Os seus dispositivos estão reportando. Temperaturas, níveis de bateria, localizações, tempo de atividade, tudo isso flui para a sua conta TagoIO e fica lá, pronto para consulta. E quando alguém da sua equipe faz uma pergunta operacional simples, os dados para respondê-la já existem.
Mas chegar à resposta raramente é tão simples quanto a pergunta. “Quais dispositivos não se reportaram desde ontem?” parece coisa de uma linha. Na prática, significa abrir a plataforma, filtrar dispositivos, conferir os timestamps de última entrada, talvez escrever um pequeno script de Analysis ou montar um widget de dashboard. Os dados estão bem ali, mas o caminho da pergunta até a resposta ainda passa por construção de queries, scripts ou trabalho de dashboard.
Por isso: conecte um assistente de IA aos seus dados da TagoIO via Model Context Protocol e basta perguntar. O servidor MCP da TagoIO liga assistentes como Claude, ChatGPT e Cursor diretamente à sua implantação. Você digita a pergunta em português simples, o assistente lê os seus dispositivos e dados reais e responde, ou gera o script ou dashboard que você teria construído na mão. Este post mostra como isso funciona na prática.
Este passo a passo parte do princípio de que a conexão MCP já está configurada. Se não estiver, comece pelo nosso guia de configuração, Como conectar o Claude e outros assistentes de IA à sua plataforma de IoT com MCP, e depois volte para cá.
Tarefa 1: verificações rápidas de status
As perguntas mais comuns também são as mais simples. Você quer saber o estado atual da sua frota sem ficar clicando por listas de dispositivos.
Prompt: “Quais dispositivos não se reportaram nas últimas 24 horas?”
O assistente consulta os seus dispositivos pela conexão MCP, compara o timestamp de dados mais recente de cada um com as últimas 24 horas e retorna a lista. Você recebe os nomes dos dispositivos e há quanto tempo cada um está em silêncio, ali no chat, em poucos segundos. Nenhum filtro para configurar, nenhum widget para construir.
É aqui que as consultas em português simples brilham. A pergunta muda um pouco a cada vez (“últimas 6 horas”, “só os gateways”, “no grupo do galpão”), e você não precisa reconstruir nada para fazer a versão seguinte. Você só digita.
Tarefa 2: resumos e agregações
O passo seguinte é pedir contas sobre um intervalo de dados: médias, totais, contagens agrupadas por algum atributo.
Prompt: “Me mostre a temperatura média por zona na semana passada.”
O assistente puxa o histórico relevante dos dispositivos, agrupa as leituras por zona, calcula a média de cada uma e organiza o resultado em uma pequena tabela. Se você quiser o detalhamento por dia em vez de uma média semanal, é só dizer que ele ajusta.
Isso é realmente útil para explorar. Você está cutucando os dados, formando um quadro, decidindo o que importa. Para uma leitura rápida de “como foi a semana passada”, perguntar é mais rápido do que montar um gráfico. Lembre-se de que o assistente está resumindo o que ele puxa, então para qualquer coisa sobre a qual você vá reportar ou agir, vale a pena conferir os números na própria plataforma.
Tarefa 3: identificar anomalias
Às vezes a pergunta não é “qual é a média”, e sim “o que está errado”. Você está caçando o ponto fora da curva, aquilo que não deveria estar acontecendo.
Prompt: “Quais pallets na zona C ficaram parados por mais de 72 horas?”
Essa é uma pergunta mais difícil. O assistente precisa olhar os dados de localização ou movimento por dispositivo, calcular há quanto tempo cada pallet manteve a posição e filtrar pela zona C e pelo limite de 72 horas. Ele lê os seus dados, raciocina sobre a condição e te dá a lista de pallets que batem, com há quanto tempo cada um está parado.
Para uma investigação pontual, isso ganha de escrever uma query na mão. Você descreve a condição em palavras em vez de traduzi-la em código. Só lembre que o assistente pode errar em lógica desse tipo, então se a resposta orientar uma decisão, verifique você mesmo dois ou três dos itens sinalizados antes de agir.
Tarefa 4: gerar um script de Analysis
Até aqui o assistente esteve respondendo perguntas. Ele também consegue construir coisas. Os scripts de Analysis da TagoIO são JavaScript serverless que rodam na sua conta, e descrever um em português simples costuma ser mais rápido do que partir de um arquivo em branco.
Prompt: “Escreva um script de Analysis que sinalize nível de bateria abaixo de 15 por cento.”
O assistente gera um script de Analysis em JavaScript que lê os dados de bateria dos seus dispositivos, compara cada leitura com o limite de 15 por cento e sinaliza as que estão abaixo dele. Ele consegue ligar a lógica a uma Action para que uma bateria baixa dispare um alerta, já que Actions e alertas fazem parte da mesma plataforma que ele enxerga.
E aqui vai a parte honesta: trate o script gerado como um primeiro rascunho, não como uma implantação pronta. Ele te dá um ponto de partida funcional e poupa o trabalho repetitivo, mas você deveria lê-lo, confirmar que ele referencia os nomes reais dos seus dispositivos e variáveis e testá-lo antes de rodar contra dados ao vivo. O assistente pode errar, e um script que você não revisou é um script em que você não confia.
Tarefa 5: montar um dashboard
O assistente também consegue levantar um Blueprint Dashboard a partir de uma descrição, o que ajuda quando você quer um layout inicial rápido.
Prompt: “Monte um dashboard para os meus dispositivos de cadeia fria.”
O assistente olha os seus dispositivos de cadeia fria, escolhe variáveis relevantes como temperatura e bateria e gera um dashboard com os widgets dispostos para elas. Você recebe algo para olhar e ajustar em vez de uma tela vazia.
É uma ótima forma de vencer o problema da página em branco. Mas isso leva direto ao ponto de honestidade mais importante de todo este post, então vamos encará-lo de frente.
Quando perguntar e quando construir
Consultas em linguagem natural são excelentes para um conjunto específico de tarefas: perguntas pontuais, exploração, investigações isoladas e gerar um primeiro rascunho de script ou dashboard. A força está em não se comprometer com nada. Cada pergunta pode ser diferente, e você nunca precisa construir infraestrutura para fazer a próxima.
Um dashboard salvo é melhor para outro conjunto de tarefas. Para uma métrica que a sua equipe confere todos os dias, a mesma visão toda manhã, um dashboard construído é mais rápido e mais confiável. Ele carrega na hora, mostra sempre a mesma coisa, não depende de o assistente formular uma query corretamente e não custa uma ida e volta por uma interface de chat. Se você se pegar fazendo a mesma pergunta ao assistente todo dia, esse é o seu sinal para construir o dashboard uma vez e parar de perguntar.
Então a regra é simples. Use o português simples quando a pergunta for nova, ocasional ou exploratória. Construa um dashboard ou um Analysis salvo quando a pergunta for recorrente e operacional. Os dois não competem entre si. O assistente costuma ser a maneira mais rápida de descobrir, em primeiro lugar, o que o seu dashboard diário deveria conter.
E sobre código gerado: tudo o que o assistente escreve, um script de Analysis ou uma configuração de dashboard, é um rascunho que pertence a você. Revise, teste, confirme que bate com os nomes reais dos seus dispositivos e variáveis, e então implante. O assistente é um colaborador rápido, não um colaborador sem supervisão.
O que o assistente consegue alcançar
Quando conectado via MCP, o assistente trabalha sobre os mesmos blocos de construção que você usa na plataforma: Devices e seu histórico e dados, scripts de Analysis, Blueprint Dashboards, Actions e alertas e a API REST. É por isso que ele consegue tanto responder perguntas sobre a sua implantação quanto gerar os scripts e dashboards que você de outra forma construiria na mão.
Encerrando
Os dados para responder às suas perguntas operacionais já estão na TagoIO. O atrito nunca foi o dado; foi a construção de queries, os scripts e o trabalho de dashboard entre você e a resposta. Conectar um assistente de IA via MCP elimina esse atrito para as perguntas que não justificam construir nada. Pergunte em português simples, receba a resposta ou um primeiro rascunho de script ou dashboard, e reserve o seu esforço de montar dashboards para as métricas que você acompanha todos os dias.
Use o assistente onde ele é forte, mantenha os seus dashboards salvos para aquilo em que são melhores, e revise tudo o que ele gerar antes de colocar no ar.
