Arquitetura de IA e LLM

O PlaidCloud não tem um único recurso de IA. Ele oferece quatro formas de acessar um modelo — o assistente dentro do produto, o Microsoft 365 Copilot, agentes externos de programação e uma etapa de LLM dentro de um fluxo de trabalho — e as quatro seguem o mesmo caminho governado. O próprio modelo é intercambiável: Claude, GPT, Gemini, Grok, um recurso Azure OpenAI na sua própria assinatura ou um modelo hospedado por você.

Esta seção explica essa arquitetura: o que executa onde, o que cruza a fronteira e por quê.

As quatro superfícies

Superfície	Quem usa	Como o modelo acessa os dados	Por onde começar
Assistente de IA no aplicativo	Qualquer pessoa que trabalhe no PlaidCloud	Os agentes do próprio PlaidCloud chamam ferramentas internas em seu nome	Chat de IA do Weave
Microsoft 365 Copilot	Equipes inteiras, no Teams e no Outlook	Um agente publicado autentica a pessoa e depois chama o servidor MCP	Microsoft 365 Copilot
Agentes de programação com IA	Analistas e desenvolvedores	O cliente deles se conecta diretamente ao servidor MCP via OAuth	Primeiros passos
Etapa de LLM do fluxo de trabalho	Pipelines sem supervisão	No Anthropic, um token restrito apenas aos objetos que você vincula; nos demais provedores, nenhum acesso a dados — veja as regras da etapa	Etapa de LLM

Elas diferem em quem conduz a interação e onde a conversa acontece. Não diferem no que o modelo pode acessar.

Um caminho governado

Qualquer que seja a superfície em que uma pergunta chegue, as mesmas cinco coisas são verdadeiras.

1. O modelo executa como uma pessoa, não como a plataforma. Toda solicitação carrega uma credencial de curta duração, revogada ao terminar, que representa o usuário autenticado. Não há uma conta de serviço compartilhada com direitos elevados por trás da IA.

2. As ferramentas são a única porta de entrada. O modelo não consegue consultar seu lakehouse diretamente. Ele chama um catálogo curado de ferramentas — localizar, descrever, ler, executar, fazer upsert — e cada chamada é verificada de forma independente.

3. Suas próprias permissões continuam limitando o modelo. Uma solicitação de IA nunca pode ver ou alterar algo que você mesmo não poderia ver ou alterar. A camada de IA restringe o acesso; nunca o amplia.

4. Um administrador define o teto, e ele começa fechado. O Acesso do agente de uma conexão de LLM começa como somente leitura. O Microsoft 365 Copilot começa sem nada: até que um administrador atribua um nível de acesso a alguém, a pessoa autenticada não recebe nenhum dado. São dois mecanismos separados, mas elevar qualquer um deles apenas limita o que a IA pode tentar — nunca amplia o que você já poderia alcançar por conta própria.

5. Algumas coisas ficam permanentemente fora dos limites. Configurações de credenciais e de conexão, gerenciamento de identidade e de grupos, alterações de controle de acesso, publicação e código implantável nunca podem ser chamados por uma credencial de IA — independentemente do que um administrador tenha concedido, em qualquer provedor. Isso permanece exclusivo de humanos.

Nota

Essas regras são aplicadas no servidor, não no prompt. Uma tentativa de injeção de prompt que convença o modelo a pedir uma ferramenta proibida recebe a mesma recusa que um modelo bem-comportado receberia.

A vida de uma pergunta

Considere “Por que o custo de TI alocado para Atlanta aumentou no último trimestre?”, feita a partir de qualquer superfície:

1. Uma credencial é emitida para a pessoa que perguntou, com escopo restrito e curta duração.

2. As ferramentas são colocadas diante do modelo — restritas ao que a pergunta provavelmente exige nas superfícies que fazem essa restrição, e descobertas a partir do catálogo naquelas que não fazem.

3. O prompt vai para o modelo — a pergunta, as regras permanentes e as descrições das ferramentas. Ainda sem dados.

4. O modelo pede dados por meio de chamadas de ferramentas: resolver o caminho de análise, ler o esquema, executar o rastreamento da alocação, ler as linhas do direcionador. Cada chamada tem as permissões verificadas na chegada.

5. O modelo responde com base no que voltou, cita a página da documentação se consultou alguma e traz um indicador de confiança e ressalvas.

6. A credencial é revogada. Um token capturado não pode ser reutilizado depois que a solicitação termina.

O detalhe importante é a etapa 4: o modelo não tem seus dados. Ele pede fatias deles, e cada pedido é avaliado.

Leia a seguir

Provedores e conexões de LLMClaude, GPT, Gemini, Grok, Azure OpenAI — uma conexão, quatro adaptadores de execução e duas formas de intermediar as ferramentas.

Arquitetura do Microsoft 365 CopilotPor que o Copilot precisa de um pacote de agente publicado e de um cliente OAuth próprio, e como funcionam os níveis de acesso negados por padrão.

Recuperação, fundamentação e caminhos de análiseO que a RAG realmente faz aqui — e por que seus dados de negócio são lidos em tempo real, em vez de indexados em um armazenamento vetorial.

Como usar seu próprio LLM controladoMantenha dados proprietários, PHI ou contratualmente restritos dentro da infraestrutura que você controla.

Relacionados

• Respostas em que você pode confiar — como as respostas são avaliadas e ressalvadas
• Caminhos de análise — nomes amigáveis para as tabelas sobre as quais sua equipe pergunta
• Arquitetura da plataforma — onde a IA se encaixa na plataforma como um todo