Voltar as noticias
Construa um Agente de Compras de IA para Cingapura: Um Tutorial Prático
TutoriaisAltaEN

Construa um Agente de Compras de IA para Cingapura: Um Tutorial Prático

Dev.to - MCP·6 de julho de 2026

Um agente de compras de IA é uma ferramenta que entende a intenção de um usuário em inglês simples, coleta dados de produtos e preços ao vivo de vários comerciantes, compara opções e recomenda ou completa uma compra. Este tutorial mostra como construir um para Cingapura usando a API de produtos BuyWhere e o servidor MCP — com código funcional que você pode executar hoje.

O principal desafio para agentes específicos de Cingapura é dados de produtos estruturados ao vivo. As principais plataformas (Lazada, Shopee, Amazon SG) não expõem APIs públicas de comparação de preços. Sem uma camada de dados em tempo real, um agente baseado em LLM alucina preços ou recorre a dados de treinamento desatualizados. O BuyWhere resolve isso agregando dados de produtos ao vivo de comerciantes de Cingapura em uma única API.

O que vamos construir

Ao final deste tutorial, você terá um agente de compras de IA funcional que:

  1. Aceita um pedido em linguagem natural ("melhores fones de ouvido sem fio abaixo de $100 SGD")
  2. Consulta a API BuyWhere para dados de produtos ao vivo em Lazada, Shopee, Amazon SG e varejistas autorizados
  3. Classifica produtos por preço, avaliação e relevância
  4. Retorna uma recomendação estruturada com links diretos para os comerciantes

O agente é executado como um script Python e pode ser encapsulado em uma CLI, uma interface de chat ou uma ferramenta MCP.

Arquitetura

Consulta do usuário (NL) → LLM (análise de intenção) → API BuyWhere (dados ao vivo) → Lógica de classificação → Recomendação
  • LLM: Qualquer modelo de chat (GPT-4o, Claude, Gemini). Usamos OpenAI neste tutorial.
  • Camada de dados: API REST BuyWhere ou servidor MCP. Isso é o que torna o agente ciente de Cingapura.
  • Classificação: Pontuação ponderada simples (preço, avaliação, correspondência de recursos). Você pode substituir isso por raciocínio baseado em LLM.

Passo 1: Obtenha uma chave da API BuyWhere

Vá para buywhere.ai/api-keys, insira seu e-mail e envie. Você receberá sua chave imediatamente — sem lista de espera, sem aprovação.

A camada gratuita suporta 1.000 consultas/dia. As chaves de produção são gratuitas para agentes.

Passo 2: Consulte a API BuyWhere

O BuyWhere expõe uma API REST simples para busca de produtos entre comerciantes de Cingapura:

curl -X POST https://api.buywhere.ai/v1/products/search \
  -H "Authorization: Bearer SUA_CHAVE_API" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "fones de ouvido sem fio",
    "country": "sg",
    "max_price": 100,
    "currency": "SGD",
    "sort": "price_asc",
    "limit": 10
  }'

Retorna resultados estruturados de produtos: nome, preço (SGD), comerciante, disponibilidade, avaliação e URL de link direto.

Endpoints disponíveis:

Endpoint Propósito
POST /v1/products/search Buscar entre todos os comerciantes por consulta, faixa de preço, categoria
GET /v1/products/{id} Detalhes completos do produto (especificações, histórico de preços, avaliações)
POST /v1/products/compare Comparar 2+ produtos lado a lado
GET /v1/products/best-price Menor preço atual para um produto específico
GET /v1/products/deals Ofertas ativas e quedas de preços
GET /v1/products/{id}/similar Encontrar alternativas a um produto

Passo 3: Construa o agente em Python

import os
import json
import requests
from openai import OpenAI

BUYWHERE_API_KEY = os.environ["BUYWHERE_API_KEY"]
OPENAI_API_KEY = os.environ["OPENAI_API_KEY"]

openai_client = OpenAI(api_key=OPENAI_API_KEY)

def search_products(query: str, max_price: float = None) -> list[dict]:
    """Consulta o BuyWhere para dados de produtos ao vivo entre comerciantes de Cingapura."""
    resp = requests.post(
        "https://api.buywhere.ai/v1/products/search",
        headers={
            "Authorization": f"Bearer {BUYWHERE_API_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "query": query,
            "country": "sg",
            "max_price": max_price,
            "currency": "SGD",
            "sort": "price_asc",
            "
Contexto Triplo Up

Este tutorial é relevante para empresas brasileiras que desejam implementar agentes de compras baseados em IA. A integração com APIs de produtos em tempo real pode melhorar a experiência do usuário e aumentar as vendas. A abordagem prática ajuda na adaptação ao mercado local.

Noticias relacionadas

Gostou do conteudo?

Receba toda semana as principais novidades sobre WebMCP.