MoEngage conecta agentes de IA a APIs prontas: CTR de push da Glance sobe 38%
Antes de uma liquidação, o profissional de marketing abre, um a um, a ferramenta de analytics, a biblioteca de textos e o construtor de campanhas. A MoEngage não reescreveu centenas de APIs: as descrições OpenAPI foram convertidas automaticamente em ferramentas MCP, que o agente de IA chama a partir do Claude ou do ChatGPT. Na Glance, a taxa de cliques em notificações push (CTR) cresceu 38%, e as campanhas são lançadas 50% mais rápido. Se o produto já tem uma API madura, é mais fácil construir a camada de agentes sobre ela.
Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Para lançar uma promoção de fim de semana, o profissional de marketing abre três ferramentas antes mesmo de escrever uma linha de texto: a de analytics, para ver o que funcionou da última vez; a biblioteca de conteúdo, para escolher o tom; e o construtor de campanhas. Multiplique isso por email, push, SMS e WhatsApp, e boa parte da semana vai embora em trocas de interface, não em decisões. A MoEngage, plataforma de comunicação com clientes usada por mais de 1350 marcas, eliminou essa rotina com agentes de IA e não reescreveu centenas de APIs existentes: as descrições delas foram convertidas automaticamente em "ferramentas" no padrão MCP (Model Context Protocol), que o próprio agente chama.
O resultado na Glance: o CTR das notificações push (a parcela de usuários que tocaram no push) cresceu 38%. Para o desenvolvedor, é um modelo pronto de como adicionar agentes a um produto maduro sem mexer no backend.
Como as APIs viraram ferramentas para agentes
A MoEngage tratou o problema como uma questão de arquitetura: era preciso dar ao agente acesso aos dados reais do cliente e impedi-lo de acessar os de outros. As APIs da plataforma para campanhas, analytics, segmentos, conteúdo e jornadas já estavam descritas no formato OpenAPI 3.0. A equipe usou o framework FastMCP, que lê essa especificação e cria as ferramentas MCP automaticamente. Cada operação vira uma ferramenta com esquema, descrição e validação de parâmetros. No exemplo do artigo, são cerca de dez linhas em Python: carregar a especificação, criar o cliente, chamar FastMCP.from_openapi e subir o servidor.
As ferramentas se dividem em cinco grupos: campanhas, analytics, segmentação, conteúdo e jornadas de automação. As definições são geradas a partir das especificações, então, quando a API é atualizada, as ferramentas acompanham a mudança. O servidor MCP não executa o modelo. Ele apenas expõe os recursos da plataforma, e quem raciocina é o agente que se conecta a ele. Qualquer cliente com suporte a MCP pode se conectar, incluindo Claude e ChatGPT por meio do conector da MoEngage.
Como os clientes são isolados
Em um sistema com milhares de marcas, o modelo não pode decidir de quem são os dados que vai ler. A MoEngage adotou três medidas. O servidor aceita o mesmo token JWT das APIs convencionais, e o runtime do AgentCore o valida antes que a requisição chegue ao servidor.
Os identificadores do workspace e do usuário viajam nos cabeçalhos da requisição, e não nos argumentos das ferramentas; por isso o modelo não os vê e não consegue falsificá-los. Cada sessão de usuário roda em um ambiente isolado próprio, e o estado de uma conversa não pode ser lido por outra. Por cima disso ficam o Amazon Bedrock Guardrails, com filtros de segurança e de dados pessoais, e uma camada intermediária que verifica a estrutura do conteúdo gerado antes de exibi-lo na interface.
Dá para manter os agentes sob rédea curta. Cada um mantém um registro: quais dados consultou, o que decidiu, quais canais tocou e o que enviou. O modo é definido por agente: autonomia total ou confirmação humana antes da ação. No exemplo do artigo, o agente encontra uma queda na terceira etapa do onboarding e só pausa a ramificação de SMS depois da aprovação do usuário.
O que foi obtido e quais são as ressalvas
O Merlin AI reúne quatro tipos de agentes: assistentes integrados ao studio (redator, designer, montagem de segmentos, templates, jornadas), agentes de conversa como o Campaign Insights, agentes personalizados para equipes de CRM e agentes de decisão, que escolhem oferta, canal e horário para cada cliente individualmente. Para raciocínio e geração, são usados modelos Anthropic Claude Sonnet no Amazon Bedrock. As versões citadas no post são Sonnet 4.6, 5 e 5.5, e a MoEngage alterna entre elas pela mesma API.
Os números divulgados pela empresa: mais de seis meses em produção; na Glance, lançamento de campanhas 50% mais rápido, cliques em push 38% maiores e cerca de três vezes mais variantes de conteúdo por campanha. Na plataforma como um todo, o trabalho manual com canal, horário e frequência caiu de 60% a 70%, e a conversão a partir de decisões orientadas por objetivo subiu de 20% a 30%. A inferência com pagamento por tokens, em vez de GPUs próprias, reduziu os custos de infraestrutura de IA em mais de 50%.
Esses dados exigem cautela. O artigo foi escrito em conjunto com a equipe da MoEngage e publicado no blog da AWS, ou seja, é um autorrelato do fornecedor. A metodologia das medições não foi divulgada: não se sabe quais foram os grupos de controle nem os valores de referência. A comparação de custo com "modelos próprios" também depende de quais modelos e de qual carga serviram de base.
A conclusão prática é simples. Se o seu produto tem uma API madura com especificação, não é preciso montar a camada de agentes do zero. Você precisa de geração de ferramentas MCP a partir do OpenAPI, autorização com os mesmos tokens, identificadores fora do alcance do modelo e um runtime gerenciado para as sessões. Verifique também, separadamente, se os recursos necessários do AgentCore estão disponíveis na sua região da AWS.
- 18 de nov. de 2026Agente da OpenAI preenche pedidos de seguro: Luna fez 91,8% dos pontos por 8,5 centavos de dólar
- 18 de nov. de 2026Em 94% das seleções B2B, o resumo de IA quase não mostra os sites das próprias empresas
- 18 de nov. de 2026Tencent Hy4 flash marcou 2,79 de 4 contra 2,81 do Haiku 5.5 e custa 18 vezes menos por tarefa
- 18 de nov. de 2026Cinco IAs tentaram corrigir o mesmo bug: duas conseguiram, três quebraram ainda mais
Perguntas frequentes sobre a notícia
Como as APIs viraram ferramentas para agentes?
A MoEngage tratou o problema como uma questão de arquitetura: era preciso dar ao agente acesso aos dados reais do cliente e impedi-lo de acessar os de outros. As APIs da plataforma para campanhas, analytics, segmentos, conteúdo e jornadas já estavam descritas no formato OpenAPI 3.0. A equipe usou o framework FastMCP, que lê essa especificação e cria as ferramentas MCP automaticamente. Cada operação vira uma ferramenta com esquema, descrição e validação de parâmetros.
Como os clientes são isolados?
Em um sistema com milhares de marcas, o modelo não pode decidir de quem são os dados que vai ler. A MoEngage adotou três medidas. O servidor aceita o mesmo token JWT das APIs convencionais, e o runtime do AgentCore o valida antes que a requisição chegue ao servidor. Os identificadores do workspace e do usuário viajam nos cabeçalhos da requisição, e não nos argumentos das ferramentas; por isso o modelo não os vê e não consegue falsificá-los.
O que foi obtido e quais são as ressalvas?
O Merlin AI reúne quatro tipos de agentes: assistentes integrados ao studio (redator, designer, montagem de segmentos, templates, jornadas), agentes de conversa como o Campaign Insights, agentes personalizados para equipes de CRM e agentes de decisão, que escolhem oferta, canal e horário para cada cliente individualmente. Para raciocínio e geração, são usados modelos Anthropic Claude Sonnet no Amazon Bedrock. As versões citadas no post são Sonnet 4.6, 5 e 5.5, e a MoEngage alterna entre elas pela mesma API.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.