Pular para o conteúdo principal
Uma biblioteca de agentes de IA especializados para integrações com o Localpayment. Implante o Agente Integrador para desenvolver mais rapidamente ou o Agente de QA para validar sua integração. Compatível com OpenAI Agents SDK, LangChain, Vercel AI SDK, CrewAI, AgentScope, Amazon Bedrock, OpenHands, OpenCode e qualquer ferramenta compatível com MCP. Suporta Claude Opus 4.7, GPT-4o, Gemini 3, Llama 4 e modelos locais. Um agente de IA é um sistema autônomo que recebe um objetivo, o divide em etapas, aciona ferramentas externas e itera até alcançar um resultado — sem a necessidade de um humano para guiar cada etapa. Diferentemente de um assistente de bate-papo, um agente pode descobrir endpoints de API, ler esquemas, gerar código, testá-lo com documentação em tempo real e refinar sua saída em uma única sessão. Todos os agentes Localpayment são construídos sobre a mesma base: o servidor MCP (https://docs.localpayment.com/mcp) como a fonte de verdade em tempo real, e o Protocolo de Consulta — consultar apenas o que cada pergunta exige, nunca buscar tudo antecipadamente.

Biblioteca de Agentes Localpayment

Agente Integrador Localpayment

Crie integrações de pagamento mais rapidamente e com menos erros. O agente lê a especificação da API em tempo real antes de gerar qualquer código, valida os payloads das solicitações em relação aos esquemas e explica os códigos de erro a partir da documentação atual.

Agente de QA Localpayment

Valide sua integração antes de entrar em produção. O agente verifica sua implementação em relação à especificação em tempo real, sinaliza campos obrigatórios ausentes, testa casos extremos e gera um relatório de validação estruturado.
Todos os agentes usam o mesmo servidor e ferramentas MCP. Você pode combiná-los, estendê-los ou usá-los como modelos para criar seu próprio agente especializado para qualquer tarefa de integração.

Pré-requisitos

Antes de implementar qualquer agente Localpayment, certifique-se de que você possui: Requisitos do LLM (obrigatórios):
  • Suporte para invocação de funções/ferramentas — o LLM deve suportar a invocação estruturada de ferramentas. O MCP é construído sobre a invocação de funções. Qualquer modelo sem essa capacidade não pode usar as ferramentas do MCP.
  • Janela de contexto mínima de 32 mil tokens — recomenda-se 200 mil ou mais para integrações complexas de várias etapas que leem diversos esquemas e guias de API em uma única sessão.
  • Suporte para saída JSON — necessário para respostas estruturadas da ferramenta.
Ambiente:
  • Acesso à Internet para https://docs.localpayment.com/mcp
  • Credenciais da API Localpayment (Stage) para testar sua integração real.
  • Python 3.10+ ou Node.js 18+, dependendo do seu framework.
Modelos compatíveis (suporte verificado para chamadas de ferramentas):
  • Anthropic: Claude Opus 4.7, Claude Sonnet 4.6, Claude Haiku 4.5
  • OpenAI: GPT-4o, o3, o3-mini
  • Google: Gemini 3.1 Pro, Gemini 3 Flash
  • Modelos locais via Ollama ou LM Studio: Qwen3.6, Llama 4 (Scout/Maverick), Phi-4, Mistral Small 4 — qualquer modelo com suporte confirmado para chamadas de função/ferramenta.

Agentes que acionam ferramentas e geram código de integração requerem configurações diferentes daquelas necessárias para tarefas criativas ou conversacionais.
Observações específicas da estrutura:
  • OpenAI SDK / LangChain: Defina temperature=0 na configuração de ChatOpenAI ou Agent.
  • Vercel AI SDK: Passe temperature: 0 nas opções de generateText.
  • CrewAI: Defina temperature=0 no parâmetro llm do seu Agent.
  • AgentScope: Configure via model_configs em agentscope.init().
  • Amazon Bedrock: Passe temperature no inferenceConfig da chamada converse.

Agente Integrador Localpayment

ID: localpayment-integrator Propósito: Ajudar desenvolvedores a criar integrações precisas com a API da Localpayment.

O que faz

  • Consulta o servidor MCP sob demanda — apenas o que cada pergunta exige, minimizando a sobrecarga de tokens.
  • Descobre os endpoints disponíveis com list-endpoints e search-endpoints quando necessário
  • Lê esquemas e parâmetros em tempo real com get-endpoint antes de gerar qualquer código
  • Encontra e lê guias de documentação com search e fetch
  • Gera código de integração completo e executável, validado em relação à especificação atual.
  • Lê sua base de código existente (em ambientes com agentes) e adapta o código gerado à sua arquitetura.
  • Explica os códigos de erro buscando a referência do código de erro em tempo real — nunca da memória.
  • Aplica as melhores práticas de segurança, arquitetura e PCI em todas as respostas.
  • Sinaliza diferenças entre Stage e Produção com base na documentação atual

Mensagem do sistema


Agente de QA Localpayment

ID: localpayment-qa Propósito: Validar uma integração existente da Localpayment em relação à especificação da API em tempo real antes do go-live.

O que faz

  • Lê a especificação em tempo real para entender o que cada endpoint exige.
  • Analisa as cargas úteis e o código das solicitações enviadas em busca de campos ausentes ou inválidos.
  • Verifica a lógica do manipulador de webhook em relação ao guia de notificações atual.
  • Testa o tratamento de erros em relação ao catálogo de códigos de erro documentado.
  • Gera um relatório de validação estruturado com itens aprovados/reprovados e correções recomendadas.

Mensagem do sistema


Integre ao seu projeto

A maneira mais eficaz de usar o Agente Integrador do Localpayment é incorporá-lo permanentemente ao seu projeto, e não apenas em uma interação pontual. Uma vez incorporado, o agente se torna um especialista que conhece tanto a API do Localpayment quanto o seu código-fonte simultaneamente.
Privacidade: A Localpayment não tem acesso ao seu projeto.Ao instalar um agente Localpayment, três coisas acontecem — e nenhuma delas dá ao Localpayment acesso ao seu código:
  1. O prompt do sistema é um arquivo de texto que você copia para o seu computador (.cursor/rules, AGENTS.md, etc.). Uma vez copiado, o Localpayment não tem visibilidade dele nem do seu projeto.
  2. O servidor MCP (https://docs.localpayment.com/mcp) é um servidor de documentação público, somente leitura. Sua ferramenta de IA envia consultas como “mostre-me o endpoint X” e recebe como resposta a documentação pública — o mesmo conteúdo disponível em docs.localpayment.com. O servidor MCP nunca recebe seu código, credenciais ou quaisquer dados privados.
  3. Seu código-fonte é processado localmente pela sua ferramenta de IA e enviado ao provedor de IA escolhido (Anthropic, OpenAI, Google, etc.) de acordo com a política de privacidade desse provedor — e não para a Localpayment.
O fluxo de dados é: seu código → seu provedor de IA (regido pelos termos dele) e seu provedor de IA → Localpayment MCP (somente consultas à documentação pública). O Localpayment nunca está no caminho entre seu projeto e seu provedor de IA.

Passo 1 — Adicione regras ao seu projeto

Adicione o prompt do sistema ao arquivo de regras de IA do seu projeto. O agente será aplicado automaticamente a todas as sessões:
Crie .cursor/rules na raiz do seu projeto e cole o prompt do sistema. O Cursor Agent o utilizará em todas as sessões deste projeto.

Etapa 2 — Expanda com sua arquitetura

O prompt do sistema foi projetado para ser estendido. Após a última seção ##, adicione o contexto específico do seu projeto para que o agente gere um código que se adapte à sua base de código existente:
O agente lerá os arquivos do seu projeto e gerará um código que segue exatamente os seus padrões.

Etapa 3 — Geração autônoma de módulos

Com o agente integrado e o contexto da sua arquitetura adicionado, você pode delegar tarefas de integração completas:
O agente deverá:
  1. Leia seus arquivos de serviço existentes.
  2. Consulte o MCP do Localpayment para obter os esquemas de endpoint atuais.
  3. Gere todos os arquivos no local correto, seguindo suas convenções de nomenclatura.
  4. Aplique automaticamente as melhores práticas de PCI e segurança.
  5. Execute seus testes (em ferramentas como Cursor ou OpenHands) e corrija quaisquer falhas.

Implementar por meio de estrutura

As abas de framework abaixo se aplicam a qualquer agente nesta biblioteca. Substitua SYSTEM_PROMPT pelo prompt do sistema do agente que você deseja implantar.
A forma mais simples de implementar um agente Localpayment é com qualquer ferramenta compatível com MCP (Cursor, Claude Desktop, VS Code, Windsurf, ChatGPT, OpenHands, OpenCode e outras).
  1. Configure o servidor MCP para sua ferramenta.
  2. Crie uma nova sessão e cole o prompt do sistema do agente como instrução inicial, arquivo de regras personalizadas ou instruções do projeto.
No Cursor, crie um arquivo .cursor/rules no seu projeto e cole o prompt do sistema.No Claude Desktop, abra as configurações do seu projeto e cole a mensagem do sistema no campo Instruções do Projeto.No OpenHands, cole o prompt do sistema como instrução inicial do agente antes de iniciar a tarefa.

Comparação de estruturas


Padrões e Ecossistema

Os agentes do Localpayment são construídos com base em padrões abertos. Compreender o ecossistema ajuda na extensão de agentes ou na criação de fluxos de trabalho com múltiplos agentes.

Fluxos de trabalho multiagentes

Os agentes da Localpayment trabalham em conjunto com os agentes do seu projeto já existentes. Um fluxo de trabalho típico combina seus agentes internos (que conhecem seu código-fonte e arquitetura) com os agentes especialistas da Localpayment (que conhecem a API da Localpayment via MCP): Exemplo de prompt para o seu agente orquestrador (Cursor / Claude Code):

Compartilhe e distribua seus agentes

Ao contrário dos servidores MCP (que possuem links diretos para instalação), os prompts do sistema do agente são distribuídos como arquivos. A abordagem recomendada depende da configuração da sua equipe: Para uso individual: Copie o prompt do sistema desta página e adicione-o ao arquivo de regras ou instruções da sua ferramenta. Não é necessária instalação. Para distribuição em equipe via git: A maneira mais confiável de compartilhar agentes com sua equipe é adicionar os arquivos de configuração do sistema ao repositório do projeto. Todos os membros da equipe recebem automaticamente a mesma configuração de agente ao clonar ou atualizar o repositório. Para Claude Code — crie .claude/agents/localpayment-integrator.md:
Para Cursor — faça commit de .cursor/rules com o conteúdo do prompt do sistema. Todos os membros da equipe que trabalham nesse repositório recebem o agente automaticamente. Para OpenCode — faça commit de AGENTS.md com o prompt do sistema. O OpenCode o carrega em cada sessão. Seguindo o padrão aberto AGENTS.md: O formato AGENTS.md é reconhecido pelo Claude Code, Goose e outras plataformas de agentes. Ele usa YAML como cabeçalho para metadados e Markdown para instruções — a mesma estrutura dos prompts do sistema acima.

Sessão de exemplo

Desenvolvedor: Preciso validar minha integração com o CVU da Argentina antes de entrar em produção. Agente de QA Localpayment: (chama get-endpoint POST /api/virtual-account → lê o esquema em tempo real) (chama search("receive payment notifications") → busca o guia de webhooks) Componente analisado: POST /api/virtual-account (CVU da Argentina) Versão da especificação consultada: Esquema em tempo real via MCP get-endpoint ✅ APROVADO
  • externalId é o formato UUID
  • Todos os campos obrigatórios presentes: country, accountNumber, beneficiary.type, beneficiary.name
⚠️ ALERTA
  • beneficiary.document é opcional para empresas locais na Argentina, mas recomendado para fins de conciliação.
❌ REPROVADO
  • O manipulador de webhook não verifica internalId para processamento duplicado — adicione uma verificação de idempotência antes de creditar o pagamento.
Resumo: A integração está 85% concluída. Corrija a verificação de idempotência antes de implantar em produção.

Biblioteca de prompts

Instruções prontas para usar, para tirar o máximo proveito de qualquer agente Localpayment.

Segurança de IA

Melhores práticas para usar ferramentas de IA com segurança em um contexto de integração fintech.
Última modificação em 12 de novembro de 2026