--- title: "LangChain + OmniChannels.ai: ferramentas de mensagens para seus agentes" description: "Carregue as ferramentas MCP da OmniChannels.ai em um agente LangChain com langchain-mcp-adapters, ou use a REST API para enviar WhatsApp e SMS e ver relatórios." canonical: "https://omnichannels.ai/pt/integrations/langchain/" language: "pt" updated: "2026-10-10" publisher: "BroadNet Technologies" brand: "OmniChannels.ai" --- # LangChain + OmniChannels.ai: ferramentas de mensagens para seus agentes Canonical: https://omnichannels.ai/pt/integrations/langchain/ Language: pt Publisher: OmniChannels.ai by BroadNet Technologies **Em resumo:** Os agentes LangChain usam a OmniChannels.ai pelo nosso servidor MCP remoto. Com langchain-mcp-adapters, uma entrada no MultiServerMCPClient com transport streamable_http, a URL https://mcp.broadnet.me/mcp e um cabeçalho Authorization carrega para o seu agente as nossas ferramentas de envio, modelos e relatórios de entrega. Como alternativa, encapsule chamadas específicas da REST API como ferramentas próprias, usando a nossa especificação OpenAPI 3.1 para os campos exatos. Conexão via MCP · Conexão via API e webhooks ## O que você pode fazer ### Agente de suporte de entregas só com leitura Carregue apenas as ferramentas de leitura para que o agente responda dúvidas sobre entregas, mas não possa enviar nada. > Experimente pedir: "Crie um agente que responda dúvidas sobre entregas usando apenas ferramentas de leitura e recuse qualquer pedido de envio de mensagem." ### Agente de notificações com aprovação humana Use um interrupt do LangGraph antes das chamadas das ferramentas de envio para que uma pessoa aprove cada mensagem ou lote. > Experimente pedir: "Crie um agente LangGraph que redija atualizações de pedido por WhatsApp e pause para aprovação humana antes de chamar qualquer ferramenta de envio." ### Envio que respeita os modelos O agente lista os modelos aprovados do WhatsApp e preenche as variáveis, para que mensagens iniciadas pela empresa fora da janela de 24 horas usem um modelo aprovado. > Experimente pedir: "Escreva um agente que escolha o modelo de WhatsApp aprovado em árabe adequado para um atraso na entrega e o envie para 966500000000 com a nova data." ### Ferramentas REST específicas em vez de MCP Encapsule uma ou duas operações REST como funções @tool quando quiser controle total sobre campos, validação e logs. > Experimente pedir: "Escreva uma ferramenta LangChain que envie um SMS único com POST /sms/sendSms, valide o formato do número e leia BROADNET_TOKEN do ambiente." ### Triagem de falhas Um agente lê os relatórios de entrega, agrupa as falhas por motivo e sugere correções com base no nosso guia de erros. > Experimente pedir: "Crie um agente que leia os relatórios de entrega de ontem, agrupe as mensagens FAILED e REJECTED por motivo e escreva um resumo curto para o canal de operações." ## Como a conexão funciona O langchain-mcp-adapters converte ferramentas MCP em ferramentas LangChain. Configure um MultiServerMCPClient com uma entrada de servidor que define transport como streamable_http, a URL https://mcp.broadnet.me/mcp e headers contendo Authorization: Bearer com o seu token lido do ambiente; depois chame get_tools e passe o resultado ao seu agente. Versões mais recentes do LangChain também trazem suporte a MCP no pacote principal, então consulte a documentação atual do LangChain para o import recomendado. Você escolhe quais ferramentas chegam ao modelo: filtre a lista por nome para que um agente de suporte receba apenas ferramentas de leitura, e adicione uma etapa de aprovação antes de qualquer envio. Se preferir não usar MCP, escreva ferramentas próprias que chamem a nossa REST API com um token Bearer; o SMS único usa JSON, enquanto envios em massa e a maioria dos outros canais usam multipart/form-data. - MCP: MultiServerMCPClient, transport streamable_http, cabeçalho Authorization - Filtre as ferramentas por nome para dar a cada agente o menor privilégio - Adicione aprovação humana antes das ferramentas de envio, por exemplo com um interrupt do LangGraph - Alternativa REST: ferramentas próprias criadas a partir da especificação OpenAPI 3.1 ## Configuração 1. **Solicite acesso à API:** Solicite acesso de teste e receba um token de API. Os envios de teste só vão para os seus próprios números verificados. 2. **Obtenha uma chave temporária:** No portal de administração, abra Integrations e depois MCP Integration, escolha Get temporary key e defina-a como BROADNET_TOKEN. (Guia: https://omnichannels.ai/developers/mcp/) 3. **Instale os adaptadores:** Instale o langchain-mcp-adapters, ou o extra de MCP do LangChain se a sua versão oferecer um, seguindo a documentação atual do LangChain. 4. **Carregue as ferramentas:** Crie uma entrada no MultiServerMCPClient com transport streamable_http, a nossa URL e o cabeçalho Authorization, e chame get_tools. (Guia: https://omnichannels.ai/developers/mcp/) 5. **Restrinja e controle:** Passe apenas as ferramentas de que o agente precisa e coloque uma etapa de aprovação humana antes de qualquer ferramenta que envia. 6. **Teste no seu próprio número:** Rode o agente com o seu número verificado e confira o relatório de entrega antes de ampliar o acesso. ## Fluxo de exemplo Seu agente LangChain (Agente em Python ou JS com ferramentas carregadas via MCP) → Servidor MCP OmniChannels.ai (Ferramentas de envio, modelos e relatórios de entrega) → Celular do cliente (Mensagem de WhatsApp, SMS ou RCS entregue) → Relatório de entrega (Lido pelo agente ou enviado ao seu webhook) ## Perguntas ### Existe um pacote oficial da OmniChannels.ai para o LangChain? Não. O LangChain se conecta pelos adaptadores MCP genéricos, usando o nosso endpoint público e o seu token de API, ou por ferramentas que você mesmo escreve para a nossa REST API. ### Devo usar ferramentas MCP ou ferramentas REST próprias? O MCP dá ao agente o nosso conjunto completo de ferramentas com pouco código. Ferramentas REST próprias dão controle mais rígido sobre campos, validação e logs. Muitas equipes começam com MCP e substituem as ferramentas mais usadas por ferramentas REST específicas. ### Como evito que o agente envie mensagens por engano? Dê a ele apenas as ferramentas de que precisa, retire as ferramentas de envio de agentes que só respondem perguntas e exija aprovação humana antes de qualquer envio. Use uma chave temporária e os seus próprios números durante os testes. ### O agente pode ler meu CRM ou meus pedidos por este servidor? Não. O nosso servidor cobre apenas mensagens, modelos e relatórios de entrega. Carregue os dados do seu CRM ou da sua loja pelas ferramentas LangChain ou pelo servidor MCP deles, e o agente combina as duas fontes. ## Guias para desenvolvedores - https://omnichannels.ai/developers/mcp/ - https://omnichannels.ai/developers/openapi/ - https://omnichannels.ai/developers/authentication/ - https://omnichannels.ai/developers/webhooks/ ## Documentação do fornecedor - [langchain-mcp-adapters on GitHub](https://github.com/langchain-ai/langchain-mcp-adapters) - [Model Context Protocol (MCP) — LangChain documentation](https://docs.langchain.com/oss/python/langchain/mcp) ## Integrações relacionadas - https://omnichannels.ai/pt/integrations/llamaindex/ - https://omnichannels.ai/pt/integrations/claude-code/ - https://omnichannels.ai/pt/integrations/vs-code/ - https://omnichannels.ai/pt/integrations/n8n/ LangChain é uma marca de seu proprietário. A OmniChannels.ai não é afiliada nem endossada por LangChain; esta página descreve uma conexão feita com os recursos de MCP, HTTP ou webhook do próprio LangChain. Atualizado em: 2026-10-10