n8n + LlamaIndex + MCP: orquestrando comércio estruturado com agentes

n8n + LlamaIndex + MCP: orquestrando comércio de agentes estruturados

O problema com agentes de compras de uso geral

A maioria dos assistentes de compras de IA responde a perguntas sobre produtos com base em dados de treinamento. Eles alucinam preços, inventam disponibilidade de produtos e não têm como verificar comerciantes em tempo real. Isso funciona para demonstrações. Falha na produção.

Um agente de compras útil precisa de três coisas:

1. Uma camada de raciocínio — para dividir "qual é o melhor laptop para programação abaixo de $1500" em sub-perguntas estruturadas
2. Uma camada de fluxo de trabalho — para orquestrar pesquisas de múltiplas etapas em várias fontes
3. Uma camada de dados — para buscar preços de produtos ao vivo, avaliações e disponibilidade de comerciantes a partir de um catálogo estruturado

Este post mostra como conectar todas as três usando LlamaIndex para raciocínio, n8n para orquestração de fluxo de trabalho, e o servidor BuyWhere MCP para dados de produtos ao vivo.

Visão geral da arquitetura

Consulta do usuário
    │
    ▼
Agente LlamaIndex (raciocínio + planejamento de consulta)
    │
    ├── "pesquisar laptops abaixo de $1500, Singapura"
    │
    ▼
Fluxo de trabalho n8n (ativado por webhook ou agendador)
    │
    ├── recebe consulta estruturada do LlamaIndex
    ├── chama servidor BuyWhere MCP → resultados de produtos ao vivo
    ├── enriquece resultados (filtra, classifica, formata)
    └── retorna resposta estruturada ao agente
    │
    ▼
LlamaIndex sintetiza a resposta final
    │
    ▼
Usuário

O servidor MCP atua como a ponte de dados estruturados — LlamaIndex se comunica com ele via protocolo MCP, n8n se comunica com ele via REST. Os dois podem ser usados de forma independente ou juntos.

1. Configure o servidor BuyWhere MCP

O servidor BuyWhere MCP expõe um catálogo de produtos via o Protocolo de Contexto de Modelo. Instale-o em seu projeto:

npm install @buywhere/mcp-server

Configure-o nas suas configurações MCP (~/.config/code/mcp.json ou a configuração do tempo de execução do seu agente):

{
  "mcpServers": {
    "buywhere": {
      "command": "npx",
      "args": ["@buywhere/mcp-server"]
    }
  }
}

Variável de ambiente necessária:

BUYWHERE_API_KEY=sua_chave_aqui

Você pode obter uma chave de API gratuita em buywhere.ai/api-keys.

Ferramentas MCP disponíveis

Todas as ferramentas retornam JSON estruturado com nome do produto, preço, comerciante, URL, avaliação e disponibilidade.

2. Construa a camada de raciocínio do LlamaIndex

Instale os pacotes necessários:

pip install llama-index llama-index-agent-openai llama-index-tools-buywhere

Configure o agente com BuyWhere como uma ferramenta:

from llama_index.agent.openai import OpenAIAgent
from llama_index.tools.buywhere import (
    BuyWhereSearchProductsTool,
    BuyWhereGetDealsTool,
    BuyWhereGetCategoriesTool,
)

# Registrar ferramentas MCP BuyWhere
ferramentas = [
    BuyWhereSearchProductsTool(),
    BuyWhereGetDealsTool(),
    BuyWhereGetCategoriesTool(),
]

agente = OpenAIAgent.from_tools(ferramentas, verbose=True)

Agora o agente pode raciocinar sobre consultas de compras e chamar o catálogo de produtos no contexto:

resposta = agente.chat(
    "Compare os 3 melhores laptops abaixo de $1500 disponíveis em Singapura agora. "
    "Inclua a duração da bateria e a avaliação do comerciante para cada um."
)
print(resposta)

LlamaIndex planeja as sub-perguntas, chama as ferramentas BuyWhere para obter dados ao vivo e sintetiza uma resposta fundamentada — sem preços alucinatórios.

3. Orquestre com fluxos de trabalho n8n

Para fluxos mais complexos de múltiplas etapas, use n8n para conectar a API BuyWhere diretamente ao seu fluxo de trabalho:

Nós n8n para BuyWhere

O n8n-nodes-buywhere fornece três operações:

• Pesquisar Produtos — pesquisa de texto completo com filtros (domínio, região, faixa de preço, moeda)
• Obter Categorias — árvore de categorias com contagem de produtos
• Obter Ofertas — descontos atuais por categoria ou limite de desconto

Exemplo: fluxo de trabalho de resumo de ofertas semanais

[Gatilho de Agendamento: toda segunda-feira às 9h]
        │
        ▼
[BuyWhere: Obter Ofertas → categoria="laptops", min_discount=15%]
        │
        ▼
[Código: Filtrar itens com avaliação >= 4.0]
        │
        ▼
[Modelo HTML: renderizar cartões de oferta]