> ## Documentation Index
> Fetch the complete documentation index at: https://strattumai.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Configuração Pós-Instalação

> Configure conectores, ontologia, Knowledge, Skills e o MCP Server após a instalação da plataforma. Tempo estimado: 2–4 horas para um setup inicial funcional.

A plataforma funciona em camadas que se constroem uma sobre a outra. O setup segue esta sequência:

```
1. Workspace Git    → versionar configurações
       ↓
2. Conectores       → trazer dados para dentro
       ↓
3. Ontologia        → definir quais entidades rastrear
       ↓
4. Knowledge        → carregar documentos e políticas
       ↓
5. Skills + MCP     → conectar os agentes ao contexto
       ↓
6. Verificação      → confirmar que tudo está saudável
```

Você pode executar cada passo em dias diferentes. A plataforma começa a gerar valor assim que o primeiro conector e a ontologia estiverem configurados.

***

## Passo 1 — Workspace Git

### O que é o Workspace Git

O Workspace Git é o repositório Git que armazena todas as configurações da plataforma do cliente. Todos os arquivos de configuração — ontologias, transformations, templates de contexto, skills — ficam versionados nesse repositório.

**Por que versionar em Git:**

* Histórico completo de alterações de configuração
* Possibilidade de rollback para qualquer versão anterior
* Revisão de mudanças via Pull Request antes de aplicar
* Rastreabilidade de quem alterou o quê e quando

**O que fica no Workspace Git:**

* `config/memory/graph_mapping.yaml` — ontologia do grafo de entidades
* `config/connectors/` — configurações dos conectores (tabelas, modos de sync)
* `skills/scripts/` — scripts de Skills executáveis pelos agentes
* `skills/secrets/` — referências a segredos (nunca valores em plaintext)
* `knowledge/source_types/` — configurações das fontes operacionais do Knowledge

### Como configurar

<Steps>
  <Step title="Acesse Settings no Console">
    No menu lateral, clique em **Settings** → **Workspace Git**.
  </Step>

  <Step title="Conecte o repositório">
    Informe a URL do repositório Git (pode ser GitHub, GitLab ou Bitbucket) e o token de acesso com permissão de leitura e escrita.
  </Step>

  <Step title="Defina a branch principal">
    Configure a branch que a plataforma deve acompanhar (geralmente `main` ou `production`).
  </Step>

  <Step title="Confirme a sincronização">
    Após salvar, a plataforma sincroniza o Workspace. O status deve mudar para **Conectado**.
  </Step>
</Steps>

***

## Passo 2 — Conectores

### O que são conectores

Conectores são as ligações entre a plataforma e suas fontes de dados. Sem pelo menos um conector ativo, o Memory não tem dados para processar e os pipelines não têm origem.

### Quais conectores adicionar primeiro

| Objetivo                                      | Conectores prioritários                                 |
| --------------------------------------------- | ------------------------------------------------------- |
| Rastrear clientes e contratos (Memory)        | CRM (HubSpot, Salesforce), banco principal (PostgreSQL) |
| Base de conhecimento para agentes (Knowledge) | Notion, Confluence, Google Drive                        |
| Contexto de comunicação e atendimento         | Slack, Zendesk                                          |

Para o mínimo funcional: **1 banco de dados ou CRM** para o Memory + **1 fonte de documentos** para o Knowledge.

### Como adicionar um conector

<Steps>
  <Step title="Acesse Connections">
    No Console, clique em **Connections** na sidebar esquerda.
  </Step>

  <Step title="Clique em Nova Conexão">
    Selecione o tipo de conector (banco de dados, API, documentos).
  </Step>

  <Step title="Preencha as credenciais">
    Cada conector tem campos específicos. Consulte o [guia de conectores](/connectors/overview) para instruções detalhadas por tipo de fonte.
  </Step>

  <Step title="Teste e ative">
    Clique em **Testar Conexão** antes de salvar. Após salvar, o conector inicia a primeira sincronização automaticamente.
  </Step>
</Steps>

### Verificando o status

Após configurar, aguarde até 5 minutos e verifique:

* Status **Conectado** (verde) — funcionando normalmente
* Status **Sincronizando** (azul) — primeira carga em progresso
* Status **Erro** (vermelho) — clique em `···` → "Ver logs" para o erro específico

***

## Passo 3 — Ontologia do Memory

### O que é a ontologia

A ontologia define **quais tipos de entidades** o Memory deve extrair, consolidar e rastrear. Sem ela, o Memory não sabe o que procurar nas fontes de dados.

Uma entidade pode ser um cliente, um associado, um contrato, uma oportunidade — qualquer objeto de negócio relevante para o seu contexto.

### Como configurar

<Steps>
  <Step title="Acesse Memory → Configuration">
    No Console, clique em **Memory** na sidebar, depois em **Configuration**.
  </Step>

  <Step title="Selecione um perfil base">
    Escolha o perfil mais próximo da sua operação para começar com sugestões pré-configuradas:

    <AccordionGroup>
      <Accordion title="SaaS B2B / Customer Success">
        **Tipos sugeridos:** Cliente, Contrato, Oportunidade, Usuário

        **Atributos consolidados por Cliente:** MRR/ARR, plano contratado, data de renovação, NPS histórico, contatos principais, features solicitadas, histórico de incidentes, responsável de CS.
      </Accordion>

      <Accordion title="Fintech / Crédito">
        **Tipos sugeridos:** Tomador, Operação, Garantia, Cobrança

        **Atributos consolidados por Tomador:** CPF/CNPJ, score de crédito, operações ativas, histórico de pagamentos, contatos, alertas de cobrança, renegociações.
      </Accordion>

      <Accordion title="Cooperativa de Crédito">
        **Tipos sugeridos:** Associado, Produto, Sinistro, Defesa de Crédito

        **Atributos consolidados por Associado:** histórico de produtos contratados, comportamento de pagamento, sinistros em análise, documentos de crédito.
      </Accordion>
    </AccordionGroup>
  </Step>

  <Step title="Ajuste conforme necessário">
    Adicione tipos customizados ou ajuste os atributos de cada tipo para o contexto específico da sua empresa.
  </Step>

  <Step title="Configure o confidence threshold">
    Define o nível de confiança mínimo para aprovação automática de extração:

    | Configuração | Threshold | Quando usar                                 |
    | ------------ | --------- | ------------------------------------------- |
    | Conservador  | 0.90+     | Dados críticos (crédito, compliance)        |
    | Balanceado   | 0.80+     | Recomendado para começar                    |
    | Agressivo    | 0.70+     | Quando velocidade importa mais que precisão |

    **Recomendação:** comece com **Balanceado (0.80)**. Após 2 semanas, avalie o volume da fila de revisão e ajuste.
  </Step>
</Steps>

### Revisão de entidades extraídas

Após configurar a ontologia, acesse **Memory → Review Queue** para aprovar as primeiras entidades extraídas:

* **Aprovar** — entidade vai para o grafo principal
* **Editar e aprovar** — corrige atributos antes de incluir
* **Rejeitar** — não entra no grafo; o modelo aprende com a rejeição

Nos primeiros dias espere uma fila maior — o modelo ainda está aprendendo os padrões das suas fontes. Com o tempo, a taxa de aprovação automática aumenta.

***

## Passo 4 — Knowledge

### O que adicionar ao Knowledge

**Conteúdo de alto valor:**

* Políticas internas (crédito, cobrança, atendimento, compliance)
* Manuais de produto e ERP
* Runbooks operacionais (onboarding, sinistros, renovações)
* FAQs e bases de artigos de suporte
* Regimentos e normativas internas

**Importante: documentos NÃO são carregados automaticamente.** É necessário selecionar manualmente quais arquivos ou pastas serão indexados. A opção de carregar documento de uma fonte (Notion, Google Drive, etc.) só aparece se o conector respectivo estiver configurado no Passo 2.

### Como adicionar fontes de documentos

<Steps>
  <Step title="Acesse Knowledge no Console">
    Clique em **Knowledge** na sidebar.
  </Step>

  <Step title="Adicione uma fonte">
    Clique em **+ Adicionar** e escolha o tipo:

    * **Conectar fonte** — usa um conector já configurado (Notion, Google Drive, Confluence). Selecione as pastas ou páginas específicas que deseja indexar.
    * **Upload** — envie arquivos PDF, DOCX, TXT ou Markdown diretamente. Limite: 50MB por arquivo.
    * **URL** — indexa páginas web públicas com re-indexação periódica.
  </Step>

  <Step title="Organize em Collections">
    Agrupe documentos em Collections por tema (ex: "Crédito", "Atendimento", "RH"). Isso permite que agentes consultem apenas o subconjunto relevante para cada tarefa.
  </Step>

  <Step title="Verifique a qualidade da indexação">
    Após a ingestão, clique em **Ver chunks** em qualquer documento e teste com perguntas reais no campo de busca semântica. Todos os chunks devem ter status verde.
  </Step>
</Steps>

***

## Passo 5 — Skills e MCP

### Como o agente consome o contexto

A orquestração de contexto roda nos agentes do próprio cliente. O agente consulta Memory e Knowledge pelo **MCP Server** e executa **Skills** — scripts versionados no Workspace Git — para cruzar fontes, gerar relatórios e rodar automações. Você conecta os dois nesta etapa: expõe as ferramentas via MCP e disponibiliza as primeiras Skills.

### Conectar um agente via MCP

O MCP Server expõe as ferramentas `search_entity`, `get_entity_context` e `search_knowledge` para qualquer cliente MCP (Claude Code, Cursor, Microsoft Copilot).

<Steps>
  <Step title="Escolha o transporte">
    Use `stdio` para clientes locais (Claude Code, Cursor) ou `sse` para agentes remotos (Microsoft Copilot, porta 8005). Ver [MCP Server](/mcp-server/index) para a configuração de cada cliente.
  </Step>

  <Step title="Aponte para as APIs internas">
    Configure `MEMORY_API_URL` (`http://localhost:8002`) e `KNOWLEDGE_API_URL` (`http://localhost:8003`) no cliente MCP. Para o modo `sse`, defina também `MCP_API_KEY`.
  </Step>

  <Step title="Valide a conexão">
    No agente conectado, peça o contexto de uma entidade conhecida. O agente deve chamar `search_entity` seguido de `get_entity_context` e retornar o perfil consolidado em Markdown.
  </Step>
</Steps>

### Disponibilizar a primeira Skill

<Steps>
  <Step title="Escreva a skill no Workspace Git">
    Cada skill é um par de arquivos em `/workspace/skills/scripts/` — um `.yaml` de metadados e o script (`.py` ou `.js`). Ver [Skills](/skills/overview) para a estrutura completa.
  </Step>

  <Step title="Commite e faça push">
    Após o push, a plataforma sincroniza o Workspace Git e a skill aparece em **Skills** no Console.
  </Step>

  <Step title="Execute e acompanhe o log">
    Abra **Skills** no Console, localize a skill, preencha os parâmetros e clique em **Executar**. Acompanhe o log de execução em tempo real.&#x20;
  </Step>
</Steps>

***

## Passo 6 — Verificação Final

Antes de conectar um agente à plataforma, verifique:

**Conectores:**

* [ ] Pelo menos 1 conector com status "Conectado" (verde)
* [ ] Nenhum conector com status "Erro" sem explicação
* [ ] Última sincronização dentro do intervalo esperado

**Memory:**

* [ ] Pelo menos 1 tipo de entidade configurado na ontologia
* [ ] Pelo menos 1 entidade listada em Memory → Entities
* [ ] Fila de revisão com volume gerenciável

**Knowledge:**

* [ ] Pelo menos 1 documento com embedding completo (status verde)
* [ ] Busca semântica retornando resultados relevantes para perguntas de teste

**Skills e MCP:**

* [ ] MCP Server conectado a pelo menos 1 agente
* [ ] Agente consegue chamar `get_entity_context` e receber o perfil consolidado
* [ ] Pelo menos 1 Skill sincronizada do Workspace Git e visível em Skills
* [ ] Última execução de Skill concluída com sucesso

**Dashboard:**

* [ ] Nenhum item crítico no painel "Requer Atenção"

***

## Próximos passos

Com a configuração inicial completa, conecte seus agentes:

<CardGroup cols={2}>
  <Card title="MCP Server" icon="plug" href="/mcp-server/index">
    Conecte Claude Code, ChatGPT ou Microsoft Copilot à plataforma.
  </Card>

  <Card title="Skills" icon="bolt" href="/skills/overview">
    Configure automações e análises executadas por agentes.
  </Card>
</CardGroup>