Provedores e conexões de LLM

Uma conexão de Provedor de LLM é onde você escolhe o modelo que alimenta a IA no seu espaço de trabalho. Ela guarda o provedor, sua chave de API, um modelo padrão e instruções permanentes — e é o ponto em que um administrador decide quanto o modelo pode fazer.

O que a conexão guarda

Campo	O que faz
Provedor	Anthropic, OpenAI, Google Gemini, xAI Grok, Azure OpenAI ou GitHub Models.
Chave de API	Sua. O uso é cobrado na sua conta com esse provedor, não revendido pelo PlaidCloud.
Modelo padrão	Escolhido na linha atual de modelos do próprio provedor, obtida com sua chave de API. Outro… aceita um id de modelo digitado por você, para qualquer modelo que a lista não traga.
URL base	Exibida apenas para provedores que a utilizam: obrigatória para o Azure OpenAI (o endpoint do seu recurso) e uma substituição opcional para OpenAI, Grok e GitHub Models. Anthropic e Gemini não a utilizam.
Versão da API	Somente Azure OpenAI.
Regras	Instruções permanentes inseridas no início de toda mensagem de sistema — convenções da casa, tom, o que nunca fazer.
Acesso do agente	O teto do que os agentes e as etapas que usam esta conexão podem fazer. Somente leitura, a menos que seja elevado.

O nome, o memorando e quem pode ver a conexão também são definidos aqui, e Testar conexão verifica a chave antes que você dependa dela.

Um espaço de trabalho pode ter várias conexões; uma é marcada como padrão. Uma etapa do fluxo de trabalho pode fixar uma conexão específica quando precisa de um modelo diferente do padrão do espaço de trabalho.

Um espaço de trabalho também pode ter uma conexão Anthropic Claude mais antiga, de antes de o provedor se tornar um campo de um único tipo de conexão. Ela guarda as mesmas configurações e abre no mesmo editor, com o provedor fixado em Anthropic. Crie novas conexões como Provedor de LLM.

Dica

A lista de modelos vem do provedor, não do PlaidCloud. Ao abrir a conexão, o PlaidCloud pergunta ao seu provedor quais modelos sua chave alcança, de modo que um modelo lançado hoje de manhã já é oferecido, sem esperar por uma versão do PlaidCloud. Modelos que não conseguem responder a um prompt — modelos de embeddings, fala, imagem e moderação — ficam de fora.

Se o provedor não puder ser alcançado (uma chave ainda não informada, uma chave incorreta ou uma indisponibilidade), a lista recorre à lista integrada do PlaidCloud e avisa isso. Outro… continua aceitando qualquer id de modelo que você digitar.

Provedores e adaptadores

Seis provedores visíveis ao usuário correspondem a quatro adaptadores de execução. O adaptador define como a solicitação é montada e o que o modelo pode acessar. Os nomes de provedor abaixo são os rótulos como aparecem na lista suspensa do formulário de conexão.

Provedor	Adaptador	Observações
Anthropic (Claude)	anthropic	O único caminho com vinculações restritas de tabelas, dimensões e documentos.
OpenAI (ChatGPT)	openai_compatible
xAI (Grok)	openai_compatible
GitHub Models	openai_compatible	Modelos hospedados no GitHub para equipes centradas no GitHub.
Google (Gemini)	gemini
Azure OpenAI	azure	O endpoint do seu recurso; o “modelo” é o seu nome da implantação, e a versão da API vem da conexão.

Cuidado

O GitHub Copilot não é uma opção aqui, e isso não é um descuido. O Copilot não tem uma API de chat independente para a qual você possa apontar um servidor — ele troca um token OAuth por uma autorização de editor. O caminho da Microsoft para modelos GPT da classe Copilot é o Azure OpenAI (ou o GitHub Models). O GitHub Copilot como cliente de IDE conectando-se ao PlaidCloud é algo totalmente diferente, e funciona — veja GitHub Copilot.

Como as ferramentas são intermediadas

Um LLM só é útil aqui se puder chamar ferramentas do PlaidCloud. Para o assistente interativo, existem dois mecanismos, e qual deles executa depende do provedor. (A etapa de LLM do fluxo de trabalho, sem supervisão, funciona de outra forma; leia essa seção também.)

Conector no lado do servidor — Anthropic

A API da Anthropic se conecta por conta própria ao seu endpoint MCP do PlaidCloud, levando o token delegado de curta duração. A Anthropic gerencia o catálogo de ferramentas do lado dela, então o modelo vê tudo o que o token tem permissão para chamar e descobre as ferramentas sem ajuda.

Este também é o único caminho que oferece suporte a vinculações restritas — veja abaixo.

Laço no lado do cliente — todos os demais

Os outros provedores não têm um conector equivalente, então o PlaidCloud conduz o laço por conta própria: ele se conecta ao seu próprio servidor MCP como cliente, lista as ferramentas, entrega-as ao modelo como definições de função nativas, executa as chamadas que o modelo pede, devolve os resultados e repete até que o modelo produza uma resposta.

Dois limites mantêm esse comportamento previsível:

• Uma superfície de ferramentas limitada. Os provedores limitam quantas funções uma única solicitação pode declarar, e cada esquema consome tokens do prompt. O conjunto exposto é limitado, e as metaferramentas de descoberta estão sempre presentes para que o modelo ainda consiga encontrar e invocar qualquer coisa fora da lista direta.
• Um limite fixo de idas e vindas. Um laço de ferramentas descontrolado é interrompido, em vez de queimar tokens indefinidamente.

Nota

Intermediário diferente, mesma aplicação de regras. O laço no lado do cliente chama o mesmo servidor MCP com o mesmo token delegado, de modo que escopos, ACLs, Acesso do agente e a lista de bloqueio se aplicam exatamente como no caminho da Anthropic.

A etapa de LLM do fluxo de trabalho é diferente

Tudo o que foi descrito acima trata da IA interativa. A etapa de LLM do fluxo de trabalho, executada sem supervisão, não usa o laço no lado do cliente de forma alguma, e vale entender a diferença antes de escolher um provedor para ela.

Provedor na conexão da etapa	O que a etapa pode fazer
Anthropic	Acessa seus dados por meio do conector MCP, restrita a vinculações restritas — as tabelas, dimensões e documentos específicos que você indicou na etapa, cada um marcado como leitura ou gravação. Qualquer coisa fora desses objetos é recusada, mesmo que a ferramenta exista.
Todos os demais	Nenhum acesso a dados. A etapa é uma única conclusão estruturada: entram prompt, regras e esquema; sai JSON.

Duas consequências decorrem diretamente disso:

• As vinculações são ignoradas em uma etapa que não use Anthropic. Elas não são honradas silenciosamente e também não geram erro — a etapa registra no log que o acesso restrito a dados é exclusivo da Anthropic e executa sem elas. Se você trocar uma etapa com vinculações da Anthropic para outro provedor, ela deixa de ler seus dados.
• Um esquema de resultado é obrigatório em uma etapa que não use Anthropic. Sem ferramentas para chamar, a saída estruturada é a única coisa que a etapa produz.

Cuidado

Se uma etapa precisa ler ou gravar objetos do projeto, coloque-a em uma conexão Anthropic. Em qualquer outro provedor, a etapa ainda pode classificar, resumir, extrair ou reescrever texto que você passa no prompt — ela simplesmente não consegue buscar nada por conta própria.

Acesso do agente

Toda conexão de LLM tem uma configuração de Acesso do agente. Ela é um teto, sempre combinado por interseção com as permissões reais da pessoa que está agindo.

Acesso do agente	O que os agentes e as etapas desta conexão podem fazer
Somente leitura (padrão)	Listar, descrever, ler dados de tabelas, ler membros de dimensões, ler documentos e executar SQL somente leitura.
Leitura e gravação	O que foi descrito acima, mais as alterações que a pessoa já tem permissão para fazer, por meio das ferramentas de gravação do PlaidCloud. O SQL bruto continua somente leitura.
Completo (obsoleto — removido em 15 de janeiro de 2027)	O conjunto completo de ferramentas da pessoa, incluindo SQL que grava. Use Leitura e gravação no lugar.

Em todas as configurações de Acesso do agente, aplica-se uma lista de bloqueio incondicional: configurações de conexão e de credenciais, quem é dono de uma conexão ou tem acesso a ela, credenciais e ACLs de contas de documentos, gerenciamento de membros e grupos, redefinição de senha, ACLs de projetos, o modo de lançamento de ERP de um projeto, publicação, código de funções definidas pelo usuário e implantações de aplicativos. Esses itens nunca podem ser chamados por uma credencial de IA.

Em uma etapa de fluxo de trabalho da Anthropic, o Acesso do agente interage com as vinculações: em Leitura e gravação, a gravação é concedida por objeto vinculado, de modo que uma etapa pode gravar na única tabela que você marcou e em nenhuma outra.

Resultados estruturados

Quando uma etapa declara um esquema de resultado, a resposta é validada em relação a ele, em vez de ser extraída de texto corrido. Como os provedores expressam esquemas de formas diferentes, o esquema é traduzido para cada provedor — o dialeto de JSON estrito para endpoints compatíveis com OpenAI, o subconjunto OpenAPI para o Gemini — e uma recusa ou uma resposta truncada é apresentada como um erro próprio, em vez de um confuso “JSON inválido”.

Salvaguardas que vale conhecer

• As URLs de saída são validadas antes de qualquer chamada. Uma URL base deve usar HTTPS e resolver para um endereço público; endereços de loopback, de faixa privada, link-local e de metadados de nuvem são rejeitados, e os redirecionamentos são desativados para que uma resposta não possa desviar a chamada para outro lugar.
• As chaves ficam fora de logs e erros. Os erros do provedor são higienizados, em vez de serem repetidos com credenciais dentro.
• Regras são instruções, não permissões. As regras permanentes de uma conexão moldam o comportamento do modelo. Elas não podem elevar o que ele tem permissão para acessar.

Relacionados

• Arquitetura de IA e LLM — as superfícies e o caminho compartilhado
• Como usar seu próprio LLM controlado — Azure OpenAI e opções autohospedadas
• Conexões — criação e gerenciamento de conexões em geral