Série Aceleradora TrueFoundry: Consultando Dados Estruturados e Não Estruturados de Forma Integrada com Ferramentas MCP

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
Nas empresas modernas, os dados vivem em silos. Registros de CRM, números de vendas ou logs são estruturados e residem em bancos de dados; relatórios de pesquisa, feedback de clientes e notas de campo são não estruturados e residem em armazenamentos de documentos. Para dar sentido a ambos, as equipes frequentemente gastam horas construindo conectores, pipelines e scripts de análise.
Mas e se você pudesse unificar tudo isso com uma única camada — um Plano de Controle de Modelo (MCP) — e consultar tudo com linguagem natural?
Bem-vindo à nova forma de trabalhar com dados: consultando fontes estruturadas e não estruturadas através de ferramentas MCP.
O Que É um MCP?
Um Plano de Controle de Modelo (MCP) atua como uma ponte entre seu agente de IA e as ferramentas externas ou sistemas de dados com os quais ele interage. Você pode pensar no MCP como o “sistema operacional” para suas ferramentas de IA — ele define o que a IA pode acessar, como e em que contexto.
Cada MCP se conecta a uma capacidade específica — pode ser um conector de banco de dados, um recuperador de documentos, ou até mesmo um executor de código.
Por exemplo: -
- Ferramenta de Texto para SQL → Consulta bancos de dados estruturados.
- Ferramenta RAG → Recupera de repositórios de documentos não estruturados.
- Executor de Código → Executa lógica de análise (como Python) dinamicamente.
Uma vez que estes estejam interligados, você pode literalmente perguntar: > “Liste os 5 principais HCPs por classificação de prioridade e resuma seu foco em oncologia a partir de nossos relatórios internos.”
O sistema automaticamente:
1. Gera SQL para consultar o banco de dados para os principais HCPs.
2. Busca relatórios focados em oncologia via RAG.
3. Combina e resume ambos.
Construindo um MCP em Dados Estruturados e Não Estruturados
Vamos ver como isso funciona usando o Acelerador Sales Rep-Co configuração como exemplo.
1. Usaremos um Serviço MCP Sales Rep-Co já implantado
Você começa implantando o serviço Sales Rep-Co como um MCP na TrueFoundry.
Você precisará de acesso ao tenant de demonstração da Truefoundry
- Certifique-se de que o serviço esteja ativo e o pod esteja em execução.
- Retome se estiver pausado, ou reinicie via Endpoint/Credenciais se estiver em desligamento automático.
- Se não estiver implantado, você pode iniciá-lo a partir da interface do TrueFoundry ou localmente usando a configuração fornecida.
Uma vez implantado, você terá um endpoint como: https://tfy-eo.truefoundry.cloud/deployments/{deployment_id}?tab=pods
2. Conecte-o ao AI Gateway
Dentro do AI Gateway, vá para: > AI Gateway → Servidores MCP → + (Adicionar MCP)

Encontre ou adicione seu MCP sales-repco-accelerator.
Uma vez conectado: - Alterne-o para ativo - Clique em Ativar Todas as Ferramentas .

Seu MCP agora tem acesso a ferramentas estruturadas (SQL) e não estruturadas (documentos).
3. Consultando Ambos os Mundos com Um Único Prompt
Com seu MCP ativo e conectado, você pode consultar dados estruturados e não estruturados juntos — tudo através de linguagem natural.
Aqui estão alguns exemplos:
Consulta
O Que Acontece Nos Bastidores
Quais são os 5 principais HCPs por classificação de prioridade?
Text-to-SQL consulta o banco de dados estruturado de HCPs.
Liste os Médicos focados em Oncologia e elabore um breve resumo fazendo referência ao relatório sobre Organotropismo Metastático.
SQL busca detalhes do médico → RAG busca e resume o texto do relatório → Elabora uma resposta de e-mail.
Analise a distribuição das classificações de prioridade de HCPs no departamento de oncologia.
O executor de código SQL + Python gera e visualiza insights.
Você pode até estender esta configuração adicionando mais ferramentas MCP para análise, visualização ou APIs personalizadas.
Por Que Isso Importa
Os fluxos de trabalho tradicionais de acesso a dados empresariais exigem: - Pipelines de ETL, - Dashboards de BI, - Coordenação manual entre analistas e usuários de negócios. Com a consulta baseada em MCP: - Você reduz a troca de ferramentas. - Você consulta tudo através de uma única interface. - Você conecta dados estruturados e não estruturados nativamente. Isso é mais do que apenas conveniência — é assim que a tomada de decisões orientada por dados deve funcionar.
Um Vislumbre do Futuro
À medida que as equipes constroem mais MCPs — para análise, RAG, CRM e até mesmo ferramentas SaaS externas — um ecossistema multiagente começa a surgir. Cada agente se especializa em seu domínio (por exemplo, especialista em SQL, resumidor, redator de e-mails), e o Gateway de IA os orquestra através de MCPs. Estamos caminhando para um mundo onde seus sistemas de dados empresariais não são painéis estáticos, mas entidades vivas, que consultam e raciocinam.
Conclusão
Ao combinar consultas estruturadas (SQL), recuperação não estruturada (RAG), e lógica de execução (Python) dentro de um MCP, você permite que um agente responda a perguntas complexas e de vários domínios instantaneamente. Seja você um cientista de dados, líder de vendas ou arquiteto empresarial — construir uma camada MCP sobre seus sistemas de dados é o primeiro passo para um acesso a dados verdadeiramente inteligente.
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.
The fastest way to build, govern and scale your AI

















.webp)






.webp)

.webp)
.webp)





.png)



