Coloque o Claude (ou ChatGPT) pra cuidar do seu WhatsApp — via MCP

O Blaber tem um servidor MCP nativo: você conecta seu AI agent favorito e ele passa a ler e responder seus clientes de verdade. Setup de 2 minutos.

Resposta curta: o Blaber tem um servidor MCP hospedado em https://mcp.getblaber.com/mcp. Cole esse endereço no seu cliente de IA (Claude, ChatGPT, Cursor…), faça o login quando ele pedir, e pronto: seu assistente agora enxerga suas conversas e pode respondê-las — WhatsApp, Telegram, Slack, Discord, chat do site, tudo. Sem instalar nada, sem servidor seu, sem código.

Espera — meu assistente de IA vai mexer no meu WhatsApp?

Vai, e é menos assustador do que parece. MCP (Model Context Protocol) é um padrão aberto que dá ferramentas para assistentes de IA. Quando você conecta o MCP do Blaber, o assistente ganha um cinto de utilidades: uma ferramenta pra listar conversas, uma pra enviar mensagem, uma pra criar template, e assim vai — cada operação da API vira uma tool.

O assistente só age quando você manda (e os clientes MCP mostram cada ação pra você aprovar). Pense nele como um estagiário brilhante que pede permissão antes de apertar qualquer botão.

Passo 1 — Conecte (2 minutos, cronometrados)

  • Claude: Settings → Connectors → Add custom connector → cole https://mcp.getblaber.com/mcp.
  • Cursor / Windsurf / Codex: adicione o servidor MCP nas configurações (transporte HTTP) com a mesma URL.
  • Login: o Blaber abre a tela de autorização sozinho (OAuth). Alternativa raiz: cole uma API key bk_… criada em Settings → API Keys.

Passo 2 — Converse com seu novo estagiário

A partir daí é linguagem natural. Exemplos reais de prompts:

“Lista as conversas de WhatsApp sem resposta de hoje e me resume cada uma em uma linha.”

“Responde a conversa do João avisando que o pedido saiu pra entrega e chega amanhã. Tom simpático, um emoji no máximo.”

“Cria um template de confirmação de agendamento com a variável {{nome}} e {{horario}} e manda pra aprovação da Meta.”

O assistente chama as tools do Blaber, o Blaber fala com os canais, e você assiste o trabalho acontecer.

Passo 3 — Do “me ajuda aqui” ao piloto automático

Três níveis de maturidade (suba um degrau por vez):

  1. Copiloto: o agente lê e redige, você aprova cada envio. Zero risco.
  2. Faixas automáticas: perguntas repetidas (horário, status de pedido, segunda via) o agente resolve sozinho; o resto ele etiqueta e escala.
  3. Agente de plantão: com o SDK/API (ou n8n), você roda um agente 24/7 que triagem tudo — e o Inbox continua lá pra qualquer humano entrar na conversa a qualquer momento.

Por que isso funciona tão bem no Blaber?

Porque a plataforma nasceu agent-native: as tools são geradas do contrato OpenAPI (o agente nunca vê uma API surpresa), os erros são previsíveis e explicativos (o agente se corrige sozinho), e o llms.txt documenta tudo num formato que modelos adoram. Seu assistente não “se vira” com o Blaber — ele manja do Blaber.

Regra da casa pra dormir tranquilo: comece no nível copiloto, num canal de teste. Quando o agente estiver mandando bem, aí sim solta a coleira aos poucos.

Perguntas frequentes

O que é MCP e por que eu deveria ligar pra isso?

MCP (Model Context Protocol) é o padrão que permite a assistentes de IA (Claude, ChatGPT, Cursor…) usarem ferramentas externas. Com o MCP do Blaber, seu assistente ganha superpoderes de mensageria: listar conversas, responder clientes, criar templates — tudo com sua permissão.

Como conecto o Claude ou o ChatGPT no Blaber?

Adicione o servidor MCP hospedado do Blaber (https://mcp.getblaber.com/mcp) no seu cliente de IA. Ele abre o login do Blaber sozinho (OAuth) — ou você cola uma API key bk_. Não precisa instalar nada.

O agente pode responder clientes sozinho?

Pode, se você deixar. Na prática o fluxo mais seguro é o agente redigir e você aprovar — ou automatizar só categorias específicas (status de pedido, horário de funcionamento) e escalar o resto pra um humano.

Funciona com quais ferramentas?

Qualquer cliente MCP: Claude (app e Code), ChatGPT, Cursor, Windsurf, Codex e afins. Uma tool por operação da API, com descrições que o modelo entende.

← Voltar pra todos os posts