Azquo

npx add-mcp 'https://data.azquo.ai/mcp'

A camada que falta

Agentes de IA são bons em ler arquivos, escrever consultas e explicar resultados. O que lhes falta é um lugar confiável para guardar o que aprendem. Um banco de dados transacional exige um esquema antecipadamente; uma planilha não tem trilha de auditoria; uma janela de contexto esquece tudo quando a sessão termina.

Azquo é essa camada que falta: um armazenamento persistente e auditável que um agente pode construir, consultar e reorganizar por conta própria — onde cada escrita é atribuída, e cada decisão que o agente registra está lá para o próximo agente que se conectar.

Ao lado dos seus bancos de dados, não no lugar deles

Nada muda nos sistemas que você já opera. Configurar o Azquo pede uma coisa deles: que as pessoas que o utilizam possam baixar os dados aos quais já têm acesso. O Azquo carrega esses downloads, então seus bancos de dados, permissões e rotinas existentes continuam exatamente como antes. Começar é rápido, e não há migração a planejar.

O risco de perder dados é desprezível, desde que os downloads sejam feitos. Seus originais permanecem onde estão, e um backup do Azquo é um arquivo simples: testamos que uma IA recebendo apenas um backup, sem nenhuma ajuda do Azquo, consegue ler de volta cada nome, número e alteração nele. Você nunca fica preso.

Então você adiciona o que seus sistemas não conseguem armazenar. Carregue mais dados de qualquer fonte à qual você tenha acesso: planilhas de clientes e fornecedores, estatísticas de mercado e públicas, exportações de outro departamento. Adicione suas próprias metas, previsões e premissas ao lado. Cada figura individual é catalogada e auditada, para que você possa ver de onde veio, quem a inseriu e quando, e as decisões de design tomadas durante a construção do banco de dados também são registradas nele.

Muitos agentes, um único registro. Vários agentes de IA, e as pessoas que trabalham com eles, podem operar no mesmo banco de dados Azquo. Cada escrita é atribuída ao agente e à pessoa por trás dele, e o que um agente aprende ou decide é registrado para o próximo. O trabalho pode ser dividido entre agentes sem perder o controle de quem fez o quê.

Se você tentou colocar IA nos seus dados, provavelmente encontrou uma destas barreiras

O modelo nunca fica mais rico. Cada nova pergunta é um ChatGPT-em-CSV novinho. O agente aprendeu algo útil na semana passada — que a “receita do Q3” exclui intercompanhias — e o próximo agente não tem como saber. Conversas não se acumulam em capacidade.

O esquema luta contra você. Uma nova dimensão aparece e você volta para a fila do time de dados para uma migração. A pergunta de negócio que a desencadeou já esfriou quando a coluna existe.

RAG alucina a linhagem. A recuperação vetorial traz “o parágrafo certo”, mas não consegue dizer se o número nele é a figura canônica, um rascunho antigo ou algo que alguém colou em um slide.

Hierarquias não sobrevivem ao join. SQL achata rollups. Armazenamentos de documentos os ignoram. Bancos de dados de grafos lidam com relacionamentos, mas não conseguem agregar números. Toda resposta que toca em estrutura tem um workaround por trás.

Você não pode citar uma única célula. A maioria dos armazenamentos pode dizer qual linha foi escrita quando — não qual célula, por qual transformação, de qual arquivo-fonte. A conversa de auditoria engole o projeto.

Como o campo realmente pontua

A maioria dos armazenamentos de dados foi projetada antes de agentes de IA existirem como consumidores primários. Veja como as opções comuns pontuam contra o que um projeto de IA-nos-seus-dados realmente precisa:

	Extensão sem esquema	Hierarquias de primeira classe	Proveniência por célula	Ancoragem de dados externos	Convenções mantidas com os dados	OLAP em escala de warehouse
SQL relacional (Postgres, MySQL)	✗	◐	◐	✗	◐	✓
Armazenamento de documentos (Mongo)	✓	✗	✗	✗	✗	◐
Data warehouse (Snowflake, BigQuery)	✗	✗	◐	◐	◐	✓
Banco de dados de grafos (Neo4j)	◐	✓	✗	✗	✗	◐
Banco de dados vetorial (Pinecone, pgvector)	✓	✗	✗	✗	✗	✗
LLM-em-CSV (ChatGPT, Claude direto)	✓	✗	✗	✗	✗	✗
Azquo	✓	✓	✓	◐	✓	◐

✓ nativo ◐ parcial ✗ não realmente

A maioria desses armazenamentos agora pode ser acessada por um agente através de um servidor MCP. A diferença que importa é o que o agente encontra lá: se ele pode estender o modelo sem migração, e se as convenções para trabalhar com os dados são mantidas no próprio armazenamento, para o próximo agente ler.

O que um agente pode fazer através do MCP do Azquo

O servidor MCP do Azquo dá a qualquer agente de IA compatível com MCP ferramentas diretas para: criar bancos de dados; importar arquivos brutos; projetar e refinar modelos de importação; consultar com AQL; navegar e estender hierarquias; construir e executar relatórios; e auditar qualquer figura individual de volta através de cada transformação até sua origem.

E porque agentes cometem erros, as mesmas ferramentas permitem que eles ensaiem uma mudança arriscada em uma cópia do banco de dados primeiro, vejam o histórico de qualquer nome e restaurem um que foi excluído, e vejam cada valor anterior com quem o alterou e de onde a alteração veio.

Comprovado, não prometido — uma demonstração prática

Concretamente: entregue a um agente uma pasta de exportações mensais de vendas (formatos diferentes, nomes de colunas diferentes), alguns PDFs de atas de reuniões do conselho, uma planilha listando regiões e divisões. Diga a ele: construa um modelo contra o qual possamos responder perguntas de orçamento.

Em um armazenamento Azquo, o agente não pede que você projete um esquema primeiro. Ele carrega cada arquivo conforme o encontra. Ele propõe uma hierarquia — Divisão → Região → Escritório — e a confirma sem perturbar o que já está lá. Ele ancora o comentário extraído dos PDFs aos meses que descreve. Cada célula carrega sua origem. Cada agrupamento é reversível — uma nova hierarquia é uma nova lente, não uma migração.

Duas semanas depois, alguém pergunta “divida o Q3 por linha de produto, não apenas por região.” O próximo agente não recomeça. Linha de produto não existia quando o primeiro agente rodou — e tudo bem. Ele a adiciona, ancora linhas de produto na hierarquia existente e responde. Nada existente quebra. A trilha de auditoria da primeira semana ainda se resolve limpa.

Isso não é uma hipótese. Em uma demonstração recente, Claude construiu um banco de dados completo de custo de perdas de seguros a partir de um arquivo ISO de 168 páginas de Commercial Auto cobrindo 73 territórios, sem nenhum especialista em Azquo envolvido. Ele projetou os modelos de importação, estruturou as hierarquias e produziu os relatórios, com cada passo registrado no próprio banco de dados. Cada valor na cadeia de classificação — não apenas o total — rastreia de volta ao arquivo, ao usuário e à data. Clique em qualquer célula.

Memória institucional para agentes

Cada peculiaridade descoberta, cada convenção acordada, cada decisão interpretativa que um agente toma é armazenada como parte do banco de dados — ancorada ao seu negócio e disponível para o próximo agente que se conectar. Agentes param de começar do zero.

Concretamente, um agente que se conecta pela primeira vez é instruído pelo servidor a ler uma nota inicial, que o aponta para o resto de uma base de habilidades de várias centenas de notas sobre trabalhar com o Azquo. Ao lado de seus próprios bancos de dados, ele encontra uma biblioteca compartilhada de exemplos práticos — orçamento, contas gerenciais, tempo e despesas, análise de pivô, prêmios de seguro de propriedade e uma cotação de automóvel nos EUA — que ele pode copiar e adaptar em vez de construir do nada. O que ele aprende sobre seus dados, ele escreve de volta no seu banco de dados para o agente que vier depois.

Mão dupla com suas planilhas

O mesmo armazenamento fala Excel diretamente. Analistas puxam dados ao vivo, escrevem alterações de volta e compartilham com colegas. A camada de IA e a camada de planilha veem uma única fonte de verdade, e cada alteração — de qualquer lado — está no registro. Se seu interesse principal é o lado da planilha dessa história, Azquo no Excel → tem isso no vocabulário financeiro.

Por que a arquitetura importa

O Azquo armazena nomes em hierarquias, não linhas em tabelas. Não há esquema a projetar antes de os dados chegarem; qualquer dado pode ser carregado a qualquer momento, e novos agrupamentos podem ser adicionados depois sem tocar em dados existentes ou quebrar relatórios existentes. Essa flexibilidade é exatamente o que o trabalho orientado por agentes precisa: a estrutura cresce conforme a compreensão cresce.

Leia mais: Como o Azquo Pensa →

Experimente

O servidor MCP do Azquo roda em nossa infraestrutura em https://data.azquo.ai/mcp. O acesso de avaliação é concedido mediante solicitação e dá a você sua própria conta Azquo. Cada ação do agente é atribuída a você na trilha de auditoria.

Se você usa o aplicativo Claude, não há nada para instalar: adicione esse endereço como um conector personalizado e entre com seu login Azquo. Você pode então pedir ao Claude para manter e prestar contas das informações da sua organização, e ele o fará no Azquo.

Se você está construindo sistemas de agentes, aponte qualquer runtime compatível com MCP para o mesmo endereço com uma chave de API do site administrativo do Azquo.

Se você está construindo sistemas de agentes e quer uma camada de memória e auditoria por baixo, gostaríamos de conversar.

Ou simplesmente pergunte: Pergunte ao Azquo → responde perguntas sobre o Azquo em português simples.

Propriedade da área financeira. Aprovável pela TI. Funciona ao lado dos seus sistemas existentes — nada para arrancar.