O que é um catálogo de produtos pronto para agentes?

O que "pronto para agentes" significa de fato?

Um catálogo de produtos está pronto para agentes quando uma máquina consegue encontrá-lo, lê-lo, consultá-lo e citá-lo corretamente sem que um humano opere um navegador.

Esse é um teste mais rigoroso do que "temos um bom site", e ele falha por motivos que nunca aparecem em um relatório de velocidade de página. Um catálogo pode ranquear bem, converter bem e ter aparência impecável e, ainda assim, devolver um documento vazio ao cliente que um assistente de IA realmente usa. A lacuna é estrutural, não cosmética.

E ela pesa mais a cada trimestre. Ao publicar sua Buyers' Journey Survey em janeiro de 2026, a Forrester relatou que 94% dos compradores corporativos já usam IA no processo de compra e que o dobro de compradores apontou a IA generativa ou a busca conversacional como fonte de informação mais relevante do que qualquer outra — à frente de sites de fornecedores, especialistas de produto e representantes comerciais. As especificações que um assistente recita sobre o seu produto são, cada vez mais, as especificações em que o seu comprador acredita.

A confusão na maior parte do que se escreve sobre o tema é tratar "pronto para agentes" como uma coisa só. São quatro coisas, com quatro consumidores diferentes.

Quais assistentes consomem, de fato, cada superfície?

1. Páginas renderizadas no servidor com dados estruturados

Esta é a única superfície que alcança um usuário de assistente que não configurou nada.

O fato técnico mais importante sobre ela: rastreadores de IA não executam o seu JavaScript. A análise de rastreadores da Vercel — 569 milhões de buscas do GPTBot e 370 milhões do Claude em um único mês — constatou que, embora esses rastreadores baixem arquivos JavaScript (11,50% e 23,84% das requisições, respectivamente), eles não os executam, e concluiu que "nenhum dos principais rastreadores de IA renderiza JavaScript atualmente", citando OpenAI, Anthropic, Meta, ByteDance e Perplexity. Retestes independentes ao longo de 2026 chegaram ao mesmo veredito. Se a sua tabela paramétrica, o seu indicador de estoque ou a sua lista de documentos é injetada no lado do cliente, ela não existe para esses clientes. O Googlebot renderiza JavaScript e segue sendo a exceção, e é exatamente por isso que equipes que checam a própria visibilidade no Google concluem, equivocadamente, que está tudo bem.

A própria orientação do Google é refrescantemente direta sobre o resto: para aparecer nas AI Overviews ou no AI Mode "uma página precisa estar indexada e apta a ser exibida na Busca do Google com um snippet", e não há requisitos técnicos adicionais, nem schema específico para IA, nem arquivos especiais. Dados estruturados continuam valendo o esforço, porque eliminam a ambiguidade sobre qual número é a corrente nominal e qual é o pico — mas são uma ferramenta de desambiguação, não um gatilho mágico.

Por fim, a camada de rastreamento tem uma dimensão de política que a maioria dos catálogos ignora. A OpenAI documenta três agentes distintos — GPTBot para treinamento de modelos de fundação, OAI-SearchBot para exibir sites na busca do ChatGPT e ChatGPT-User para buscas iniciadas pelo usuário. A Anthropic documenta ClaudeBot, Claude-User e Claude-SearchBot no mesmo padrão. São entradas independentes no robots.txt. Um disallow genérico voltado ao treinamento também desliga o rastreador de recuperação que poderia ter citado você.

2. Versões em Markdown e texto limpo

Esta é a superfície sobre a qual mais se exagerou em 2026, então convém ser preciso.

Nenhum assistente de consumo relevante publica um contrato de negociação de conteúdo dizendo "mande Accept: text/markdown que eu vou preferir esse formato". A convenção llms.txt é tecnicamente coerente e tem adoção real entre sites de documentação para desenvolvedores, mas o Google afirma abertamente que você não precisa de arquivos de texto para IA para aparecer nos seus recursos de IA, e pesquisas de adoção ao longo de 2026 constataram que os rastreadores da OpenAI, do Google e da Anthropic não solicitam o arquivo em volume relevante.

O que é genuinamente verdadeiro é mais estreito e ainda assim vale a pena fazer. Texto extraído de uma página carregada de navegação e de scripts é mais ruidoso do que texto servido como prosa, então versões limpas sobrevivem melhor à extração. E essa mesma renderização limpa é exatamente o que as suas ferramentas MCP deveriam devolver como payload. Construa as versões em markdown como um artefato de reúso do registro canônico, e não como tática de crescimento, e você não vai se decepcionar.

3. Feeds de produtos enviados

Aqui está o fato que reordena a maioria dos roadmaps: a superfície de compras do ChatGPT é alimentada por dados que os lojistas enviam, não por rastreamento. Segundo a especificação de feed publicada, os lojistas entregam TSV, CSV, XML ou JSON a um endpoint acordado entre as partes e incluído em lista de permissões, por HTTPS criptografado, e o sistema aceita atualizações a cada 15 minutos. O programa de lojistas da Perplexity funciona da mesma maneira no desenho — dados de produto fornecidos como arquivos CSV ou XML em um formato especificado, entregues pelo lojista. Nenhuma dose de otimização on-page substitui a adesão ao programa.

A ressalva honesta para catálogos industriais é que esses esquemas têm formato de varejo. Eles pressupõem um GTIN, um preço de tabela e uma variante comprável. Um distribuidor com 40 mil linhas, preço de contrato específico por cliente e sem GTIN em metade da gama vai achar o encaixe ruim. Feeds têm alto valor onde você vende a um preço publicado para um comprador final identificável, e são em grande parte irrelevantes onde a venda é por cotação.

4. Um endpoint MCP

O MCP é a superfície de maior fidelidade e, hoje, a de público mais estreito. Precisão importa aqui porque o alcance varia bastante conforme o assistente:

• Claude suporta conectores MCP remotos customizados nos planos Free, Pro, Max, Team e Enterprise, com usuários gratuitos limitados a um conector. O servidor precisa estar acessível pela internet pública a partir das faixas de IP da Anthropic.
• ChatGPT expõe servidores MCP customizados pelo modo desenvolvedor; conectores customizados com permissão de escrita ficam restritos aos planos Business, Enterprise e Edu, enquanto usuários individuais Plus e Pro só têm conectores somente leitura. O Apps SDK, que sustenta os apps dentro do ChatGPT, é ele próprio construído sobre MCP, e as submissões passam por revisão do diretório.
• Gemini oferece conexões a servidores MCP customizados pelo Gemini Enterprise, em que um administrador registra o seu servidor Streamable HTTP como data store dentro do tenant dele. Não é um recurso de consumo.

Portanto, a população alcançável é formada por engenheiros que configuram um conector e por compradores corporativos cuja área de TI registra o seu servidor. Para um fabricante de componentes ou de produtos para construção, essa é uma descrição notavelmente boa do especificador e do time de compras — mas não é a cauda longa anônima, e quem lhe disser que um endpoint MCP sozinho torna você "visível para IA" está vendendo alguma coisa.

Por que um servidor MCP vazio não vale nada?

Porque uma chamada de ferramenta é uma promessa de correção, e uma resposta errada entregue por uma ferramenta é pior do que resposta nenhuma.

Quando um assistente lê a sua página web, ele se resguarda: o modelo sabe que está resumindo um documento. Quando ele chama get_part e recebe {"rated_current_a": 32}, ele não se resguarda. Ele afirma o número. Se o seu PIM guarda 32 A para o tamanho de carcaça e 25 A para a variante específica, e a ferramenta resolveu para o valor errado, você não melhorou a sua visibilidade em IA — você industrializou um erro de especificação e anexou a autoridade da sua marca a ele.

É por isso que os servidores MCP de peças com credibilidade que estão indo ao ar hoje são construídos sobre uma camada de dados verificada, e não sobre um verniz de protocolo. O servidor MCP público e gratuito da Microchip, lançado em novembro de 2025, expõe especificações de produto verificadas, datasheets, estoque, preços e prazos de entrega por Streamable HTTP — a ênfase do anúncio está em dados verificados e atualizados, não no transporte. O servidor Storefront MCP da Shopify, acessível em https://{shop}.myshopify.com/api/mcp, funciona porque uma loja Shopify já tem um registro de produto autoritativo, com campos tipados.

Um endpoint MCP na frente de três planilhas que discordam entre si, de um PIM que perdeu as unidades e de uma pasta de PDFs é apenas um jeito mais rápido de errar. A ordem do trabalho é: registro canônico, verificação e só então protocolo.

O modelo de maturidade de prontidão para agentes

A maioria das organizações descobre que está no nível 0 ou 1 enquanto acredita estar no nível 2. A pergunta que distingue não é "temos dados estruturados?", mas "se dois sistemas discordam sobre este atributo, qual deles está certo, e uma máquina consegue saber?"

Como descobrir em que nível você está?

Cinco verificações, nesta ordem, cada uma levando minutos:

1. 01Busque uma página de produto com um cliente simples, sem navegador e leia a resposta bruta. Se as especificações estiverem ausentes do HTML, você está no nível 0, independentemente da aparência da página em um navegador.
2. 02Leia o seu `robots.txt` como um documento de política. Liste cada user agent de IA que você permite e bloqueia, e confirme que cada linha reflete uma decisão real sobre treinamento versus recuperação.
3. 03Valide um bloco JSON-LD e confira cada valor contra a página visível. Divergências são piores do que omissões.
4. 04Escolha dez peças e faça a três assistentes uma pergunta factual cuja resposta correta você conheça de cor. Registre as respostas erradas. Essa taxa de erro é a sua linha de base real.
5. 05Tente responder a uma pergunta paramétrica a partir dos seus próprios dados — toda peça que atenda a três restrições — usando apenas o que uma máquina consegue alcançar. Se um humano precisa abrir um PDF, um agente também precisaria, e ele não vai abrir.

O que encontramos em 984 empresas?

Em agosto de 2026, auditamos 984 domínios de distribuidores e fabricantes em todo o mundo, na América do Norte, na Europa e na Ásia. O quadro agregado foi consistente o bastante para ser desconfortável:

• A pontuação mediana de visibilidade em IA ficou em torno de 50 de 100.
• 38% não serviram nenhuma página de catálogo legível a um cliente padrão sem navegador.
• Apenas 19% publicaram alguma política explícita para rastreadores de IA e, entre esses, mais que o dobro bloqueou um rastreador relevante em vez de convidá-lo.
• Nenhum anunciava um endpoint MCP.

A distribuição importa mais do que a mediana. A distância entre o decil superior e o meio da tabela não era orçamento nem headcount; era se a organização tinha um único registro de produto canônico ou vários concorrentes entre si. Todo o resto decorria disso.

O que você deve construir primeiro?

1. 01Estabeleça um registro canônico por peça, com atributos tipados, unidades, proveniência e um carimbo de última verificação. Tudo o que vem abaixo é uma projeção disso.
2. 02Renderize o catálogo no servidor, para que a especificação completa esteja presente na resposta HTML inicial.
3. 03Adicione dados estruturados que correspondam à página e depois verifique-os, em vez de confiar no gerador.
4. 04Escreva uma política deliberada para rastreadores de IA, agente por agente, e documente por que cada decisão foi tomada.
5. 05Envie feeds onde existir uma superfície para o seu modelo comercial — e ignore-os com honestidade onde não existir.
6. 06Coloque de pé um endpoint MCP que exponha busca paramétrica, consulta de peça, alternativas, documentos de conformidade e CAD, com OAuth para tudo o que for específico do cliente.
7. 07Monitore a precisão continuamente, porque o modo de falha não é o silêncio, é o erro confiante.

A Partsgraph constrói isso como uma camada sobreposta: ingerimos o catálogo que você já tem — datasheets, parâmetros, CAD e documentos de conformidade —, resolvemos tudo em um único Parts Graph verificado e o servimos nas quatro superfícies sem tocar no seu site.

Se você quer a linha de base antes do roadmap, rode o seu domínio pelo nosso avaliador gratuito em /audit. Ele relata o que um cliente sem navegador realmente recebe do seu catálogo hoje e qual das quatro superfícies está faltando.