MVA
    Voltar para insights

    Playbook

    Anatomia de uma arquitetura multi-agent para monitoramento judicial com Claude + AWS

    Como Leiloa.ai processa 12 mil editais judiciais por mês com um ensemble de agentes que usa Claude para extração semântica e AWS Lambda para orquestração.

    Equipe MVA 8 min de leituraPublicado em 17 de abril de 2026· Última atualização: 19 de abril de 2026

    Leiloa.ai é o produto da MVA que monitora leilões judiciais em tempo real. O problema é específico: tribunais publicam editais em diários oficiais espalhados, em formatos de PDF inconsistentes, com metadata não-estruturada. Para o investidor, isso significa oportunidades perdidas por minutos. Para nós, significa um pipeline que precisa ler, classificar, validar e notificar em menos de quatro horas.

    A topologia de agentes

    Quatro agentes especializados operam em sequência. Crawler: raspa publicações dos tribunais integrados, normaliza o conteúdo em estrutura JSON bruta. Extractor: chama Claude com prompt-system de 2.400 tokens que sabe identificar entidades específicas de edital (ativo, valor de avaliação, condições, datas).

    Validator: cruza o output do Extractor com bases externas (Receita para CNPJ do devedor, geolocalização para endereço do imóvel). Notifier: aplica filtros de personalização do usuário e envia alertas por email/push.

    Infraestrutura — por que Lambda em vez de container

    Cada agente é uma função Lambda. EventBridge orquestra o fluxo via eventos. Por quê? Volume variável. Em dias de publicação intensa (segundas-feiras e primeiros dias úteis do mês), o volume triplica. Lambda escala horizontalmente sem overhead. Em dias calmos, paga-se quase nada.

    Custo total de infra por 12k editais/mês em 2025 foi de US$ 430. Inferência Claude foi US$ 1.100. O resto é Pinecone (vetorização de editais para busca semântica) e Typesense (full-text).

    As três coisas que mais importam em evals

    Extraction accuracy: em um conjunto mensal de 100 editais revisados manualmente, medimos precisão de campo. Target: 95%+ em valor de avaliação, 90%+ em data. Hoje roda em 97% e 93%.

    Hallucination rate: quantas vezes o Extractor inventa valor que não está no edital. Target: menos de 0.5%. Controle via temperature baixa (0.1) e double-check via regex validator antes de persistir.

    Latency: tempo entre publicação detectada e notificação enviada. SLA interno: 4h. P95 atual: 2h 40min. Bottleneck hoje é frequência de crawl, não inferência.

    Outros posts

    Ver todos