whatsapp-agent-ipnet 0.1.1

Framework Python para deployar agentes de IA no WhatsApp em menos de 24h

🤖 whatsapp-agent-ipnet

Framework Python para criar e deployar agentes de Inteligência Artificial no WhatsApp — do zero ao ar em menos de 24 horas.

---

📋 Índice

• O que é isso?
• Como funciona por dentro?
• O que você vai precisar
• Instalação passo a passo
  • 1. Python
  • 2. Redis
  • 3. PostgreSQL
  • 4. Evolution API
  • 5. O pacote
• Seu primeiro agente
• Entendendo o system prompt
• Adicionando ferramentas (Tools)
• Conectando o WhatsApp (QR Code)
• Variáveis de ambiente
• Deploy em produção (Cloud Run)
• CLI — todos os comandos
• Exemplos práticos
• Perguntas frequentes
• Solução de problemas

---

💡 O que é isso?

O whatsapp-agent-ipnet é um framework Python que permite criar um agente de Inteligência Artificial que conversa com pessoas pelo WhatsApp.

O que é um "agente de IA"?

Um agente de IA é diferente de um chatbot comum. Um chatbot segue um fluxo fixo de respostas pré-programadas ("se o usuário digitar X, responda Y"). Um agente é capaz de:

• Entender linguagem natural em qualquer formato
• Decidir sozinho qual ação tomar com base no contexto
• Chamar funções do seu sistema (consultar banco de dados, APIs externas, etc.)
• Lembrar do histórico da conversa
• Raciocinar para resolver problemas complexos

O que este framework faz por você?

Sem ele, para criar um agente no WhatsApp você precisaria construir do zero:

• Integração com a API do WhatsApp
• Servidor web para receber mensagens
• Lógica para não responder antes do usuário terminar de digitar
• Banco de dados para guardar o histórico de cada conversa
• Integração com o modelo de IA (Gemini)
• Sistema de "ferramentas" que o agente pode usar
• Script de deploy para nuvem

Com o whatsapp-agent-ipnet, tudo isso já está pronto. Você só precisa escrever o comportamento do seu agente e as funções que ele pode usar.

---

🔍 Como funciona por dentro?

Usuário digita no WhatsApp
        │
        ▼
  Evolution API          ← Plataforma que conecta ao WhatsApp
        │ webhook (HTTP)
        ▼
  Seu servidor (FastAPI)
        │
        ▼
  Debouncer (5 segundos) ← Espera o usuário terminar de digitar
        │                   antes de processar
        ▼
  Agente Agno + Gemini   ← A IA pensa e decide o que fazer
        │
        ├──→ Consulta histórico da conversa (PostgreSQL)
        ├──→ Verifica sessão ativa (Redis)
        └──→ Chama suas ferramentas (funções Python)
        │
        ▼
  Evolution API          ← Envia a resposta de volta
        │
        ▼
  Usuário recebe a resposta no WhatsApp

Por que o "Debouncer de 5 segundos"?

Imagine que o usuário está digitando:

[12:00:01] "oi"
[12:00:02] "quero saber"
[12:00:04] "sobre os planos"
[12:00:05] "disponíveis"

Sem o debouncer, o agente responderia 4 vezes, uma para cada mensagem, causando respostas estranhas e gastando tokens desnecessariamente.

Com o debouncer, o sistema aguarda 5 segundos após a última mensagem e só então processa tudo junto como uma única pergunta: "oi\nquero saber\nsobre os planos\ndisponíveis".

---

✅ O que você vai precisar

Antes de começar, certifique-se de ter acesso a:

Requisito	Gratuito?	Para que serve
Python 3.11+	✅ Sim	Linguagem do framework
Redis	✅ Sim	Memória de sessão ativa
PostgreSQL	✅ Sim (local)	Histórico de conversas
Google Gemini API Key	✅ Tem plano grátis	O cérebro do agente (IA)
Evolution API	⚠️ Self-hosted	Conectar ao WhatsApp
Um número de WhatsApp	✅ Já tem	Para o agente operar

Nota sobre o Evolution API: É uma plataforma open-source que você hospeda no seu próprio servidor, ou pode contratar hospedagem de terceiros. Veja mais em evolution-api.com.

---

🚀 Instalação passo a passo

1. Instalar o Python

O framework requer Python 3.11 ou superior.

Verificar se já tem Python instalado:

python3 --version
# Deve mostrar: Python 3.11.x ou superior

Se não tiver ou a versão for antiga:

• macOS: brew install python@3.11
• Ubuntu/Debian: sudo apt install python3.11 python3.11-venv python3-pip
• Windows: Baixe em python.org/downloads e marque a opção "Add Python to PATH" durante a instalação

---

2. Instalar o Redis

O Redis é um banco de dados em memória usado para guardar o estado das sessões ativas (conversas em andamento).

macOS:

brew install redis
brew services start redis   # inicia o Redis automaticamente

Ubuntu/Debian:

sudo apt update
sudo apt install redis-server
sudo systemctl start redis
sudo systemctl enable redis  # inicia automaticamente com o sistema

Windows: Use o WSL (Windows Subsystem for Linux) com Ubuntu, ou use o Docker:

docker run -d -p 6379:6379 --name redis redis:alpine

Verificar se está funcionando:

redis-cli ping
# Deve retornar: PONG

---

3. Instalar o PostgreSQL

O PostgreSQL guarda o histórico completo de todas as conversas.

macOS:

brew install postgresql@15
brew services start postgresql@15
# Criar banco de dados:
createdb agentdb

Ubuntu/Debian:

sudo apt install postgresql postgresql-contrib
sudo systemctl start postgresql
# Criar banco de dados:
sudo -u postgres createdb agentdb
sudo -u postgres psql -c "CREATE USER agentuser WITH PASSWORD 'suasenha';"
sudo -u postgres psql -c "GRANT ALL PRIVILEGES ON DATABASE agentdb TO agentuser;"

Windows: Baixe o instalador em postgresql.org/download/windows

Verificar se está funcionando:

psql -U postgres -c "SELECT version();"
# Deve mostrar a versão do PostgreSQL

Atenção: Anote o usuário, senha e nome do banco. Você vai precisar para configurar o .env.

---

4. Configurar a Evolution API

A Evolution API é o intermediário entre seu agente e o WhatsApp.

Opção A — Docker (mais fácil para desenvolvimento local):

# Crie um arquivo docker-compose.yml com o conteúdo abaixo:

# docker-compose.yml
version: '3.8'
services:
  evolution-api:
    image: atendai/evolution-api:latest
    ports:
      - "8081:8080"
    environment:
      - SERVER_URL=http://localhost:8081
      - AUTHENTICATION_API_KEY=minha-chave-secreta
      - DATABASE_ENABLED=false
      - REDIS_ENABLED=false
    restart: unless-stopped

docker-compose up -d
# A Evolution API estará em http://localhost:8081
# API Key: minha-chave-secreta

Opção B — Hospedagem dedicada: Serviços como Railway, Render ou VPS com Docker. Consulte a documentação oficial em doc.evolution-api.com.

---

5. Instalar o pacote

Recomendamos criar um ambiente virtual Python (isola as dependências do projeto):

# Criar ambiente virtual
python3 -m venv .venv

# Ativar o ambiente virtual
# No macOS/Linux:
source .venv/bin/activate
# No Windows:
.venv\Scripts\activate

# Você verá (.venv) no início da linha do terminal quando ativado

Instalar o framework:

pip install whatsapp-agent-ipnet

Verificar a instalação:

whatsapp-agent --help
# Deve mostrar os comandos disponíveis

---

🛠️ Seu primeiro agente

Passo 1 — Criar o projeto

whatsapp-agent init meu-primeiro-agente
cd meu-primeiro-agente

Isso vai criar a seguinte estrutura:

meu-primeiro-agente/
├── main.py          ← Seu agente (edite aqui)
├── .env             ← Configurações e senhas (NUNCA suba pro Git)
├── .env.example     ← Modelo de configuração sem senhas
├── .gitignore       ← Já ignora o .env automaticamente
├── Dockerfile       ← Para deploy em produção
└── requirements.txt ← Dependências do projeto

Passo 2 — Configurar as credenciais

Abra o arquivo .env e preencha:

# Sua chave do Google Gemini
# Obtenha em: https://aistudio.google.com/app/apikey
IPNET_GEMINI_API_KEY=AIzaSy...

# URL onde a Evolution API está rodando
IPNET_EVOLUTION_API_URL=http://localhost:8081

# A chave que você definiu na Evolution API
IPNET_EVOLUTION_API_KEY=minha-chave-secreta

# Nome único para sua instância do WhatsApp
IPNET_INSTANCE_NAME=meu-primeiro-agente

# Conexão com o PostgreSQL
# Formato: postgresql+asyncpg://USUARIO:SENHA@HOST:PORTA/BANCO
IPNET_POSTGRES_URL=postgresql+asyncpg://postgres:suasenha@localhost:5432/agentdb

# Conexão com o Redis
IPNET_REDIS_URL=redis://localhost:6379/0

Passo 3 — Escrever o agente

Abra o main.py. Você vai ver algo assim:

from whatsapp_agent_ipnet import WhatsAppAgent

agent = WhatsAppAgent.from_env(
    name="Meu Agente",
    system_prompt="""
Você é um assistente virtual inteligente.
Responda sempre em português de forma clara e objetiva.
""",
)

if __name__ == "__main__":
    agent.start()

Passo 4 — Rodar localmente

python main.py

Você verá no terminal:

INFO:     Iniciando Meu Agente...
INFO:     Redis conectado: redis://localhost:6379/0
INFO:     ConversationHistory pronto.
INFO:     Meu Agente pronto na porta 8080
INFO:     Uvicorn running on http://0.0.0.0:8080

Passo 5 — Escanear o QR Code

Em outro terminal (com o ambiente virtual ativado):

whatsapp-agent qrcode

Um QR Code vai aparecer no terminal. Escaneie com o WhatsApp do celular que vai ser usado pelo agente:

WhatsApp → Menu (3 pontinhos) → Dispositivos conectados → Conectar dispositivo

⚠️ Importante: Use um número separado para o agente, não o seu número pessoal principal. Uma vez conectado, o WhatsApp vai operar como um dispositivo vinculado.

---

📝 Entendendo o System Prompt

O system_prompt é a instrução principal que define como o agente vai se comportar. É como um "manual de conduta" que o agente segue em todas as conversas.

Como escrever um bom system prompt

Estrutura recomendada:

system_prompt="""
[IDENTIDADE]
Você é [nome/papel] da empresa [nome da empresa].

[OBJETIVO]
Seu objetivo principal é [o que o agente deve fazer].

[REGRAS DE COMPORTAMENTO]
- Regra 1
- Regra 2
- Regra 3

[TOM DE VOZ]
- [Como deve falar]

[LIMITAÇÕES]
- Nunca [o que não deve fazer]
- Sempre [o que sempre deve fazer]
"""

Exemplo completo para uma clínica:

system_prompt="""
Você é a assistente virtual da Clínica Saúde Total, chamada Sofia.

Seu objetivo é ajudar pacientes a:
- Agendar, remarcar e cancelar consultas
- Informar sobre especialidades disponíveis
- Explicar como funciona o convênio
- Tirar dúvidas gerais sobre a clínica

Regras de comportamento:
- Sempre se apresente pelo nome "Sofia" no primeiro contato
- Trate todos com muito respeito, usando "senhor" ou "senhora"
- Nunca dê diagnósticos médicos ou conselhos de saúde
- Se não souber a resposta, diga que vai verificar com a equipe

Tom de voz: acolhedor, profissional e empático.

Horário de atendimento: segunda a sexta, das 8h às 18h, sábados das 8h às 12h.
"""

Dicas importantes

• Seja específico: Quanto mais detalhado o prompt, mais previsível o comportamento
• Defina limitações: Diga o que o agente NÃO deve fazer
• Use português claro: O modelo entende bem PT-BR
• Teste bastante: Simule conversas reais para ajustar o comportamento

---

🔧 Adicionando ferramentas (Tools)

Ferramentas são funções Python que você dá ao agente para que ele possa executar ações no mundo real. O agente decide sozinho quando e como usar cada ferramenta com base no contexto da conversa.

Como funciona na prática

@agent.tool
def consultar_saldo(cpf: str) -> str:
    """Consulta o saldo disponível de um cliente pelo CPF"""
    # Aqui você coloca sua lógica real
    saldo = seu_banco_de_dados.buscar_saldo(cpf)
    return f"Saldo disponível: R$ {saldo:.2f}"

Quando o usuário disser "qual meu saldo?" e fornecer o CPF, o agente vai automaticamente chamar essa função e usar o resultado para formular a resposta.

Regras para escrever boas ferramentas

1. A docstring é obrigatória e crucial

O LLM usa a docstring para decidir quando chamar a ferramenta. Seja descritivo:

# ❌ Ruim — docstring vaga
@agent.tool
def buscar(x: str) -> str:
    """Busca algo"""
    ...

# ✅ Bom — docstring clara
@agent.tool
def buscar_produto_por_nome(nome_produto: str) -> str:
    """
    Busca informações detalhadas de um produto pelo nome exato ou parcial.
    Retorna preço, disponibilidade em estoque e prazo de entrega.
    Use quando o cliente perguntar sobre um produto específico.
    """
    ...

2. Use type hints nos parâmetros

O framework usa os tipos para gerar o schema da ferramenta automaticamente:

@agent.tool
def agendar_consulta(
    nome_paciente: str,
    data: str,          # formato: DD/MM/AAAA
    horario: str,       # formato: HH:MM
    especialidade: str,
) -> str:
    """Agenda uma consulta médica para o paciente"""
    ...

3. Sempre retorne strings descritivas

O retorno da função é o que o agente vai receber como resultado. Seja informativo:

# ❌ Ruim — retorno obscuro
return True

# ✅ Bom — retorno descritivo
return "Consulta agendada com sucesso para 15/06/2025 às 14:30 com Dr. Silva (Cardiologia). ID de confirmação: #4821"

4. Trate erros dentro da ferramenta

@agent.tool
def consultar_cep(cep: str) -> str:
    """Busca o endereço completo a partir de um CEP brasileiro"""
    import httpx
    try:
        cep_limpo = "".join(c for c in cep if c.isdigit())
        if len(cep_limpo) != 8:
            return "CEP inválido. Por favor, informe um CEP com 8 dígitos."
        resp = httpx.get(f"https://viacep.com.br/ws/{cep_limpo}/json/", timeout=5)
        data = resp.json()
        if data.get("erro"):
            return f"CEP {cep} não encontrado."
        return f"{data['logradouro']}, {data['bairro']}, {data['localidade']}-{data['uf']}, CEP: {data['cep']}"
    except Exception as e:
        return f"Não foi possível consultar o CEP no momento. Tente novamente em instantes."

Exemplos de tools comuns

Consultar banco de dados:

@agent.tool
def buscar_pedido(numero_pedido: str) -> str:
    """Busca o status e informações de um pedido pelo número"""
    import psycopg2
    conn = psycopg2.connect(os.environ["DATABASE_URL"])
    cur = conn.cursor()
    cur.execute("SELECT status, data_entrega FROM pedidos WHERE numero = %s", (numero_pedido,))
    row = cur.fetchone()
    if not row:
        return f"Pedido {numero_pedido} não encontrado."
    status, data_entrega = row
    return f"Pedido {numero_pedido}: {status}. Previsão de entrega: {data_entrega}"

Chamar uma API externa:

@agent.tool
def verificar_clima(cidade: str) -> str:
    """Verifica a previsão do tempo para uma cidade brasileira"""
    import httpx
    resp = httpx.get(
        "https://wttr.in/{cidade}?format=3&lang=pt".format(cidade=cidade),
        timeout=5
    )
    return resp.text

Enviar e-mail:

@agent.tool
def enviar_confirmacao_email(email: str, mensagem: str) -> str:
    """Envia um e-mail de confirmação para o cliente"""
    import smtplib
    # sua lógica de envio de e-mail
    return f"E-mail de confirmação enviado para {email}"

---

📱 Conectando o WhatsApp (QR Code)

Como funciona a conexão

O framework usa a Evolution API que, por sua vez, usa a biblioteca Baileys para conectar ao WhatsApp Web. Isso significa que você precisa de um número de WhatsApp real (não é a API oficial do Meta para empresas).

Passo a passo

1. Com o servidor rodando (python main.py), execute:

whatsapp-agent qrcode

2. No celular:

• Abra o WhatsApp
• Toque nos 3 pontinhos (Android) ou em "Configurações" (iPhone)
• Selecione "Dispositivos conectados"
• Toque em "Conectar dispositivo"
• Aponte a câmera para o QR Code no terminal

3. Aguarde a confirmação:

✅ WhatsApp conectado: meu-primeiro-agente

Configurar o webhook

Após conectar, você precisa dizer para a Evolution API para onde enviar as mensagens recebidas. Isso é feito automaticamente quando você cria a instância, mas verifique se o webhook está configurado:

URL do webhook (onde seu servidor está rodando):

http://SEU_IP_OU_DOMINIO:8080/webhook/NOME_DA_INSTANCIA

Exemplo local (usando ngrok para expor localmente):

# Instale ngrok: https://ngrok.com/download
ngrok http 8080
# Vai gerar uma URL como: https://abc123.ngrok.io
# Webhook: https://abc123.ngrok.io/webhook/meu-primeiro-agente

Por que preciso do ngrok localmente? A Evolution API precisa conseguir enviar mensagens para o seu servidor. Como seu computador não tem um IP público direto, o ngrok cria um "túnel" temporário.

---

⚙️ Variáveis de ambiente (.env)

O arquivo .env guarda todas as configurações e credenciais do seu agente. Nunca suba esse arquivo para o Git (o .gitignore já cuida disso automaticamente).

Todas as variáveis disponíveis

# ─── Inteligência Artificial (Gemini) ────────────────────────────────────────
# Obtenha em: https://aistudio.google.com/app/apikey
IPNET_GEMINI_API_KEY=AIzaSy...

# Modelo a usar (gemini-2.5-flash é o recomendado: rápido e barato)
IPNET_GEMINI_MODEL=gemini-2.5-flash

# Criatividade das respostas: 0.0 = mais preciso/previsível, 2.0 = mais criativo
# Para atendimento: 0.5 a 0.8 | Para conteúdo criativo: 1.0 a 1.5
IPNET_GEMINI_TEMPERATURE=0.7

# Tamanho máximo das respostas (em tokens, ~1 token = 0.75 palavra)
IPNET_GEMINI_MAX_TOKENS=2048

# ─── WhatsApp (Evolution API) ─────────────────────────────────────────────────
# URL onde a Evolution API está rodando
IPNET_EVOLUTION_API_URL=https://evolution.seudominio.com

# Chave de autenticação da Evolution API
IPNET_EVOLUTION_API_KEY=sua-api-key-aqui

# Nome único desta instância (use só letras, números e hífens)
IPNET_INSTANCE_NAME=meu-agente

# ─── Banco de dados (PostgreSQL) ─────────────────────────────────────────────
# Formato: postgresql+asyncpg://USUARIO:SENHA@HOST:PORTA/BANCO
# Local:
IPNET_POSTGRES_URL=postgresql+asyncpg://postgres:suasenha@localhost:5432/agentdb
# Cloud SQL no Cloud Run (via Auth Proxy sidecar):
# IPNET_POSTGRES_URL=postgresql+asyncpg://postgres:suasenha@127.0.0.1:5432/agentdb

# ─── Cache de sessão (Redis) ──────────────────────────────────────────────────
# Formato: redis://HOST:PORTA/BANCO_NUMERO
IPNET_REDIS_URL=redis://localhost:6379/0

# ─── Comportamento do Agente ─────────────────────────────────────────────────
# Tempo de espera após a última mensagem antes de processar (segundos)
# Aumente se seus usuários costumam enviar muitas mensagens rápidas
IPNET_DEBOUNCE_SECONDS=5

# Quantas mensagens anteriores o agente "lembra" por conversa
IPNET_MAX_HISTORY_MESSAGES=20

# Por quanto tempo manter a sessão ativa no Redis (segundos)
# 3600 = 1 hora | 86400 = 1 dia
IPNET_SESSION_TTL_SECONDS=3600

# ─── Segurança ────────────────────────────────────────────────────────────────
# Secret opcional para validar que o webhook vem da Evolution API
# Se definido, a Evolution API deve enviar este valor no header x-webhook-secret
# IPNET_WEBHOOK_SECRET=um-secret-bem-longo-e-aleatorio

# ─── Servidor ─────────────────────────────────────────────────────────────────
IPNET_HOST=0.0.0.0
IPNET_PORT=8080

Como obter a chave do Gemini

1. Acesse aistudio.google.com
2. Faça login com sua conta Google
3. Clique em "Create API Key"
4. Copie a chave e cole no .env

O Google oferece um plano gratuito generoso para o Gemini. Para produção com volume alto, verifique os limites em ai.google.dev/pricing.

---

☁️ Deploy em produção (Google Cloud Run)

O Cloud Run é a forma mais simples de colocar o agente em produção no Google Cloud. Ele escala automaticamente e você paga apenas pelo uso.

Pré-requisitos

1. Conta no Google Cloud (tem créditos gratuitos para novos usuários)
2. gcloud CLI instalado
3. Um projeto no Google Cloud criado

Passo 1 — Autenticar no Google Cloud

gcloud auth login
gcloud config set project SEU_PROJECT_ID

Passo 2 — Criar o Cloud SQL (PostgreSQL gerenciado)

# Criar instância PostgreSQL
gcloud sql instances create agentdb \
  --database-version=POSTGRES_15 \
  --tier=db-f1-micro \
  --region=us-central1

# Criar banco de dados
gcloud sql databases create agentdb --instance=agentdb

# Definir senha do postgres
gcloud sql users set-password postgres \
  --instance=agentdb \
  --password=SUA_SENHA_SEGURA

Passo 3 — Salvar credenciais no Secret Manager

Nunca coloque senhas direto no comando de deploy. Use o Secret Manager:

# Criar secret com a URL do PostgreSQL
echo -n "postgresql+asyncpg://postgres:SUA_SENHA@127.0.0.1:5432/agentdb" | \
  gcloud secrets create ipnet-postgres-url --data-file=-

# Criar secret com a chave do Gemini
echo -n "AIzaSy..." | \
  gcloud secrets create ipnet-gemini-key --data-file=-

Passo 4 — Deploy com um comando

whatsapp-agent deploy \
  --project-id SEU_PROJECT_ID \
  --region us-central1 \
  --service meu-agente \
  --sql-instance SEU_PROJECT_ID:us-central1:agentdb

O comando vai:

1. ✅ Fazer o build da imagem Docker via Cloud Build
2. ✅ Publicar a imagem no Container Registry
3. ✅ Deployar o serviço com o sidecar Cloud SQL Auth Proxy
4. ✅ Retornar a URL pública do seu agente

Passo 5 — Configurar o webhook

Após o deploy, você verá uma URL como:

✓ Agente online: https://meu-agente-xyz.run.app

Configure o webhook da Evolution API para:
  https://meu-agente-xyz.run.app/webhook/meu-agente

Configure essa URL na sua Evolution API e pronto!

Arquitetura do deploy

Internet → Cloud Run (seu agente)
                │
                └─→ Cloud SQL Auth Proxy (sidecar) → Cloud SQL PostgreSQL
                └─→ Redis (Memorystore ou externo)
                └─→ Evolution API (seu servidor ou terceiro)

O Cloud SQL Auth Proxy é um container auxiliar que roda junto com o seu agente e gerencia a conexão segura com o banco de dados sem expor portas para a internet.

---

💻 CLI — Todos os comandos

whatsapp-agent init

Cria a estrutura de um novo projeto.

whatsapp-agent init NOME_DO_PROJETO [--dir DIRETÓRIO]

Argumento	Obrigatório	Descrição
NOME_DO_PROJETO	Sim	Nome do projeto (ex: agente-vendas)
--dir	Não	Diretório onde criar (padrão: pasta atual)

# Exemplos:
whatsapp-agent init agente-suporte
whatsapp-agent init agente-vendas --dir /projetos

---

whatsapp-agent deploy

Realiza o build e deploy no Google Cloud Run.

whatsapp-agent deploy \
  --project-id PROJETO \
  --region REGIAO \
  [--service NOME_SERVICO] \
  [--instance NOME_INSTANCIA] \
  [--sql-instance CONNECTION_NAME] \
  [--tag TAG_IMAGEM] \
  [--skip-build] \
  [--skip-push]

Flag	Obrigatório	Padrão	Descrição
--project-id	✅ Sim	—	ID do projeto Google Cloud
--region	Não	us-central1	Região do Cloud Run
--service	Não	valor de IPNET_INSTANCE_NAME	Nome do serviço Cloud Run
--sql-instance	Não	—	Connection name do Cloud SQL
--tag	Não	latest	Tag da imagem Docker
--skip-build	Não	false	Pula a etapa de build
--skip-push	Não	false	Pula o push da imagem

---

whatsapp-agent qrcode

Exibe o QR Code da instância no terminal para escanear com o WhatsApp.

whatsapp-agent qrcode \
  [--url URL_EVOLUTION] \
  [--key API_KEY] \
  [--instance NOME_INSTANCIA]

Se as variáveis de ambiente IPNET_EVOLUTION_API_URL, IPNET_EVOLUTION_API_KEY e IPNET_INSTANCE_NAME estiverem configuradas no .env, basta rodar:

whatsapp-agent qrcode

---

whatsapp-agent status

Verifica o estado atual da conexão WhatsApp.

whatsapp-agent status

Saída esperada quando conectado:

╭─────────────────────────╮
│      WhatsApp Status    │
│  Instância  meu-agente  │
│  Estado     OPEN        │
│  URL        http://...  │
╰─────────────────────────╯

Estados possíveis:

• OPEN — Conectado e funcionando ✅
• CLOSE — Desconectado ❌ (precisa escanear o QR novamente)
• CONNECTING — Tentando reconectar ⏳

---

📚 Exemplos práticos

Agente de Suporte ao Cliente

from whatsapp_agent_ipnet import WhatsAppAgent

agent = WhatsAppAgent.from_env(
    name="Suporte TechCorp",
    system_prompt="""
Você é o assistente de suporte da TechCorp, chamado Max.

Seu trabalho é:
- Ajudar clientes com problemas técnicos
- Registrar chamados de suporte
- Consultar o status de chamados existentes
- Escalar para humanos quando necessário

Regras:
- Seja empático — o cliente pode estar frustrado
- Peça o número do pedido antes de consultar qualquer coisa
- Se não conseguir resolver em 3 tentativas, ofereça falar com um humano
- Nunca prometa prazos sem consultar o sistema
""",
)

@agent.tool
def abrir_chamado(nome: str, email: str, descricao_problema: str) -> str:
    """Abre um novo chamado de suporte técnico com os dados do cliente"""
    # Aqui você integraria com seu sistema de tickets (Zendesk, Jira, etc.)
    numero = "TKT-" + str(hash(email + descricao_problema))[-6:]
    return f"Chamado {numero} aberto com sucesso! Você receberá atualizações no email {email}."

@agent.tool
def consultar_chamado(numero_chamado: str) -> str:
    """Consulta o status atual de um chamado de suporte pelo número"""
    # Consulta no seu banco de dados
    return f"Chamado {numero_chamado}: Em análise pela equipe técnica. Previsão: 2 horas úteis."

@agent.tool
def escalar_para_humano(motivo: str) -> str:
    """Escala a conversa para um atendente humano quando o problema é complexo"""
    # Dispara notificação para a equipe
    return "Transferindo para um especialista. Você será atendido em até 5 minutos."

agent.start()

---

Agente de Agendamentos

from whatsapp_agent_ipnet import WhatsAppAgent
from datetime import datetime

agent = WhatsAppAgent.from_env(
    name="Agenda Fácil",
    system_prompt="""
Você é o assistente de agendamentos da Barbearia do Zé.

Você pode:
- Mostrar horários disponíveis
- Agendar cortes
- Confirmar e cancelar agendamentos

Serviços disponíveis:
- Corte simples: R$ 35 (30 min)
- Corte + barba: R$ 55 (1 hora)
- Barba: R$ 25 (30 min)

Funcionamento: Segunda a sábado, 9h às 19h.

Sempre confirme o nome do cliente e o serviço antes de agendar.
""",
)

@agent.tool
def verificar_horarios_disponiveis(data: str) -> str:
    """
    Verifica horários livres para agendamento em uma data específica.
    A data deve estar no formato DD/MM/AAAA.
    """
    # Consulta no seu sistema de agenda
    horarios = ["09:00", "10:30", "14:00", "15:30", "17:00"]
    return f"Horários disponíveis em {data}: {', '.join(horarios)}"

@agent.tool
def criar_agendamento(
    nome_cliente: str,
    telefone: str,
    servico: str,
    data: str,
    horario: str,
) -> str:
    """
    Cria um novo agendamento para o cliente.
    Requer: nome, telefone, serviço desejado, data (DD/MM/AAAA) e horário (HH:MM).
    """
    # Salva no banco de dados
    codigo = f"AG{hash(nome_cliente + data + horario) % 10000:04d}"
    return (
        f"✅ Agendamento confirmado!\n"
        f"Código: {codigo}\n"
        f"Cliente: {nome_cliente}\n"
        f"Serviço: {servico}\n"
        f"Data: {data} às {horario}\n"
        f"Endereço: Rua das Flores, 123 — Centro"
    )

agent.start()

---

Agente com notificação de QR Code por e-mail

import smtplib
from email.mime.text import MIMEText
from whatsapp_agent_ipnet import WhatsAppAgent

agent = WhatsAppAgent.from_env(
    name="Meu Agente",
    system_prompt="Você é um assistente virtual...",
)

@agent.on_qrcode
async def notificar_qrcode(instance_name: str, base64_qr: str):
    """Envia e-mail para o admin quando o QR Code precisar ser escaneado novamente"""
    msg = MIMEText(
        f"O agente '{instance_name}' precisa ser reconectado.\n"
        f"Escaneie o QR Code no painel da Evolution API."
    )
    msg["Subject"] = f"⚠️ Agente {instance_name} desconectado"
    msg["From"] = "[e-mail]"
    msg["To"] = "[e-mail]"

    with smtplib.SMTP("smtp.gmail.com", 587) as s:
        s.starttls()
        s.login("[e-mail]", "sua-senha-app")
        s.send_message(msg)

@agent.on_connection_change
async def monitorar_conexao(instance_name: str, state: str):
    """Loga mudanças de estado para monitoramento"""
    print(f"[{instance_name}] Estado: {state.upper()}")

agent.start()

---

❓ Perguntas frequentes

O agente pode responder mais de um usuário ao mesmo tempo?

Sim. Cada número de telefone tem seu próprio contexto, sessão e histórico. O sistema processa múltiplas conversas em paralelo sem conflito.

O agente lembra de conversas anteriores?

Sim. Cada conversa é salva no PostgreSQL com o número do usuário como identificador. Nas próximas mensagens, o agente carrega o histórico recente (configurável via IPNET_MAX_HISTORY_MESSAGES). Após o IPNET_SESSION_TTL_SECONDS sem mensagens, a sessão Redis expira, mas o histórico do banco permanece.

Posso usar grupos do WhatsApp?

O framework atualmente processa mensagens de conversas individuais. Mensagens de grupos são ignoradas por padrão (o remoteJid de grupos termina em @g.us).

Qual é o custo?

• Gemini 2.5 Flash: ~$0.075 por 1 milhão de tokens de entrada / ~$0.30 por 1 milhão de saída. Um atendimento médio de 10 mensagens custa frações de centavo.
• Cloud Run: Cobra por requisição. Com escala para zero quando inativo, o custo pode ser de poucos dólares por mês para volumes médios.
• Cloud SQL: A partir de ~$7/mês para a menor instância.

Posso usar outro modelo de IA além do Gemini?

A versão atual usa o Gemini via Agno. O Agno suporta outros modelos (OpenAI, Anthropic, etc.). Contribuições são bem-vindas!

O número fica banido no WhatsApp?

O risco existe em qualquer integração não-oficial. Recomendações para minimizar o risco:

• Use um número específico para o agente (não o seu pessoal)
• Não envie mensagens em massa ou spam
• Mantenha um comportamento humano (não responda instantaneamente a todos — o debouncer ajuda nisso)
• Evite enviar muitas mensagens seguidas para o mesmo número em pouco tempo

---

🔧 Solução de problemas

ModuleNotFoundError: No module named 'whatsapp_agent_ipnet'

O ambiente virtual não está ativado ou o pacote não foi instalado:

source .venv/bin/activate   # ativar o ambiente virtual
pip install whatsapp-agent-ipnet

Connection refused no Redis

O Redis não está rodando:

# macOS
brew services start redis

# Linux
sudo systemctl start redis

# Verificar
redis-cli ping   # deve retornar PONG

could not connect to server no PostgreSQL

O PostgreSQL não está rodando ou a URL está errada:

# macOS
brew services start postgresql@15

# Linux
sudo systemctl start postgresql

# Testar conexão:
psql postgresql://postgres:suasenha@localhost:5432/agentdb -c "SELECT 1;"

QR Code não aparece ou dá erro 404

A instância ainda não existe na Evolution API. Verifique se:

1. A Evolution API está acessível na URL configurada em IPNET_EVOLUTION_API_URL
2. A IPNET_EVOLUTION_API_KEY está correta
3. O servidor do agente está rodando (python main.py)

Tente criar a instância manualmente:

curl -X POST "http://localhost:8081/instance/create" \
  -H "apikey: minha-chave-secreta" \
  -H "Content-Type: application/json" \
  -d '{"instanceName": "meu-agente", "qrcode": true}'

Agente não responde às mensagens

Verifique nessa ordem:

1. Webhook configurado? A Evolution API precisa saber para onde enviar as mensagens.
2. URL acessível? O servidor precisa ser acessível pela Evolution API (use ngrok localmente).
3. Logs do servidor: python main.py mostra os eventos recebidos.
4. Estado do WhatsApp: whatsapp-agent status — deve mostrar OPEN.

Error: gcloud CLI não encontrado ao fazer deploy

Instale o gcloud CLI:

• cloud.google.com/sdk/docs/install

Após instalar:

gcloud auth login
gcloud config set project SEU_PROJECT_ID

Respostas lentas ou timeout

O Gemini 2.5 Flash geralmente responde em 2-5 segundos. Se estiver mais lento:

• Reduza IPNET_MAX_HISTORY_MESSAGES (menos contexto = resposta mais rápida)
• Reduza IPNET_GEMINI_MAX_TOKENS se as respostas estiverem muito longas
• Verifique sua conexão com a internet e a latência para a API do Gemini

---

🤝 Contribuindo

Contribuições são bem-vindas! Para reportar bugs, sugerir funcionalidades ou enviar código:

1. Abra uma issue descrevendo o problema ou sugestão
2. Fork o repositório
3. Crie uma branch: git checkout -b feature/minha-feature
4. Faça suas alterações com testes
5. Abra um Pull Request

---

📄 Licença

MIT License — veja o arquivo LICENSE para detalhes.

---

Desenvolvido por IPNET Tecnologia