Um agente de vendas que nunca decide preço, estoque ou pagamento sozinho.

Webhook autenticado por HMAC publica em Pub/Sub; um grafo LangGraph classifica a intenção e monta uma resposta ancorada em catálogo/preço/estoque reais, nunca em texto solto do modelo.

Os dois pontos que usam LLM — classificação de intenção e a resposta — passam a chamar Vertex AI Gemini de verdade (gemini-2.5-flash), keyless via ADC. Falha transitória vira retry; exaustão vira encaminhamento fixo para um humano, nunca uma resposta inventada.

Um Pricing Service determinístico calcula margem e alçada; o Negotiation Agent só propõe o que a policy permite. Desconto fora da política pausa o próprio grafo (interrupt()) e cria uma Approval(PENDING) — fire-and-stop, sem meia-decisão.

Fecha o fire-and-stop: uma rota interna autenticada transiciona a aprovação e publica um evento; o consumidor toma um advisory lock por conversa e retoma o grafo exatamente de onde parou — aprovar, aprovar com outro valor, rejeitar ou expirar, cada caminho determinístico.

Um pedido explícito gera uma Quote a partir do preço já resolvido e pede confirmação clara. Confirmar cria o pedido de forma idempotente (nunca duplica), revalida estoque na hora, e roda um pagamento em sandbox — zero dado de cartão, zero transação real.

O telefone que escreve é conferido contra a base de clientes antes de virar um lead novo. Cliente conhecido ganha uma visão comercial de 365 dias — pedidos, ticket médio, produtos preferidos, propostas em aberto — sem que esse dado bruto vá inteiro para o LLM.

Um job em lote, fora da conversa e fora do grafo, varre recompra atrasada e proposta parada por regra pura — sem machine learning, sem achismo. Cada oportunidade detectada carrega o motivo e a evidência numérica exata que a gerou.

Três gatilhos determinísticos transferem a conversa para um humano — pedido explícito, baixa confiança da classificação, ou pedido de alto valor — cada um com precedência fixa, nunca uma decisão do LLM sobre "isso parece complicado".

Toda conversa grava uma linha de auditoria por turno no próprio banco — agente, modelo, ferramentas usadas, tokens, custo em dólar, latência e o resultado final — sem depender de um serviço externo de observabilidade para reconstruir o que aconteceu.

A mesma linha de auditoria vira log estruturado e métrica de produção: 5 alertas cobrindo erro 5xx, latência p95, falha de ferramenta, custo de IA por hora e ausência de tráfego — um dashboard, não uma promessa de monitoramento.

Todo turno tem um orçamento de tempo real: timeout por tentativa na chamada ao Vertex AI, um teto duro no turno inteiro, e um limite de tempo por consulta no banco — para que "o modelo está lento" nunca vire "o cliente ficou sem resposta".

Uma passada dedicada de segurança: CPF passa a ser mascarado em todo log, toda resposta HTTP ganha os headers mínimos de proteção, e uma suíte de testes prova — não afirma — que uma mensagem adversária não muda alçada, preço, nem pula uma aprovação.

Um job em lote consome as oportunidades abertas e roda um Policy Gate de verdade — opt-out sempre vence, sem consentimento explícito ninguém é contatado, e há um limite de frequência por cliente — antes de enviar uma mensagem template pelo WhatsApp. Responder "PARAR" encerra o contato na hora, sem passar pelo modelo.

Uma view calcula margem e receita recuperada por conversa; um job em lote sincroniza esse dado com o BigQuery — snapshot idempotente, resiliente por tabela, sem pipeline de streaming.

Todo lead avança por regra pura e monotônica — nunca do NEW direto pra WON — e vira um Customer real assim que fecha o primeiro pedido. Lead sem atividade recente é movido para LOST por um job separado.

Quatro views novas fecham os domínios de Customer 360, Lead 360, Opportunity 360 e Conversation Analytics do PRD-015 — sem dashboard ainda, mas com o dado já pronto pra consulta.

Este site — HTML estático em GCS atrás de um Load Balancer HTTP global com Cloud CDN, sem framework nem build step. Editar copy é um commit normal, não um plan/apply.

mastavista.com.br com certificado gerenciado e redirecionamento automático de HTTP para HTTPS — aditivo sobre o Load Balancer que já existia, nenhum recurso recriado do zero.

mcp./portal./langfuse. roteados por hostname no mesmo Load Balancer — um certificado gerenciado multi-domínio em vez de um IP e um certificado por serviço.

Um servidor MCP pessoal (stdio) e um público de só-leitura (HTTP) expõem o mesmo sistema para o Claude Desktop/Code — receita, Customer 360, aprovações pendentes — sem tool de escrita nova além das rotas internas já existentes.

Acesso de leitura ao dashboard do Cloud Monitoring por e-mail (roles/monitoring.viewer, nada mais amplo) e o CTA de WhatsApp desta própria página, apontando pro fluxo de produção sem formulário nem backend novo.

Portal operacional web — Google Sign-In + lista de e-mails permitidos, aprovar/rejeitar direto pelas mesmas rotas internas do MCP pessoal, e um painel que acende o nó ativo do grafo em tempo real via Postgres LISTEN/NOTIFY.

Langfuse self-hosted, controle total sobre o próprio dado de observabilidade — banco próprio no mesmo Cloud SQL, IP privado via VPC connector (nunca exposto à internet), atrás de um subdomínio fixo.

Os 4 jobs em lote (detecção de oportunidade, venda ativa, lead lifecycle, analytics) que só rodavam sob demanda agora têm um Cloud Scheduler encadeado — detecção primeiro, venda ativa 30 minutos depois, consumindo as oportunidades recém-detectadas.

Aprovação, proposta ou transferência pra humano que ninguém decide a tempo expira sozinha, de hora em hora — a conversa nunca mais fica presa esperando uma decisão que não vem, seja de desconto, de preço vencido ou de atendimento humano.

Responder "ACEITO RECEBER OFERTAS" registra consentimento de contato ativo — simétrico ao PARAR que já existia pro opt-out, mesma regra determinística, sem passar pelo modelo.

Os 6 tipos de oportunidade que faltavam do PRD-010 — churn, reativação, recuperação de pedido, cross-sell, upsell e giro de estoque — cada um com sua própria regra determinística, sem modelo decidindo o gatilho.