Skip to main content

Como a Integração Funciona

Quando uma tabela é conectada a um agente, o agente recebe ferramentas para interagir com os dados em tempo real. Cada mensagem do usuário pode acionar uma ou mais ações na tabela — busca para formular uma resposta, inserção para registrar informações coletadas ou atualização para modificar um registro existente. O agente decide qual ação executar com base nas instruções do prompt de sistema e no contexto da conversa. As ações são executadas pela função datagrid-tool-exec, que valida permissões, tipos de dado e limites antes de modificar qualquer registro.

Ferramentas de Datagrid Disponíveis

Inserção de Linha (insert_row)

A ação insert_row cria um novo registro na tabela com os valores coletados pelo agente durante a conversa. O agente só executa a inserção após coletar os campos obrigatórios — definidos na configuração de cada coluna. Se um campo obrigatório não foi informado pelo usuário, o agente solicita antes de prosseguir.
Caso de uso típico: o agente coleta nome, e-mail e interesse de um lead durante a conversa e insere os dados na tabela “Leads” ao final, sem intervenção humana.

Atualização de Linha (update_row)

A ação update_row modifica os valores de um registro existente. Para atualizar, o agente primeiro localiza a linha via busca (semântica ou por similaridade), obtém o row_id e então executa a atualização com os novos valores.
Caso de uso típico: o usuário informa que quer atualizar seu e-mail de contato. O agente busca o registro pelo nome, solicita o novo e-mail e executa o update_row com o campo atualizado.
A ação semantic_search converte a consulta do agente em embedding e executa busca por similaridade coseno nas colunas com indexação semântica ativa. Retorna linhas ordenadas por relevância semântica, com score de similaridade.
Caso de uso típico: o usuário pergunta sobre produtos para cabelo seco e o agente executa semantic_search na tabela de catálogo, encontrando linhas com “hidratação”, “nutrição capilar” e “tratamento para fios ressecados” mesmo sem correspondência exata de palavras.
A ação similarity_search executa busca por similaridade de texto sem vetorização — mais rápida e sem custo de API de embeddings, porém menos capaz para variações de linguagem. Ideal para identificadores, SKUs e termos técnicos onde a correspondência aproximada é mais útil que a semântica.
Caso de uso típico: o usuário informa o código do produto “NK-AIR-42” e o agente executa similarity_search para localizar exatamente aquele registro no catálogo.

Nota Final

As quatro ações podem ser combinadas num mesmo agente. Um agente de atendimento pode usar semantic_search para consultar o catálogo, insert_row para registrar leads e update_row para modificar status de pedidos — tudo configurado a partir do prompt de sistema.

Arquitetura de Permissões

Cada ação é ativada individualmente ao conectar a tabela ao agente. Não é necessário conceder todas as ações — ative apenas o que o caso de uso requer.
FerramentaNível de PermissãoLeitura/EscritaAcesso Semântico
semantic_searchConsultaSomente leituraSim — requer colunas com busca semântica ativa
similarity_searchConsultaSomente leituraNão — busca textual sem vetorização
insert_rowEscritaEscrita (criação)Não aplicável
update_rowEscritaEscrita (modificação)Não — localiza a linha por row_id obtido previamente por busca

Conectando uma Tabela ao Agente

1

Acesse o agente

No menu lateral, clique em Agentes e selecione o agente que usará a tabela.
2

Abra a aba de Ferramentas

Dentro da configuração do agente, acesse a aba Ferramentas (ou Tabelas). A lista de tabelas disponíveis no workspace é exibida.
3

Adicione a tabela

Clique em + Adicionar tabela e selecione a tabela desejada. Apenas tabelas do mesmo workspace estão disponíveis.
4

Configure as ações e instrua no prompt

Selecione quais ações o agente pode executar (consulta, inserção, atualização). Em seguida, no prompt de sistema do agente, adicione instruções específicas sobre quando e como usar a tabela: qual ação usar, quais campos coletar e qual comportamento adotar quando a busca não retornar resultados.

Exemplo — Usando Múltiplas Ferramentas

Um agente de atendimento para uma clínica tem acesso à tabela “Agenda de Profissionais”. Quando o usuário pergunta “tem horário disponível com a Dra. Ana amanhã?”, o agente executa semantic_search com a query “Dra. Ana disponível amanhã” e recupera os horários cadastrados. Ao confirmar o agendamento, o agente executa update_row para decrementar as vagas disponíveis no horário escolhido e insert_row na tabela “Agendamentos” para registrar os dados do paciente.

Fluxo de Dados — Agente + Tabela

Quando o agente recebe uma mensagem do usuário, o fluxo de dados segue a sequência:
  1. O LLM processa a mensagem e identifica a intenção (consulta, coleta de dados, atualização).
  2. Com base nas instruções do prompt, o agente decide qual ferramenta de datagrid acionar.
  3. A função datagrid-tool-exec recebe a requisição, valida permissões e tipos de dado e executa a ação no banco de dados.
  4. O resultado (linhas encontradas, confirmação de inserção ou atualização) é retornado ao LLM.
  5. O LLM formula a resposta final ao usuário com base nos dados retornados pela tabela.
Ações de inserção e atualização são permanentes e imediatas — não há desfazer automático pela interface do agente. Dados incorretos inseridos pelo agente precisam ser corrigidos manualmente na interface da tabela.

Boas Práticas

RecomendaçãoDescrição
Seja específico no promptO agente tem acesso a várias ferramentas simultaneamente. Instruções vagas podem fazer o agente não usar a tabela quando deveria, ou usar quando não deveria. Indique explicitamente quando cada ação deve ser acionada.
Limite as ações ao mínimo necessárioSe a tabela é um catálogo somente leitura, não ative inserção nem atualização. Reduz o risco de dados incorretos e simplifica o comportamento esperado do agente.
Use campos obrigatórios com critérioCampos obrigatórios garantem que o agente colete informações críticas antes de inserir. Em excesso, tornam a conversa longa e podem frustrar o usuário.
Teste com casos extremosSimule usuários que pulam perguntas, dão respostas vagas ou fornecem dados no formato errado. Verifique como o agente lida com cada situação antes de ativar em produção.