Fornecedores e ligações de LLM

Uma ligação de Fornecedor de LLM é o local onde escolhe o modelo que alimenta a IA na sua área de trabalho. Contém o fornecedor, a sua chave de API, um modelo predefinido e instruções permanentes — e é o ponto em que um administrador decide o que o modelo pode fazer.

O que a ligação contém

Campo	O que faz
Fornecedor	Anthropic, OpenAI, Google Gemini, xAI Grok, Azure OpenAI ou GitHub Models.
Chave de API	A sua. A utilização é faturada na sua conta nesse fornecedor, não é revendida através do PlaidCloud.
Modelo predefinido	Escolhido a partir da oferta atual do próprio fornecedor, obtida com a sua chave de API. Outro… aceita um id de modelo que escreva, para tudo o que a lista não inclua.
URL base	Apresentado apenas para os fornecedores que o utilizam: obrigatório para o Azure OpenAI (o endpoint do seu recurso) e uma substituição opcional para OpenAI, Grok e GitHub Models. A Anthropic e o Gemini não o utilizam.
Versão da API	Apenas Azure OpenAI.
Regras	Instruções permanentes antepostas a todas as mensagens de sistema — convenções da casa, tom, o que nunca fazer.
Acesso do agente	O limite máximo do que os agentes e os passos que utilizam esta ligação podem fazer. Apenas leitura, a menos que seja aumentado.

O nome, o memorando e quem pode ver a ligação também são definidos aqui, e Testar ligação verifica a chave antes de depender dela.

Uma área de trabalho pode conter várias ligações; uma é marcada como predefinida. Um passo de fluxo de trabalho pode fixar uma ligação específica quando precisa de um modelo diferente do predefinido da área de trabalho.

Uma área de trabalho pode também conter uma ligação Anthropic Claude mais antiga, anterior a o fornecedor passar a ser um campo de um único tipo de ligação. Tem as mesmas definições e abre no mesmo editor, com o fornecedor fixado em Anthropic. Crie novas ligações como Fornecedor de LLM.

Dica

A lista de modelos vem do fornecedor, não do PlaidCloud. Ao abrir a ligação, pergunta-se ao seu fornecedor que modelos a sua chave consegue alcançar, pelo que um modelo lançado esta manhã é oferecido sem esperar por uma versão do PlaidCloud. Os modelos que não conseguem responder a um prompt — modelos de incorporação, fala, imagem e moderação — ficam de fora.

Se não for possível contactar o fornecedor (uma chave que ainda não foi introduzida, uma errada ou uma indisponibilidade), a lista recorre à lista incorporada do PlaidCloud e indica-o. Outro… continua a aceitar qualquer id de modelo que escreva.

Fornecedores e adaptadores

Seis fornecedores visíveis para o utilizador correspondem a quatro adaptadores de execução. O adaptador determina como o pedido é formado e o que o modelo pode alcançar. Os nomes dos fornecedores abaixo são as etiquetas tal como surgem na lista pendente do formulário de ligação.

Fornecedor	Adaptador	Notas
Anthropic (Claude)	anthropic	O único caminho com associações delimitadas de tabelas, dimensões e documentos.
OpenAI (ChatGPT)	openai_compatible
xAI (Grok)	openai_compatible
GitHub Models	openai_compatible	Modelos alojados no GitHub para equipas centradas no GitHub.
Google (Gemini)	gemini
Azure OpenAI	azure	O endpoint do seu recurso; o “modelo” é o seu nome da implementação, e a versão da API provém da ligação.

Cuidado

O GitHub Copilot não é uma opção aqui, e não se trata de um lapso. O Copilot não tem uma API de conversação autónoma para a qual possa apontar um servidor — troca um token OAuth por um direito de utilização no 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 a ligar-se ao PlaidCloud é uma coisa completamente diferente, e funciona — consulte 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 o que é utilizado depende do fornecedor. (O passo LLM do fluxo de trabalho não assistido funciona de forma diferente; leia também essa secção.)

Conector no servidor — Anthropic

A API da Anthropic liga-se ela própria ao seu endpoint MCP do PlaidCloud, transportando o token delegado de curta duração. A Anthropic gere o catálogo de ferramentas do seu lado, pelo que o modelo vê tudo o que o token pode chamar e descobre as ferramentas sem ajuda.

Este é também o único caminho que suporta associações delimitadas — veja abaixo.

Ciclo no cliente — todos os outros

Os outros fornecedores não têm um conector equivalente, pelo que o PlaidCloud conduz o ciclo: liga-se ao seu próprio servidor MCP como cliente, lista as ferramentas, entrega-as ao modelo como definições nativas de funções, executa as chamadas que o modelo pede, devolve-lhe os resultados e repete até o modelo produzir uma resposta.

Dois limites mantêm isto previsível:

• Uma superfície de ferramentas limitada. Os fornecedores limitam quantas funções um pedido pode declarar, e cada esquema consome tokens do prompt. O conjunto exposto é limitado, com as metaferramentas de descoberta sempre presentes para que o modelo continue a poder encontrar e invocar tudo o que esteja fora da lista direta.
• Um limite fixo de iterações. Um ciclo de ferramentas descontrolado pára em vez de consumir tokens indefinidamente.

Nota

Intermediário diferente, mesma aplicação de regras. O ciclo no cliente chama o mesmo servidor MCP com o mesmo token delegado, pelo que os âmbitos, as ACL, o Acesso do agente e a lista de bloqueio se aplicam exatamente como no caminho da Anthropic.

O passo LLM do fluxo de trabalho é diferente

Tudo o que foi descrito acima diz respeito à IA interativa. O passo LLM do fluxo de trabalho não assistido não utiliza de todo o ciclo no cliente, e vale a pena compreender a diferença antes de escolher um fornecedor para um desses passos.

Fornecedor na ligação do passo	O que o passo pode fazer
Anthropic	Acede aos seus dados através do conector MCP, limitado a associações delimitadas — as tabelas, dimensões e documentos específicos que indicou no passo, cada um marcado para leitura ou escrita. Tudo o que esteja fora desses objetos é recusado, mesmo que a ferramenta exista.
Todos os outros	Sem acesso a dados. O passo é uma única conclusão estruturada: entram prompt, regras e esquema; sai JSON.

Duas consequências decorrem diretamente disto:

• As associações são ignoradas num passo que não seja Anthropic. Não são honradas silenciosamente nem constituem um erro — o passo regista que o acesso delimitado a dados é exclusivo da Anthropic e executa-se sem elas. Se mudar um passo com associações da Anthropic para outro fornecedor, deixa de ler os seus dados.
• É obrigatório um esquema de resultado num passo que não seja Anthropic. Sem ferramentas para chamar, a saída estruturada é a única coisa que o passo produz.

Cuidado

Se um passo precisar de ler ou escrever objetos do projeto, coloque-o numa ligação Anthropic. Em qualquer outro fornecedor, o passo pode ainda classificar, resumir, extrair ou reescrever o texto que passar no prompt — apenas não pode ir buscar nada.

Acesso do agente

Cada ligação LLM tem uma definição de Acesso do agente. É um limite máximo, sempre intersetado com as permissões reais da pessoa que atua.

Acesso do agente	O que os agentes e os passos desta ligação podem fazer
Apenas leitura (predefinição)	Listar, descrever, ler dados de tabelas, ler membros de dimensões, ler documentos, executar SQL só de leitura.
Leitura e escrita	O anterior, mais as alterações que a pessoa já tem permissão para fazer, através das ferramentas de escrita do PlaidCloud. O SQL em bruto continua a ser só de leitura.
Completo (obsoleto — removido a 15 de janeiro de 2027)	O conjunto completo de ferramentas da pessoa, incluindo SQL que escreve. Utilize antes Leitura e escrita.

Em todas as definições de Acesso do agente aplica-se uma lista de bloqueio incondicional: definições de ligação e de credenciais, quem é proprietário de uma ligação ou tem acesso a ela, credenciais e ACL de contas de documentos, gestão de membros e grupos, reposição de palavras-passe, ACL de projetos, o modo de lançamento ERP de um projeto, publicação, código de funções definidas pelo utilizador e implementações de aplicações. Estes nunca podem ser chamados por uma credencial de IA.

Num passo de fluxo de trabalho Anthropic, o Acesso do agente interage com as associações: em Leitura e escrita, a escrita é concedida por objeto associado, pelo que um passo pode escrever na única tabela que assinalou e em mais nenhuma.

Resultados estruturados

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

Salvaguardas a conhecer

• Os URL de saída são validados antes de qualquer chamada. Um URL base tem de ser HTTPS e resolver para um endereço público; os endereços de loopback, de intervalo privado, de ligação local e de metadados da cloud são rejeitados, e os redirecionamentos estão desativados para que uma resposta não possa desviar a chamada para outro local.
• As chaves ficam fora dos registos e dos erros. Os erros do fornecedor são depurados em vez de devolvidos com credenciais incluídas.
• As regras são instruções, não permissões. As regras permanentes de uma ligação moldam o modo como o modelo se comporta. Não podem aumentar o que ele pode alcançar.

Relacionado

• Arquitetura de IA e LLM — as superfícies e o caminho partilhado
• Utilizar o seu próprio LLM controlado — Azure OpenAI e opções alojadas por si
• Ligações — criar e gerir ligações em geral