Skip to main content

strattum.ai — Platform Architecture

Infraestrutura de contexto que transforma dados fragmentados em contexto acionável para Agentes de IA no mid-market brasileiro.

Data Sources
CRM
Salesforce
HubSpot
RD Station
Pipedrive
ERP
Sankhya
Omie
Senior
TOTVS
Help Desk
Zendesk
Intercom
ServiceNow
Databases
PostgreSQL
MongoDB
Oracle
Documentos
SharePoint
Google Drive
+ more connectors
Toda a solução é deployada na sua infraestrutura — Private Cloud · BYOC
strattum.ai
dltPrefectDuckDBFalkorDBQdrantLLM
  1. Data Engineering
Data Pipelines
Ingestão incremental ou full sync via dlt + Prefect. Suporte a batch, event-based e agendamentos customizados.
Data Catalog
Dados estruturados organizados em Data Lake local + Postgres. Base centralizada para enriquecimento e consulta.
Memory Worker
Extração de entidades
e relações do Catalog
Knowledge Worker
Vetorização e embeddings
de documentos
  1. AI Engineering
Memory
Banco de grafos (FalkorDB). Relações, histórico e perfis operacionais de entidades do negócio.
Knowledge
Banco vetorial (Qdrant). Documentos indexados para recuperação semântica e busca contextual.
Scripts · Workspace Git
Skills + MCP Server
A orquestração roda nos agentes do próprio cliente: consomem Memory e Knowledge via MCP e executam Skills para automações e análises.
  1. Ops Engineering
Observability
Monitoramento do contexto em tempo real. Logs de decisão dos agentes e acesso a Memory e Knowledge.
Evals
Métricas de qualidade do contexto, rastreabilidade e auditoria completa de decisões dos agentes.
Consumers
MCP Server
Copilot, IDEs e ferramentas de desenvolvimento
strattum-mcp
AI Agents
Agentes customizados com contexto operacional confiável
Custom Agents
Console UI
Visualização de perfis, configuração de integrações e administração
Admin

Como ler o diagrama

Os dados entram pelas Fontes (CRM, ERP, Helpdesk, Documentos), são ingeridos e organizados pelo Data Engineering, transformados em contexto pelo AI Engineering e entregues aos Consumers finais. A camada de Ops Engineering monitora todo esse fluxo continuamente.
O Memory Worker e o Knowledge Worker são processos de transformação que operam entre as camadas de Data e AI Engineering. O Memory Worker extrai entidades e relações do Catalog; o Knowledge Worker vetoriza documentos para busca semântica.
Toda a plataforma é deployada na infraestrutura do próprio cliente (AWS, GCP ou Azure). Os dados nunca saem do ambiente do cliente — sem vendor lock-in, sem dados em terceiros.
Cada camada tem uma cor fixa em toda a plataforma:
  • Indigo → Data Engineering (infraestrutura de dados)
  • Violet → AI Engineering (construção do contexto)
  • Teal → Ops Engineering (auditoria e governança)

Próximos passos

Data Pipelines — Quickstart

Conecte sua primeira fonte de dados em menos de 10 minutos.

Memory — Quickstart

Estruture o contexto de entidades a partir dos dados ingeridos.