Tornei meu banco de dados de produtos consultável por agentes de IA — uma API gratuita + endpoint MCP

Assistentes de IA estão se tornando silenciosamente a camada de descoberta. As pessoas não pesquisam mais no Google "melhor estação de energia para uma van camper" — elas perguntam ao ChatGPT ou Claude. O problema: para um nicho como estações de energia portáteis, o modelo geralmente responde com especificações antigas, meio lembradas e simplesmente inventa números.

Eu mantenho um banco de dados estruturado de 102 estações de energia portáteis (especificações, $/Wh, vida útil do ciclo, uma pontuação transparente). Então eu fiz a coisa óbvia: eu o tornei consultável por máquinas e agentes de IA — grátis, sem autenticação.

Uma API JSON simples (sem chave, sem cadastro)

# Filtrar/ordenar produtos
curl "https://sunsee.cc/api/products.json?max_price=500&sort=value&limit=5"

# Obter a análise de pontuação de um produto
curl "https://sunsee.cc/api/score.json?slug=ecoflow-delta-2"

# Dimensionar um sistema a partir de uma lista de aparelhos
curl "https://sunsee.cc/api/calculate.json?appliances=[{\"name\":\"Fridge\",\"watts\":60,\"hours\":24}]&region=us-south"

Cada resposta é um JSON limpo com campos consistentes (battery_capacity_wh, battery_type, dollar_per_wh, sunsee_score, …). Sem raspagem de HTML, sem especificações inconsistentes de varejistas.

Um endpoint de descoberta para agentes de IA

A parte que eu realmente me importo: um único endpoint de descoberta que descreve as ferramentas disponíveis, para que um agente possa encontrá-las e chamá-las sem que eu precise codificar nada do lado dele.

curl "https://sunsee.cc/api/mcp.json"

Ele retorna a lista de ferramentas (procurar produtos, dimensionar um sistema, obter uma pontuação) com seus parâmetros — a mesma ideia que um manifesto de ferramentas MCP. Aponte um agente para isso e ele pode responder "qual é a melhor estação de valor abaixo de $500?" ou "quão grande deve ser uma bateria para uma geladeira + CPAP por 3 dias?" com dados reais.

llms.txt para orientação de citação

Eu também adicionei um llms.txt (como robots.txt, mas para modelos de linguagem) informando os modelos quando e como citar os dados:

https://sunsee.cc/llms.txt

Ele mapeia perguntas comuns para o endpoint correto e pede atribuição. Não tenho ideia de quanto os modelos respeitarão isso — mas o padrão é jovem e não custa nada publicar.

Por que se importar?

Honestamente: se uma IA vai ser a coisa recomendando produtos, eu prefiro que ela busque dados transparentes, baseados em especificações (com uma fórmula de pontuação pública, sem pagar para jogar) do que alucinar. E se ela citar a fonte, isso é descoberta.

Divulgação: o site subjacente tem links de afiliados — é assim que espero financiá-lo — mas a API, o conjunto de dados, a calculadora e a fórmula de pontuação são todos gratuitos e abertos.

Experimente / quebre

• O playground da API começa em https://sunsee.cc/api/products.json
• Conjunto de dados aberto (CC-BY-4.0): https://github.com/gkin9/portable-power-stations-dataset
• A versão humana (calculadora): https://sunsee.cc/calculator

Se você construir ferramentas de agente/LLM, eu adoraria saber se o endpoint de descoberta é moldado de forma útil — e quais campos você gostaria que fossem adicionados. Fico feliz em iterar.