.json ← manifesto da ferramenta MCP
src/app/
├── layout.tsx ← JSON-LD (Organização, Pessoa, FAQPage)
├── robots.ts ← permissões do crawler de IA
├── sitemap.ts ← Sitemap XML gerado automaticamente
└── api/mcp/route.ts ← Servidor MCP (3 ferramentas chamáveis)
Tempo total de implementação para a pilha completa: ~1 semana.
A maior parte foi aprendizado, não construção.
Funciona?
O Google indexou em 48h após o envio do sitemap.
O Bing seguiu. O servidor MCP responde corretamente às chamadas de ferramentas.
Para a visibilidade da citação de IA — essa é a parte que leva tempo.
Os motores de IA precisam de corroboramento externo antes de citarem um
domínio com confiança. A camada técnica está pronta; a camada de backlink é o que estou construindo agora (daí este post).
Vou atualizar com resultados após retestar no Perplexity e
ChatGPT Browse em 2–3 semanas.
A lacuna que ninguém está falando
As pessoas que conhecem sobre llms.txt e MCP são desenvolvedores de IA.
As pessoas que vendem sites são designers web. Esses dois mundos
quase nunca se sobrepõem — o que significa que a maioria dos sites
sendo construídos agora já estão obsoletos para a web agente.
Essa lacuna é exatamente o que a LYVECA AI foi construída em torno.
Se você está curioso sobre a implementação completa ou quer
ver a demonstração ao vivo: lyveca.com.
Perguntas são bem-vindas abaixo.
Empresas brasileiras precisam adaptar seus sites para serem compreendidos e citados por agentes de IA. A falta de estrutura adequada pode resultar em invisibilidade nas buscas. A implementação de práticas recomendadas pode melhorar a visibilidade e a interação com esses novos agentes.
