Playbook 03 · Nível avançado

Claude como plataforma de construção.

Aqui você sai de usuário de chat e vira construtor. Claude Code, API, MCP, agentes que rodam tarefas multi-step, prompt engineering com XML. É como eu construí 50+ agentes no último ano.

01 Claude Code — o desbloqueio principal

Claude Code é a versão do Claude que roda no seu terminal, lê e edita os arquivos do seu computador, executa comandos, faz commits no Git. É a ferramenta com a qual eu construí o 10xai.us, o smartswingai.com e mais de 50 agentes pra clientes.

Como instalar:

# Mac / Linux
curl -fsSL https://claude.ai/install.sh | bash

# Depois
cd ~/seu-projeto
claude

No primeiro claude ele pede login (Pro ou API key) e tá pronto. Tipo de coisas que faço com ele:

"Lê esse projeto e me explica a arquitetura" — ele varre as pastas e devolve um mapa.
"Adiciona uma página de cobrança nesse Next.js" — ele lê o stack, escreve, testa.
"Esse agente tá quebrando quando o input vem em PT — debuga" — ele lê os logs, encontra, corrige.
"Migra esse projeto de Tailwind v3 pra v4" — ele faz a migração inteira, commita.

A regra de ouro do Claude Code

Trate como engenheiro júnior brilhante, não como autocomplete. Dá contexto, ele entrega. Dá comando vago, entrega lixo. Quanto mais clara a especificação, melhor o output — exatamente como contratar gente.

02 API — quando o chat não basta

API é como você acessa o Claude programaticamente. É o que tá por trás de todo agente que entrega resultado em produção. Console: console.anthropic.com.

Estrutura mínima — em Python:

from anthropic import Anthropic

client = Anthropic(api_key="sua-key")

resp = client.messages.create(
  model="claude-sonnet-4-5",
  max_tokens=1024,
  system="Você é um assistente que responde em PT-BR direto.",
  messages=[
    {"role": "user", "content": "Resume essa nota fiscal."}
  ]
)

print(resp.content[0].text)

Preço pra ter referência (modelo padrão, Sonnet 4.5):

Item	Preço por 1M tokens
Input	~US$ 3
Output	~US$ 15
Cache (input repetido)	~US$ 0,30

Em prática: 1 conversa de WhatsApp do Care Engine custa ~US$ 0,005 (meio centavo de dólar). Custo de cliente nunca foi o problema da IA — adoção é.

03 MCP — conectando Claude às suas ferramentas

MCP (Model Context Protocol) é o padrão que Anthropic criou pra Claude conversar com ferramentas externas — banco de dados, GitHub, Notion, seu CRM. Funciona via "servidores MCP" — pequenos serviços que você roda local ou remotamente.

Servidores prontos úteis pra negócio:

filesystem — Claude lê e escreve arquivos do seu PC.
github — Claude lê repositórios, abre issue, faz PR.
postgres — Claude consulta seu banco direto.
notion — Claude lê e atualiza páginas.
slack — Claude lê threads, manda mensagem.
google-drive — Claude lê seus docs e planilhas.

Instalando MCP no Claude Desktop (config simples):

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem",
               "/Users/seu-usuario/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_TOKEN": "seu-token" }
    }
  }
}

Reinicia Claude Desktop. Agora ele lê seus Documents e seu GitHub. Pergunta: "Lê o último README do meu repo X e me sugere 3 melhorias". Ele faz, em texto plano.

04 Prompt engineering avançado — o que de fato move o ponteiro

1. XML tags pra estruturar input

Já cobrimos no Intermediário, mas vale reforçar: em prompts longos da API, sempre estruture com tags.

2. Multi-shot prompting

Dá 2-5 exemplos antes da tarefa. Padrão:

<exemplo_1>
<input>Cliente: "Acho caro"</input>
<output>Você teria condição de fechar
hoje pelo plano semestral?</output>
</exemplo_1>

<exemplo_2>
<input>Cliente: "Vou pensar"</input>
<output>O que ainda tá faltando pra decidir?</output>
</exemplo_2>

<tarefa>
Cliente: "Tenho que falar com meu sócio"
Devolve resposta no mesmo estilo dos exemplos.
</tarefa>

3. Chain-of-thought explícito

Pra tarefa que exige raciocínio, peça "Pense passo a passo antes de responder. Use tag <pensamento> pra raciocinar e <resposta> pra resposta final." O Claude raciocina melhor quando tem espaço explícito pra isso.

4. Pré-fill do output

No API, você pode começar a resposta no assistant turn. Útil pra forçar formato:

messages = [
  {"role": "user", "content": "Liste 5 ações..."},
  {"role": "assistant", "content": "1."}
]

Claude continua de onde você parou. Garante numeração, JSON válido, formato consistente.

05 Agentes multi-step — a parte que mais entrega resultado

Agente = Claude com ferramentas + loop. Ele pode chamar ferramenta, ver resultado, decidir próximo passo, repetir até concluir. É o que tá por trás de todo "AI agent" que você vê.

Padrão básico (API):

tools = [
  {
    "name": "buscar_cliente_crm",
    "description": "Busca cliente no CRM por nome ou e-mail",
    "input_schema": {"type": "object", "properties": {
      "query": {"type": "string"}
    }}
  },
  {
    "name": "agendar_reuniao",
    "description": "Cria evento no Google Calendar",
    "input_schema": {"type": "object", "properties": {
      "cliente_id": {"type": "string"},
      "data": {"type": "string"}
    }}
  }
]

resp = client.messages.create(
  model="claude-sonnet-4-5",
  tools=tools,
  messages=[{"role": "user",
    "content": "Agenda call com a Marina (lead) pra terça às 14h"}]
)

# Claude vai retornar tool_use blocks. Você executa as funções,
# devolve o resultado, e ele continua até finalizar.

Loop completo:

User pede tarefa
Claude responde: "preciso chamar buscar_cliente_crm("Marina")"
Você executa, devolve resultado: {cliente_id: "abc"}
Claude pede: "agora agendar_reuniao(abc, "2026-05-12 14:00")"
Você executa, devolve sucesso
Claude finaliza: "Reunião marcada terça 12/05 às 14h ✓"

06 Custom Skills — a nova camada

Skills são pacotes que você cria pra ensinar o Claude a fazer algo específico — sem precisar de prompts gigantes. É o assunto do Playbook 06 (Como criar Claude Skills). Resumo: cria uma pasta com SKILL.md + scripts, dá pro Claude, ele "aprende" a tarefa.

07 Stack que uso pra construir agentes

Camada	Ferramenta	Por quê
Modelo	Claude Sonnet 4.5	Melhor custo/qualidade pra produção
Construção	Claude Code	Tudo no terminal, sem amarração
Hospedagem	Vercel	Deploy em 1 comando, free tier generoso
Banco	Supabase ou Postgres	Free tier, MCP server existente
Fila	Vercel Queues ou Trigger.dev	Pra agente que demora > 30s
Observabilidade	Helicone ou Langfuse	Loga toda chamada, fundamental em produção
Frontend	Next.js + Tailwind	Padrão da indústria, fácil de manter

08 Checklist · de intermediário a construtor

Claude Code instalado e rodando localmente
Console Anthropic com US$ 10 de crédito (pra testar)
Já fez pelo menos 1 chamada à API com Python ou Node
Pelo menos 1 servidor MCP configurado (filesystem é o mais útil)
Já usou tool use (function calling) em uma chamada
Conhece a estrutura de uma Skill (próximo playbook)
Já fez deploy de algo construído com Claude — mesmo que seja 1 página

Conselho de quem construiu 50+ agentes

Comece pequeno. O agente que entrega valor real costuma ser ridiculamente simples — 1 tarefa, 1 ferramenta, 1 loop. Toda vez que ficar tentado a fazer "agente que faz tudo", divida. Cada agente focado em 1 thing rende mais que 1 agente confuso em 10.