⚖️ n8n vs. Make vs. código
A base que orquestra seu fluxo define seu teto de flexibilidade e seu piso de manutenção. São três caminhos: n8n (low-code, self-host, muito flexível), Make (visual, SaaS, rápido de começar) e código (controle total, manutenção total).
✓ Comece simples quando
- ✓O fluxo cabe nos conectores prontos da ferramenta.
- ✓Você quer validar a ideia rápido, sem infra.
- ✓A lógica é direta, sem transformações exóticas.
✗ Suba para código quando
- ✗Você bate em limites de execução ou licença do SaaS.
- ✗Falta um conector e a cola fica frágil demais.
- ✗A lógica vira um emaranhado de nós impossível de manter.
Rápido, SaaS, visual.
Flexível, self-host.
Controle e manutenção máximos.
A escolha errada custa depois.
🧠 Quando usar LLM e qual modelo
Primeiro: a tarefa precisa de um LLM? Se uma regra, um regex ou um IF resolvem, use-os — são mais baratos e determinísticos. Se precisa de interpretação de linguagem, escolha o modelo pelo eixo custo × capacidade: pequeno e barato para classificar, grande e caro para raciocínio complexo.
Modelo pequeno / barato
Classificar, extrair campos, responder sim/não, rotular sentimento. Tarefas estreitas e de alto volume onde cada centavo por chamada importa.
Modelo médio
Resumir, redigir respostas, seguir instruções com várias etapas. O equilíbrio padrão para a maioria das automações.
Modelo grande / caro
Raciocínio complexo, análise de documentos longos, decisões de alto risco. Use só onde a capacidade extra paga o custo.
💡 Dica prática
Comece com o modelo mais barato que resolve e suba só se a qualidade não bater a métrica. O contrário — começar no topo "por garantia" — queima orçamento e esconde quanto da capacidade você realmente precisa.
Regra resolve sem LLM?
Casar tarefa com modelo.
Custo por token × escala.
Só se a métrica exigir.
📚 RAG: conhecimento próprio no contexto
O modelo só conhece o que viu no treino. Quando a automação depende de informação que só existe na sua empresa — políticas, catálogo, histórico de clientes — você usa RAG: busca os trechos relevantes da sua base e os injeta no prompt, ancorando a IA na sua verdade em vez de deixá-la inventar.
📐 Quando RAG vale (e quando não)
- •Vale: conhecimento próprio, muda com frequência, grande demais para caber no prompt.
- •Não vale: a informação cabe direto no prompt, ou o modelo já sabe (conhecimento geral).
- •RAG adiciona infra (vetor + busca) — só pague esse custo quando ele resolve um problema real.
Buscar antes de gerar.
Busca por significado.
Reduz alucinação.
Há conhecimento próprio.
🔌 MCP e integração de ferramentas
Quando a IA precisa agir — ler um arquivo, consultar um banco, chamar uma API — o MCP (Model Context Protocol) oferece um jeito padronizado de conectar a IA a essas ferramentas, sem escrever código de cola diferente para cada uma. É o que transforma o modelo de "responde texto" em "usa ferramentas".
🔧 O que o MCP padroniza
- •Como a IA descobre quais ferramentas existem e o que cada uma faz.
- •Como ela invoca uma ferramenta e recebe o resultado de volta.
- •O reuso: o mesmo servidor MCP serve a qualquer cliente compatível.
💡 Dica prática
Nem toda automação precisa de MCP. Se o fluxo já orquestra os passos (n8n decide a ordem), você pode chamar APIs diretamente. MCP brilha quando é a própria IA que decide qual ferramenta usar e quando — aí padronizar o acesso compensa.
Acesso padronizado.
IA que age, não só fala.
Um servidor, muitos clientes.
A IA escolhe a ferramenta.
🔗 APIs, webhooks e bancos
Os encanamentos da automação. API: você pede dados quando quer. Webhook: o sistema te avisa quando algo acontece. Banco: você guarda e consulta estado entre execuções. Supabase é um exemplo prático que junta banco + API + autenticação num pacote.
✓ Use webhook quando
- ✓Você quer reagir na hora que algo acontece.
- ✓O evento é imprevisível (um cliente envia um formulário).
- ✓Ficar perguntando "já tem novidade?" seria desperdício.
✓ Use API/polling quando
- ✓Você precisa puxar dados sob demanda.
- ✓O sistema de origem não oferece webhook.
- ✓Um horário fixo de verificação resolve.
🗄️ Quando você precisa de um banco
- •A automação precisa lembrar de algo entre execuções (estado, histórico).
- •Você precisa evitar processar o mesmo item duas vezes (controle de duplicatas).
- •Supabase entrega banco Postgres + API REST + auth com pouca configuração.
Pull: você pede.
Push: ele te avisa.
Guarda estado.
Banco + API + auth.
🎚️ Critérios de decisão e trade-offs
Toda escolha de stack troca uma coisa por outra. Um quadro explícito de critérios — custo, velocidade de entrega, manutenção, controle, escala, dependência de fornecedor — te força a justificar cada decisão, em vez de seguir moda ou hábito. E te dá argumento na frente do cliente.
🧾 Quadro de trade-offs (modelo)
⚠️ Atenção
Cuidado com lock-in: escolher uma ferramenta que prende seus dados e fluxos dificulta sair depois. E lembre que o modelo mais novo ou a ferramenta mais badalada raramente é a escolha certa — simples ganha quando empata.
Toda escolha troca algo.
Explícito e ponderado.
Pense no custo de sair.
Ganha quando empata.
🧰 Resumo do Módulo
Próximo Módulo:
3.3 · Desenho de prompts e lógica de decisão — o cérebro da automação.