Advogado ensina agente de IA a fazer edições pontuais no Word com Track Changes
Cansado de levar para os contratos as alterações discutidas no chat com a IA, um advogado trocou o conjunto de comandos rígidos por um sandbox com Python. O agente lê o XML dentro do .docx e faz edições pontuais com o Track Changes ativado: troca "30" por "45" sem reescrever o parágrafo. Para arquivos com estrutura imprevisível, essa flexibilidade se mostrou mais prática do que operações prontas. O servidor Veqtor Workspace oferece ao modelo quatro ferramentas MCP e Python sem acesso à rede. Funciona com Claude e com modelos da OpenAI; o modelo em si não vem embutido no servidor. O arquivo original é preservado, e o resultado final no Word ainda precisa ser revisado por uma pessoa.
Processado por IA de Habr AI; editado por Hamidun News
Quem já trabalhou com contratos conhece a rotina: você discute com a IA uma boa redação para uma cláusula, depois procura o item no Word manualmente, substitui o texto, confere as disposições vizinhas e adiciona um comentário. O advogado autor desta história decidiu eliminar justamente essa etapa. Conseguiu, mas não de primeira, e o caminho é mais interessante que o resultado: ele mostra onde fica a fronteira entre operações escritas previamente e código que o agente escreve na hora.
Por que a primeira versão esbarrou no formato
No início, o autor optou por um controle estrito. Criou um servidor MCP com um conjunto de operações predefinidas sobre o documento. O MCP serve aqui para que o modelo conectado possa chamar as ferramentas do servidor. O modelo decide o que mudar, e um código convencional executa a substituição com cuidado: localiza o texto, verifica o estado original, aplica a edição e garante que nada além do necessário seja afetado.
O problema é que o .docx é um arquivo ZIP com partes em XML. Uma frase que aparece em uma única linha no Word costuma estar dividida internamente em vários fragmentos. Ao lado dela pode haver um comentário, parte do texto marcada como inserida, parte como excluída, e tudo isso pode estar dentro de uma célula de tabela. Para um advogado, é um contrato comum depois de algumas rodadas de negociação. Para um programa que precisa trocar duas palavras sem quebrar as correções de outras pessoas, é uma enxurrada de casos especiais.
Cada novo documento exigia ampliar as regras e as verificações. Em certo momento, o autor percebeu que estava escrevendo um editor de Word cada vez mais complexo, embora a tarefa fosse mais modesta: não transferir as alterações à mão.
Segunda versão: o servidor fornece o ambiente, o modelo escreve o código
Então ele inverteu a lógica. Os modelos atuais escrevem código bem, inclusive para analisar um arquivo específico. Por que limitá-los a uma lista de operações que um humano teve tempo de implementar? Assim nasceu o Veqtor Workspace. O servidor dá acesso aos documentos escolhidos e a um ambiente Python, enquanto o agente examina o arquivo, analisa o XML quando necessário e escreve o código para a alteração específica. Se o código falha, o agente recebe o erro e o corrige.
O servidor tem quatro ferramentas MCP:
- workspace_info explica como o ambiente de trabalho está organizado;
- document_task cria uma tarefa com uma cópia de trabalho do documento e salva o resultado;
- run_python executa o código escrito pelo modelo;
- check_docx compara o original com o resultado e, se necessário, gera uma prévia.
As restrições permanecem do lado do servidor. O Python roda localmente, sem rede, apenas com os arquivos selecionados e uma pasta de trabalho separada. A versão original é preservada e, antes de gravar o resultado, o servidor verifica se o original não foi alterado durante o trabalho. O servidor não tem modelo de linguagem: quem raciocina é aquele ao qual ele está conectado, seja Claude ou um modelo da OpenAI.
O que funcionou e onde estão as armadilhas
Segundo o autor, nos testes com Claude e com modelos da OpenAI, o agente leu os documentos, encontrou o trecho certo e preparou o arquivo com as alterações no modo Track Changes. O que mais importa para o advogado é como as mudanças aparecem. Se o prazo muda de 30 para 45 dias, é preciso ver a substituição do número, e não um parágrafo excluído e inserido de novo: do contrário, a outra parte teria de comparar o texto inteiro. O novo esquema gera edições pontuais, que podem ser revisadas, aceitas ou rejeitadas no Word.
O formato do pedido também é revelador: "troque 30 dias por 45, preserve as demais redações, a formatação, as correções e os comentários existentes, faça a alteração no modo de controle de alterações". Não basta que o número 45 apareça no texto final; é preciso entregar um documento com o qual as pessoas possam continuar trabalhando.
O próprio autor aponta as limitações:
- o modelo pode escolher uma forma ruim de editar, alterar texto além do necessário ou interpretar mal correções antigas;
- a verificação do XML não substitui a revisão no próprio Word;
- o servidor trabalha com o arquivo salvo e não enxerga alterações não salvas em uma janela aberta;
- o código roda localmente, mas, com um modelo na nuvem, o texto lido chega a ele pelos resultados das chamadas de ferramentas, o que é relevante para contratos confidenciais;
- a flexibilidade custa tempo e tokens: o agente precisa entender o arquivo, escrever o código e, às vezes, corrigir a si mesmo, enquanto uma função pronta para um caso conhecido é mais rápida e previsível.
Conclusão prática
O autor divide a responsabilidade assim: o acesso aos arquivos, a preservação dos originais e a gravação do resultado ficam sob controle do servidor, o modelo escolhe como ler e editar, e o resultado final é revisado por uma pessoa. Para desenvolvedores, é um modelo viável para qualquer formato com estrutura interna "suja": Excel, PowerPoint, PDF. Se as entradas são variadas demais para descrever cada cenário de antemão, sai mais barato dar ao agente um sandbox e limites rígidos de acesso, reservando as funções determinísticas para os casos frequentes e bem conhecidos. O próprio autor se define como vibecoder e pede a profissionais que indiquem onde traçar a linha entre a liberdade do modelo e as operações implementadas previamente.
- 19 de nov. de 2026RSAC 2026, meses depois: assistentes de IA inventaram 19,7% dos pacotes recomendados
- 19 de nov. de 2026Agentes Codex fizeram 1700 investigações sobre lentidão do ChatGPT e encontraram a causa em 600
- 19 de nov. de 2026Anthropic estreia na bolsa e capta US$ 81,3 bilhões — recorde de US$ 75 bilhões da SpaceX é superado
- 19 de nov. de 2026Infostart conecta Direct, Metrica e Wordstat ao ChatGPT: 6 comandos, acesso compartilhado
Perguntas frequentes sobre a notícia
Por que a primeira versão esbarrou no formato?
No início, o autor optou por um controle estrito. Criou um servidor MCP com um conjunto de operações predefinidas sobre o documento. O MCP serve aqui para que o modelo conectado possa chamar as ferramentas do servidor. O modelo decide o que mudar, e um código convencional executa a substituição com cuidado: localiza o texto, verifica o estado original, aplica a edição e garante que nada além do necessário seja afetado. O problema é que o .docx é um arquivo ZIP com partes em XML.
O que se sabe sobre Segunda versão: o servidor fornece o ambiente, o modelo escreve o código?
Então ele inverteu a lógica. Os modelos atuais escrevem código bem, inclusive para analisar um arquivo específico. Por que limitá-los a uma lista de operações que um humano teve tempo de implementar? Assim nasceu o Veqtor Workspace. O servidor dá acesso aos documentos escolhidos e a um ambiente Python, enquanto o agente examina o arquivo, analisa o XML quando necessário e escreve o código para a alteração específica. Se o código falha, o agente recebe o erro e o corrige.
O que funcionou e onde estão as armadilhas?
Segundo o autor, nos testes com Claude e com modelos da OpenAI, o agente leu os documentos, encontrou o trecho certo e preparou o arquivo com as alterações no modo Track Changes. O que mais importa para o advogado é como as mudanças aparecem. Se o prazo muda de 30 para 45 dias, é preciso ver a substituição do número, e não um parágrafo excluído e inserido de novo: do contrário, a outra parte teria de comparar o texto inteiro.
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.