Desenvolvedor cria agregador de notícias com IA usando MCP, DeepSeek e bot no Telegram

O projeto não surgiu de uma ideia abstrata, e sim de um problema concreto: em 28 de fevereiro de 2026, o autor estava em Dubai durante a interceptação de drones iranianos e não conseguiu obter rapidamente um panorama completo do que estava acontecendo. Daí nasceu um agregador de notícias multilíngue que coleta, traduz e classifica as notícias e as entrega tanto para pessoas quanto para assistentes de IA.

Como o projeto surgiu

O autor descreve o ponto de partida de forma bem pé no chão: o Google e o Yandex mostravam matérias de duas horas antes, enquanto os canais do Telegram traziam versões contraditórias dos fatos. Quando a notícia precisa chegar agora, esse atraso deixa de ser um pequeno incômodo e vira um problema real. A primeira solução foi simples: um canal no Telegram sobre o Oriente Médio, alimentado manualmente com feeds RSS das grandes agências internacionais.

Logo o modo manual esbarrou no volume. O fluxo passou de 200+ publicações por dia, e mantê-lo sem automação deixou de fazer sentido. Veio então um parser, depois a tradução automática e, na sequência, fontes de TI e a pauta econômica. No fim, a ideia local de um canal de notícias rápidas virou um produto completo: um site agregador com feed de notícias, chat com IA, API, servidor MCP e um bot próprio no Telegram.

O que há dentro do sistema

O projeto foi montado como um conjunto de componentes independentes, e não como um monólito. Um serviço separado, o FeedManager, coleta os RSS, processa os feeds e grava os dados no MySQL. A parte em Flask lê os artigos já prontos e não depende de o parser ter travado em alguma fonte instável. A marcação automática de tags funciona como um processo autônomo: lê os materiais novos do banco e grava os resultados de volta, enquanto o bot do Telegram atende os usuários em seu próprio circuito.

• 80+ fontes em um único fluxo, incluindo agências internacionais, veículos de TI e publicações de negócios
• 9 categorias temáticas e cerca de 50 tags para navegar pelo feed
• tradução automática dos materiais para o russo logo após a publicação
• API REST com busca e filtros por tags, datas e fontes
• servidor MCP, que permite aos assistentes de IA usar a base de notícias como ferramenta

Sobre o agregador rodam a API e o servidor MCP para clientes externos e agentes de IA. O detalhe-chave é que, em vez de JSON bruto, o sistema devolve respostas estruturadas por meio de modelos Pydantic como ArticleSummary e SearchResult. Isso reduz erros no processamento e economiza tokens.

Na proposta do autor, o assistente consegue encontrar sozinho a tag certa, buscar artigos dos últimos dias, ler os textos completos e montar um resumo sem preparação manual dos dados. As ferramentas são carregadas dinamicamente a cada cinco minutos, então novos recursos podem ser adicionados sem reescrever a lógica do agente.

Por que sem IA em excesso

No projeto, a IA não está em toda parte, só onde de fato compensa. Para a interface de chat, o escolhido foi o DeepSeek: segundo o autor, ele é de 15 a 30 vezes mais barato que as alternativas, com qualidade comparável para busca e sumarização de notícias. Para um produto gratuito, isso é decisivo. O mesmo pragmatismo aparece no armazenamento das traduções: as versões multilíngues de cada artigo ficam direto em um campo JSON do registro, o que acelera o acesso e facilita a expansão para novos idiomas.

O meio-termo mais revelador está na marcação automática de tags. Em vez de um LLM, o autor usou keyword matching com 47 temas e cerca de 600 palavras-chave em inglês e russo. A abordagem alcança cerca de 85% de precisão, leva menos de um milissegundo por artigo e não consome nenhum token. Em meio à moda de "enfiar uma rede neural em cada etapa", é uma postura de engenharia madura: a IA entra onde agrega valor, e não só porque está na moda.

O que isso significa

O caso mostra bem que um produto de notícias com IA hoje vai muito além de um modelo capaz de resumir textos. O valor real aparece quando há coleta de dados confiável, uma estrutura bem organizada, uma API clara e um protocolo como o MCP para conectar assistentes. Para veículos de mídia, equipes de pesquisa e serviços internos de análise, o recado é claro: um feed comum pode virar uma infraestrutura funcional para resumos em tempo real, busca e respostas automatizadas.