Um pedido em português vira um programa que roda no seu servidor, passa pelas suas regras e só altera dados depois de aprovado. Seus dados não saem de casa.
OpenAI · Anthropic · Azure OpenAI · PostgreSQL · MySQL · SQL Server
A IA nunca toca os dados direto. Ela escreve um programa; o Vardy executa, confere e pede aprovação quando suas regras mandam.
“Cancele os pedidos em aberto vencidos há mais de 90 dias e abaixo de R$ 100.”
A IA não recebe os dados da empresa. Ela recebe o pedido e a lista de funções que você liberou, e escreve um programa.
Exemplo ilustrativo · clique nas etapas
O jeito comum (MCP, uma ferramenta por vez) despeja os registros no contexto da IA. O custo cresce com o volume, as contas são feitas “de cabeça” e as ações acontecem sem revisão.
Mesmo modelo (gpt-4.1), mesmas tarefas, empresa com 300 clientes e ~2.000 pedidos. Metodologia na seção de resultados.
O Vardy é uma biblioteca que roda dentro do seu servidor. O painel na nuvem guarda regras e o registro do que aconteceu, e nada além disso.
A biblioteca segue com a última configuração recebida. O Vardy não é ponto único de falha.
A IA é chamada direto do seu servidor com a sua chave. O custo e o contrato com o provedor continuam seus.
Sem cópia de dados pessoais para um fornecedor novo, não há novo operador de dados para mapear.
Agregação, cruzamento e ação em lote numa empresa com 300 clientes e ~2.000 pedidos, com o mesmo modelo dos dois lados.
| Estilo MCP | Vardy + banco | |
|---|---|---|
| Respostas corretas | 0 de 3 | 3 de 3 |
| Tokens | 280.147 | 6.078 |
| Custo | US$ 0,56 | US$ 0,017 |
| Tempo | 19,8 s | 6,7 s |
¹ Teste interno de 05/11/2026 com dados sintéticos, modelo gpt-4.1 nos dois lados, preços de tabela da OpenAI. Numa empresa menor (60 clientes, 6 tarefas) o Vardy acertou 6 de 6 contra 2–3 de 6, com cerca de 4× menos tokens. O MCP comparado é a implementação direta (resultado completo de cada ferramenta no contexto). Servidores MCP otimizados podem ter desempenho melhor. Em tarefas simples os dois empatam.
Cada controle abaixo funciona hoje, no SDK e no painel. O que ainda não existe está marcado como “em breve”.
O código gerado roda sem rede, arquivos ou sistema. Só enxerga as funções que você liberou.
Alterações viram um plano de efeitos, conferido contra limites e bloqueios antes de executar.
Por padrão, mais de 3 alterações numa execução esperam aprovação. Você ajusta o limite.
Só consultas, só nas tabelas liberadas, com colunas sensíveis escondidas.
Bloqueie qualquer ação na hora, pelo painel, sem deploy.
Quem pediu, o que foi planejado, quem aprovou, o que executou e quem mudou cada regra. Exportação em CSV no Business.
Chaves de API por projeto, revogáveis, e verificação em duas etapas no painel.
Painel na sua própria infraestrutura, para quem não pode usar nuvem. em breve
Qualquer time que hoje abre três sistemas para responder uma pergunta, ou faz a mesma alteração cinquenta vezes.
O atendente resolve numa frase, dentro das regras, sem abrir o ERP.
A lista sai do banco, exata. Lotes grandes esperam aprovação do gestor.
A IA investiga em rodadas, lê os chamados com um modelo mais barato e entrega o resumo.
O custo da IA continua na sua conta, com o seu modelo. O Vardy reduz esse custo e cobra pelo painel de controle.
Para testar com um sistema real.
Para colocar um time em produção.
Para várias áreas e auditoria.
Para quem precisa de contrato e SLA.
Execução acima do plano: cobrança por uso, sem interromper sua operação. Valores de lançamento, sujeitos a ajuste.
Não. O programa e as consultas rodam no seu servidor. O modelo de IA é chamado com a sua chave e recebe só o pedido e resumos, nunca a base inteira. O painel do Vardy recebe apenas metadados (“uma ação foi feita, deu certo, levou 2 segundos”), nunca nomes, valores, perguntas ou respostas. A única exceção é opcional: se você ligar o envio de detalhes para aprovação pelo painel, o pedido e as alterações planejadas ficam guardados só até a decisão e depois são apagados.
Não. Você usa o modelo que já usa (OpenAI, Anthropic e outros), com a sua chave. Para o banco, o Vardy se conecta ao que você já tem, só para leitura.
Para os seus próprios sistemas, não. Para ferramentas de terceiros que só oferecem MCP (Gmail, Slack, GitHub…), o Vardy se conecta a elas por baixo, e a IA continua trabalhando do jeito Vardy: um programa, resumos, regras e aprovação.
Seu sistema continua funcionando. A biblioteca usa a última configuração que recebeu. O painel não é um ponto único de falha.
Ela só consegue usar as funções que você liberou, numa sandbox sem acesso a rede ou arquivos. Toda alteração passa por um plano conferido contra suas regras, e alterações em massa esperam aprovação humana.
Conectar um banco só para leitura leva minutos. Cadastrar as ações que alteram dados (cancelar, enviar, atualizar) costuma levar de 1 a 3 dias de um desenvolvedor.
Comece grátis com um sistema real, ou converse com a gente sobre o seu caso.