RAGFlow + MCP: Transformando Suas Melhores Configurações RAG em um Assistente de Produção
Você encontrou suas melhores configurações de RAG. Agora, como transformá-las em um assistente real que sua equipe usa todos os dias?
No meu post anterior, abordei como ferramentas como AutoRAG e RAGBuilder podem medir e encontrar a melhor combinação de RAG (embedding, tamanho de chunk, reranker...) para seus dados. Mas essas ferramentas são instrumentos de medição — elas dizem "esta é a melhor configuração" e param por aí. Elas não são o assistente com o qual os usuários conversam, fazem upload de documentos e fazem perguntas.
Para construir esse assistente, a ferramenta de código aberto mais madura que posso recomendar: RAGFlow (mais de 80.000 estrelas no GitHub).
A compreensão de documentos é onde se destaca
A maioria das ferramentas de RAG lê um PDF como texto plano. O motor DeepDoc do RAGFlow trata o documento como um humano faria: preserva a estrutura da tabela, aplica OCR a páginas digitalizadas e entende a hierarquia de cabeçalhos. Word, Excel, PowerPoint, cópias digitalizadas, imagens, páginas da web — ele lida com todos eles.
A lógica de configuração
Crie uma base de conhecimento separada por departamento ou cliente → faça upload de documentos → escolha seu modelo de embedding e template de chunking (é aqui que você insere as configurações vencedoras de suas ferramentas de medição) → o RAGFlow analisa e indexa → seu assistente de chat está pronto. As respostas vêm com citações — os usuários veem exatamente de qual parte de qual documento a resposta veio, reduzindo o risco de alucinação.
Suporte a MCP
O RAGFlow pode funcionar como um servidor MCP (Modelo de Protocolo de Contexto). Isso significa que você pode conectar seu assistente de documentos diretamente a ferramentas habilitadas para MCP, como Claude e Cursor. Seu colega de equipe está no Claude e pergunta: "qual era a cláusula de penalidade no contrato do fornecedor do ano passado?" — Claude pesquisa sua base de conhecimento do RAGFlow através do MCP e retorna uma resposta com citação da sua própria documentação. Nenhuma nova interface para aprender; o assistente vive dentro das ferramentas que sua equipe já usa.
Arquitetura, em uma linha
Documentos → RAGFlow (OCR + análise + chunk + indexação) → Bases de conhecimento (por departamento/cliente) → UI de chat + API + MCP → Web, Slack ou clientes como Claude
Tudo funciona auto-hospedado — seus dados nunca saem de seus próprios servidores. Uma vantagem crítica para privacidade e conformidade (GDPR/KVKK).
A receita em duas etapas
- Use ferramentas de medição (AutoRAG, RAGBuilder) para encontrar as melhores configurações de RAG para seus dados.
- Construa sua base de conhecimento no RAGFlow com essas configurações e conecte seu assistente às ferramentas da sua equipe via MCP.
Um assistente de documentos construído com base em medição em vez de suposições, com citações, funcionando em seus próprios servidores — totalmente possível hoje com ferramentas de código aberto.
A implementação de assistentes baseados em RAGFlow pode aumentar a eficiência das equipes brasileiras ao facilitar o acesso a informações relevantes. A integração com MCP permite que as empresas utilizem suas ferramentas existentes, melhorando a produtividade sem comprometer a segurança dos dados.
