AgentSignal

Inteligência coletiva para agentes de compras de IA — 23 ferramentas MCP para inteligência do comprador, análise de vendedores, alertas de preço e monitoramento de tendências.

GitHubExperimente este MCPPatrocinado

Documentação

AgentSignal

A camada de inteligência coletiva para agentes de compras com IA.

Cada agente que se conecta torna todos os outros agentes mais inteligentes. Mais de 1.200 sessões de compras, 95 produtos, 50 lojistas, 10 categorias — e crescendo.

Por que isso existe: Quando agentes de IA fazem compras para usuários, cada agente começa do zero. O AgentSignal reúne sinais de decisão de todos os agentes para que cada sessão se beneficie do que todos os outros agentes já aprenderam — taxas de seleção, padrões de rejeição, inteligência de preços, confiabilidade do lojista e correspondências de restrições comprovadas.

Início Rápido (30 segundos)

Remoto — zero instalação, inteligência instantânea:

{
  "mcpServers": {
    "agent-signal": {
      "url": "https://agent-signal-production.up.railway.app/mcp"
    }
  }
}

Local via npx:

npx agent-signal

Claude Desktop / Claude Code:

{
  "mcpServers": {
    "agent-signal": {
      "command": "npx",
      "args": ["agent-signal"]
    }
  }
}

Uma Chamada para Começar a Comprar de Forma Mais Inteligente

A ferramenta smart_shopping_session registra sua sessão E retorna toda a inteligência disponível em uma única chamada:

smart_shopping_session({
  raw_query: "lightweight running shoes with good cushioning",
  category: "footwear/running",
  budget_max: 200,
  constraints: ["lightweight", "cushioned"]
})

Retorna:

Seu ID de sessão para registro posterior
Principais escolhas de outros agentes nessa categoria
Quais restrições e fatores foram mais relevantes
Como sessões semelhantes terminaram (compradas vs. abandonadas)
Estatísticas gerais da rede

23 Ferramentas MCP

Ferramentas Combinadas Inteligentes (recomendadas)

Ferramenta	O que faz
`smart_shopping_session`	Inicia a sessão + obtém inteligência da categoria + resultados de sessões semelhantes — tudo em uma única chamada
`evaluate_and_compare`	Registra avaliação de produto + obtém inteligência do produto + veredito de oferta — tudo em uma única chamada

Inteligência do Comprador — Compre de Forma Mais Inteligente

Ferramenta	O que informa
`get_product_intelligence`	Taxa de seleção, motivos de rejeição, quais concorrentes o superaram e por quê
`get_category_recommendations`	Principais escolhas, fatores de decisão, requisitos comuns, orçamentos médios
`check_merchant_reliability`	Precisão de estoque, taxa de seleção, resultados de compra por lojista
`get_similar_session_outcomes`	O que agentes com restrições semelhantes acabaram escolhendo
`detect_deal`	Veredito de preço contra dados históricos — de melhor_preço_já_visto a acima_da_média
`get_warnings`	Problemas de estoque, altas taxas de rejeição, sinais de abandono
`get_constraint_match`	Produtos que correspondem exatamente às suas restrições — pule a busca

Inteligência do Vendedor — Entenda Seu Mercado

Ferramenta	O que informa
`get_competitive_landscape`	Posição na categoria, taxa de vitória frente a frente, quem o supera e por quê, posicionamento de preço
`get_rejection_analysis`	Por que os agentes rejeitam seu produto, tendências semanais, o que escolheram em vez dele
`get_category_demand`	O que os agentes estão procurando, necessidades não atendidas, distribuição de orçamento, lacunas de mercado
`get_merchant_scorecard`	Relatório completo do lojista — confiabilidade de estoque, competitividade de preço, taxas de seleção por categoria

Descoberta e Monitoramento

Ferramenta	O que informa
`get_budget_products`	Melhores produtos dentro de um orçamento específico — classificados por seleções de agentes, com disponibilidade do lojista
`get_trending_products`	Produtos em tendência de alta ou baixa — compara taxas de seleção do período atual vs. anterior
`create_price_alert`	Defina um alerta de preço — é acionado quando os agentes encontram o produto no seu preço-alvo ou abaixo dele
`check_price_alerts`	Verifique quais alertas foram acionados pela atividade recente dos agentes

Ferramentas de Escrita — Contribua de Volta

Ferramenta	O que captura
`log_shopping_session`	Intenção de compra, restrições, orçamento, exclusões
`log_product_evaluation`	Produto considerado, pontuação de correspondência, disposição + motivo de rejeição
`log_comparison`	Produtos comparados, dimensões, vencedor, fator decisivo
`log_outcome`	Resultado final — comprado, recomendado, abandonado ou adiado
`import_completed_session`	Importação em massa de uma sessão concluída retroativamente
`get_session_summary`	Recupera detalhes completos da sessão

Exemplo: Fluxo de Trabalho Completo do Agente

# 1. Start smart — one call gets you session ID + intelligence
smart_shopping_session(category: "electronics/headphones", constraints: ["noise-cancelling", "wireless"], budget_max: 400)

# 2. Evaluate products — get intel as you log
evaluate_and_compare(session_id: "...", product_id: "sony-wh1000xm5", price_at_time: 349, disposition: "selected")
evaluate_and_compare(session_id: "...", product_id: "bose-qc45", price_at_time: 279, disposition: "rejected", rejection_reason: "inferior ANC")

# 3. Compare and close
log_comparison(products_compared: ["sony-wh1000xm5", "bose-qc45"], winner: "sony-wh1000xm5", deciding_factor: "noise cancellation quality")
log_outcome(session_id: "...", outcome_type: "purchased", product_chosen_id: "sony-wh1000xm5")

Cada etapa alimenta a rede. O próximo agente que fizer compras de fones de ouvido se beneficia dos seus dados.

Exemplo: Fluxo de Trabalho de Inteligência do Vendedor

# 1. How is my product performing vs competitors?
get_competitive_landscape(product_id: "sony-wh1000xm5")
# → Category rank #1, 68% head-to-head win rate, beats bose-qc45 on ANC quality

# 2. Why are agents rejecting my product?
get_rejection_analysis(product_id: "bose-qc45")
# → 45% rejected for "inferior ANC", agents chose sony-wh1000xm5 instead 3x more

# 3. What do agents want in my category?
get_category_demand(category: "electronics/headphones")
# → Top demands: noise-cancelling (89%), wireless (82%), unmet need: "spatial audio"

# 4. How does my store perform?
get_merchant_scorecard(merchant_id: "amazon")
# → 34% selection rate, 2% out-of-stock, cheapest option 41% of the time

Categorias com Inteligência Ativa

Categoria	Sessões
footwear/running	150+
electronics/headphones	140+
gaming/accessories	130+
electronics/tablets	130+
home/furniture/desks	120+
fitness/wearables	118+
electronics/phones	115+
home/smart-home	107+
kitchen/appliances	105+
electronics/laptops	98+

Exemplos de Frameworks de Agentes

Exemplos prontos para execução em /examples:

Framework	Arquivo	Descrição
LangChain	`langchain-shopping-agent.py`	Agente ReAct com LangGraph + adaptador MCP
CrewAI	`crewai-shopping-crew.py`	Equipe de dois agentes (pesquisador + comprador)
AutoGen	`autogen-shopping-agent.py`	Agente AutoGen com ferramentas MCP
OpenAI Agents	`openai-agents-shopping.py`	SDK OpenAI Agents com Streamable HTTP
Claude	`claude-system-prompt.md`	Prompt de sistema otimizado para Claude Desktop/Code

Todos os exemplos se conectam ao endpoint MCP hospedado — sem configuração além de pip install necessária.

API REST

Análises voltadas ao lojista em https://agent-signal-production.up.railway.app/api:

Endpoint	Descrição
`GET /api/products/:id/insights`	Análises do produto — taxa de consideração, motivos de rejeição
`GET /api/categories/:category/trends`	Tendências da categoria — principais fatores, orçamentos, atributos
`GET /api/competitive/lost-to?product_id=X`	Perdas competitivas — para o que X perde e por quê
`GET /api/sessions`	Sessões recentes (paginadas)
`GET /api/sessions/:id`	Detalhe completo da sessão
`POST /api/admin/aggregate`	Aciona o cálculo de insights
`GET /api/health`	Verificação de integridade

Auto-Hospedagem

git clone https://github.com/dan24ou-cpu/agent-signal.git
cd agent-signal
npm install
cp .env.example .env  # set DATABASE_URL to your PostgreSQL
npm run migrate
npm run seed           # optional: sample data
npm run dev            # starts API + MCP server on port 3100

Arquitetura

Servidor MCP — Transporte Stdio (local) + Streamable HTTP (remoto)
API REST — Express na mesma porta
Banco de dados — PostgreSQL (compatível com Neon)
23 ferramentas MCP — 17 de leitura (comprador + vendedor + descoberta) + 6 de escrita

Licença

MIT