TL;DR

Para dar a um agente de IA acesso aos dados da CNBC, chame a API Extract da AlterLab com uma URL de destino e um esquema. Você recebe um JSON limpo pronto para a janela de contexto do seu LLM.

Por que os agentes de IA precisam dos dados da CNBC

As notícias financeiras impulsionam os sinais do mercado.

Os agentes as utilizam para alertas de lucros.

Pipelines ingerem manchetes para recuperação RAG.

Um único artigo estruturado pode impulsionar várias decisões a montante.

Por que as requisições HTTP brutas falham para os agentes

Requisições GET diretas enfrentam desafios do Cloudflare.

A renderização em JavaScript desperdiça o orçamento de tokens.

Os agentes veem respostas 429 repetidas.

Cada nova tentativa consome computação e atrasa o pipeline.

Conectando seu agente à CNBC via AlterLab

Use a API Extract para obter uma saída estruturada.

Não é necessário fazer parsing de HTML.

Defina um esquema que corresponda aos campos que você precisa.

```python title="agent_cnbc-com.py" {3-5}

client = alterlab.Client("SUA_CHAVE_API")

Extração estruturada — obtenha dados limpos sem fazer parsing de HTML

result = client.extract(
url="https://cnbc.com/example-page",
schema={"title": "string", "price": "string", "description": "string"}
)
print(result.data) # Dicionário estruturado limpo, pronto para seu LLM

```bash title="Terminal" {2-4}
curl -X POST https://api.alterlab.io/api/v1/extract \
  -H "X-API-Key: SUA_CHAVE" \
  -d '{"url": "https://cnbc.com/example-page", "schema": {"title": "string", "price": "string"}}'

A plataforma lida com a proteção contra bots nos bastidores.

Você só paga por extrações bem-sucedidas.

Não é necessário gerenciar CAPTCHAs ou proxies rotativos você mesmo.

Usando a API de Pesquisa para consultas da CNBC

A pesquisa permite que você descubra artigos por palavra-chave.

Ela retorna uma lista de URLs com metadados.

Escolha o link mais relevante e envie-o para a Extração.

```bash title="Terminal" {2-5}
curl -X GET https://api.alterlab.io/api/v1/search \
-H "X-API-Key: SUA_CHAVE" \
-d '{"query": "lucros trimestrais cnbc"}'

A resposta inclui um array `results`.  
Cada entrada tem um campo `url` que você pode passar para `/extract`.

## Integração MCP
Adicione a AlterLab como uma ferramenta no servidor MCP do seu agente.  
Seu LLM pode chamar `alterlab_extract` sem escrever código HTTP.  
Veja o guia completo em [AlterLab para Agentes de IA](https://alterlab.io/docs/tutorials/ai-agent).

## Construindo um pipeline de notícias financeiras
Um fluxo de ponta a ponta se parece com isto:

1. O agente solicita dados da CNBC via MCP.  
2. A AlterLab busca a página e retorna JSON estruturado.  
3. O LLM consome o JSON em sua janela de contexto.  
4. O LLM gera um resumo do mercado.

<div data-infographic="stats">
  <div data-stat data-value="99.2%" data-label="Taxa de Sucesso da Requisição"></div>
  <div data-stat data-value="<1s" data-label="Resposta Estruturada Média"></div>
  <div data-stat data-value="0" data-label="Parsing de HTML Necessário"></div>
</div>

<div data-infographic="steps">
  <div data-step data-number="1" data-title="Agente solicita dados" data-description="Agente LLM chama a ferramenta AlterLab com a URL de destino"></div>
  <div data-step data-number="2" data-title="AlterLab busca + extrai" data-description="Lida com anti-bot, retorna JSON estruturado"></div>
  <div data-step data-number="3" data-title="Agente usa dados limpos" data-description="Sem parsing, sem tentativas — os dados vão direto para o contexto do LLM"></div>
</div>

<div data-infographic="try-it" data-url="https://cnbc.com" data-description="Extraia dados estruturados da CNBC para seu agente de IA"></div>

Um trecho de código típico para o pipeline:


```python title="pipeline_cnbc.py" {4-8}
from alterlab import Client

client = Client("SUA_CHAVE_API")

# Passo 1: Pesquisar artigo relevante
search_res = client.search(query="recapitulação do mercado cnbc")
url = search_res.results[0].url

# Passo 2: Extrair dados estruturados
data = client.extract(url=url, schema={"title":"string", "summary":"string", "sentiment":"string"})
summary = data.data["summary"]

# Passo 3: Enviar para o LLM
# llm.generate(prompt=f"Escreva uma perspectiva de mercado em 2 frases usando: {summary}")

Esse padrão escala para dezenas de artigos por hora.

Seus agentes permanecem rápidos e confiáveis.

Principais conclusões

• Use a API Extract para uma saída CNBC limpa e estruturada.
• Evite parsing de HTML bruto; deixe a AlterLab lidar com anti-bot.
• Combine Pesquisa e Extração para recuperação de dados direcionada.
• Integre via MCP para chamadas de ferramentas sem código.
• Monitore os custos com a precificação da AlterLab à medida que seu pipeline cresce.

Sempre revise o robots.txt e os Termos de Serviço de um site antes do acesso automatizado. Este guia cobre o acesso a dados publicamente disponíveis.