Conteúdo multicanal: 7 skills para pesquisar, publicar e medir com IA

Agentes de inteligência artificial isolados costumam falhar em campanhas completas: perdem a memória na metade da tarefa, inventam dados de mercado sem fontes verificáveis e não publicam nem medem nada sozinhos.

Neste tutorial prático, a gente vai mostrar como conectar 7 ferramentas de código aberto em uma esteira de produção contínua. Você verá como ancorar o conhecimento da sua empresa em um arquivo central de contexto, manter o plano de execução salvo em disco, minerar dados com agentes de pesquisa autônomos, redigir e revisar peças para múltiplos canais, enviar rascunhos diretamente para o WordPress via MCP e fechar o ciclo analisando métricas reais de acesso no Google Analytics 4.

O resultado final: o que essa esteira entrega na prática

Antes de abrir o terminal e instalar pacotes, vale a pena entender exatamente o que esse sistema produz quando você roda o fluxo completo:

O resultado é um processo governado, no qual cada decisão intermediária fica registrada em arquivos locais versionáveis e a publicação no CMS ocorre de forma autorizada e auditável.

Pré-requisitos técnicos

Para executar esta cadeia no seu computador, certifique-se de ter os seguintes componentes configurados:

• Ambiente de execução de agentes: Terminal com Claude Code, OpenAI Codex ou Google Antigravity instalado.
• Node.js (v18+) e Python (v3.10+): Necessários para gerenciar pacotes npx e scripts Python.
• Instalador de skills universal: O utilitário skills instalado globalmente (npm install -g skills).
• Acesso ao WordPress: Um site WordPress de desenvolvimento ou produção com o plugin WordPress MCP Adapter ativado e permissão de criação de posts.
• Conta no Google Analytics 4: Propriedade do GA4 configurada com credenciais de serviço do Google Cloud (arquivo credentials.json) com permissão de leitura.
• Chave de API para busca web: Chave gratuita da Tavily ou SerpAPI (caso utilize o motor padrão de busca do GPT Researcher).

O passo a passo: conectando as 7 etapas da esteira

Passo 1: Travar a base factual do negócio com Product Marketing Context

Toda boa campanha de marketing começa pela definição clara de quem é o cliente ideal, quais são os problemas reais que ele enfrenta e quais provas a empresa possui. Sem essa âncora, qualquer modelo de IA começará a alucinar promessas genéricas.

• O que faz: Cria e padroniza o arquivo central .agents/product-marketing.md, reunindo público-alvo, posicionamento, dores comprovadas e vocabulário proibido.
• Repositório GitHub: coreyhaines31/marketingskills
• Licença: MIT (mantido por Corey Haines)
• Como instalar:

  npx skills add coreyhaines31/marketingskills --skill product-marketing
  

• Prompt para execução:

  “Leia o arquivo de briefing anexado e as notas de entrevistas com clientes. Gere a primeira versão do nosso documento de contexto em .agents/product-marketing.md. Aponte explicitamente quais provas quantitativas ainda estão faltando.”

• Saída esperada: Um documento Markdown com seções de ICP, proposta de valor central, lista de concorrentes, diferenciais comprovados e lacunas de informação destacadas para validação humana.

Passo 2: Estruturar o plano da missão com Planning with Files

Modelos de linguagem sofrem de degradação de atenção em tarefas longas. Quando você pede para o agente pesquisar, escrever, revisar e publicar em um único comando, ele costuma esquecer instruções dadas no início. A solução é forçá-lo a documentar seu estado de execução em arquivos locais.

• O que faz: Mantém três arquivos de trabalho atualizados na raiz do projeto: task_plan.md (o roteiro de etapas com caixas de seleção), findings.md (os fatos descobertos) e progress.md (o diário de bordo com as decisões tomadas).
• Repositório GitHub: OthmanAdi/planning-with-files
• Licença: MIT (mantido por Ahmad Othman Ammar Adi)
• Como instalar:

  npx skills add OthmanAdi/planning-with-files --skill planning-with-files
  

• Prompt para execução:

  “Inicie uma nova missão chamada ‘Campanha de Automação com Agentes’. Crie o arquivo task_plan.md com 5 etapas claras: Pesquisa, Redação, Revisão, Publicação no WordPress e Medição no GA4. Atualize o status a cada fase concluída.”

• Saída esperada: Arquivo task_plan.md inicializado com tarefas pendentes [ ], garantindo que se a sessão for interrompida, o agente saiba exatamente de onde retomar.

Passo 3: Minerar dados e fontes externas com GPT Researcher

Em vez de confiar no treinamento estático do modelo de linguagem (que pode estar defasado em meses), colocamos um agente autônomo de pesquisa para rastrear dezenas de páginas da web, extrair estatísticas e sintetizar um relatório fundamentado.

• O que faz: Rastreia a internet, filtra fontes confiáveis, elimina conteúdos duplicados e produz um relatório analítico estruturado com links diretos para as fontes primárias.
• Repositório GitHub: assafelovic/gpt-researcher
• Licença: Apache-2.0 (mantido por Assaf Elovic)
• Como instalar:

  pip install gpt-researcher
  

• Prompt para execução:

  “Execute uma pesquisa aprofundada sobre ‘Tendências de adoção de agentes de inteligência artificial em equipes de Revenue Operations e MarTech’. Gere o relatório em findings.md com citações reais, dados percentuais de mercado e desafios operacionais relatados por gestores.”

• Saída esperada: Relatório de 800 a 1.200 palavras contendo dados consolidados, links primários de referência e tabelas comparativas prontas para servirem de insumo na redação.

Passo 4: Produzir as peças de campanha com Content Creation

Com o contexto do negócio travado no Passo 1 e os dados de mercado consolidados no Passo 3, o agente de produção de conteúdo tem todos os insumos necessários para redigir peças fiéis ao contexto, com menos risco de alucinação.

• O que faz: Converte o relatório de pesquisa e o contexto do produto em versões coordenadas para múltiplos canais: um artigo aprofundado para o blog, uma publicação de debate para o LinkedIn e uma edição estruturada de newsletter.
• Repositório GitHub: anthropics/knowledge-work-plugins
• Licença: Apache-2.0 (mantido pela Anthropic)
• Como instalar:

  claude plugin marketplace add anthropics/knowledge-work-plugins
  

• Prompt para execução:

  “Com base no arquivo .agents/product-marketing.md e nos dados de findings.md, produza o rascunho completo do artigo pilar para o blog (entre 1.800 e 2.200 palavras) e a adaptação do texto principal para um post de LinkedIn em tom de bastidor.”

• Saída esperada: Arquivos artigo-rascunho.md e linkedin-post.md com seções H2/H3 bem definidas, argumentos apoiados nas pesquisas e chamadas para ação alinhadas com a oferta da empresa.

Passo 5: Lapidar a escrita e remover clichês com Copy Editing

Nenhum texto gerado por inteligência artificial deve ir para o ar sem uma camada rigorosa de edição de cópia. Essa etapa elimina adjetivos inflados, frases passivas e termos proibidos pela marca.

• O que faz: Executa uma revisão sistemática focada em clareza, concisão, ritmo de leitura e aderência à voz autoral da empresa, justificando cada corte de parágrafo realizado.
• Repositório GitHub: coreyhaines31/marketingskills
• Licença: MIT (mantido por Corey Haines)
• Como instalar:

  npx skills add coreyhaines31/marketingskills --skill copy-editing
  

• Prompt para execução:

  “Revise o arquivo artigo-rascunho.md no modo de edição rigoroso. Elimine frases clichês de IA (como ‘no mundo acelerado de hoje’, ‘divisor de águas’ ou ‘mergulhe fundo’), corte parágrafos redundantes e garanta o uso consistente do pronome ‘a gente’ em vez do ‘nós’ formal.”

• Saída esperada: Versão final revisada em artigo-final.md com changelog detalhando as alterações de clareza e ritmo aplicadas.

Passo 6: Publicar como rascunho seguro via WordPress MCP Adapter

Copiar e colar manualmente textos do editor de código para o painel do WordPress é uma perda de tempo operacional que introduz erros de formatação. O protocolo MCP permite que o agente publique o conteúdo diretamente no CMS como rascunho fechado.

• O que faz: Expõe as capacidades (Abilities) do WordPress para clientes MCP, permitindo criar posts, definir títulos, slugs, categorias, tags e campos de SEO respeitando estritamente o nível de permissão do usuário.
• Repositório GitHub: WordPress/mcp-adapter
• Licença: GPL-2.0-or-later (mantido oficialmente pela equipe do WordPress)
• Como instalar:
  Instale o plugin oficial no WordPress ou via WP-CLI:

  wp plugin install https://github.com/WordPress/mcp-adapter/releases/latest/download/mcp-adapter.zip --activate
  

  
  No seu cliente de agente (ex.: Claude Code):

  claude mcp add --transport http wordpress https://seusite.com.br/wp-json/mcp/v1
  

• Prompt para execução:

  “Conecte-se ao servidor MCP do WordPress, descubra as ferramentas disponíveis e crie um novo post com o status ‘draft’ contendo o texto de artigo-final.md, slug ‘agentes-de-ia-para-marketing-esteira’ e categoria ‘Fundamentos de IA’.”

• Saída esperada: Confirmação do WordPress com o ID do post criado, URL de pré-visualização interna e status draft garantido (sem publicação pública involuntária).

Passo 7: Medir desempenho real e fechar o loop com Google Analytics MCP

A esteira não termina na publicação. Uma operação de marketing inteligente precisa saber como o conteúdo performou nos dias seguintes para alimentar o próximo ciclo de planejamento com dados reais de audiência.

• O que faz: Conecta o agente diretamente à API de dados do GA4 via MCP, permitindo consultar sessões, taxa de engajamento, tempo médio na página e conversões por canal de origem.
• Repositório GitHub: googleanalytics/google-analytics-mcp
• Licença: Apache-2.0 (mantido pelo Google Analytics)
• Como instalar:

  pipx run analytics-mcp
  

• Prompt para execução:

  “Consulte a propriedade do GA4 e traga as métricas dos últimos 14 dias para os artigos da categoria ‘Fundamentos de IA’. Mostre as 3 páginas com maior tempo de engajamento e a taxa de conversão para o formulário de newsletter.”

• Saída esperada: Tabela comparativa de métricas por URL com a interpretação analítica do agente destacando quais tópicos geraram mais retenção de público, servindo de insumo para o próximo arquivo de contexto.

Onde costuma dar errado e como verificar cada etapa

Ao encadear ferramentas de diferentes autores, alguns gargalos operacionais podem surgir. Veja como se prevenir:

1. O agente sobrescreve o arquivo de contexto: Sempre mantenha o diretório .agents/ rastreado no Git. Se o agente modificar definições importantes de público sem sua autorização, reverta o arquivo com um simples git checkout .agents/product-marketing.md.
2. GPT Researcher consome tokens demais em buscas amplas: Se a consulta for muito genérica (ex.: “marketing digital”), o agente fará dezenas de requisições paralelas. Especifique perguntas delimitadas com operadores de contexto claros.
3. Falha de permissão no WordPress MCP: O adaptador MCP respeita o papel do usuário da chave de aplicação (Application Password). Garanta que o usuário possua perfil de “Editor” ou “Administrador”, mas configure as regras para permitir apenas a criação de rascunhos (draft), nunca publicação imediata (publish).
4. Métricas do GA4 sem dados recentes: Lembre-se de que o Google Analytics 4 possui uma janela de processamento padrão de 24 a 48 horas. Para conteúdos recém-publicados, consulte os dados em tempo real (Realtime API) ou aguarde dois dias para análises consolidadas.

Variações da esteira: com e sem ferramentas pagas

Você pode adaptar essa mesma arquitetura conforme o orçamento e as ferramentas que a sua empresa já utiliza:

O que a gente faria diferente com os aprendizados de execução

Ao rodar essa esteira completa na produção real do acervo do Club Martech, acumulamos três aprendizados práticos que poupam horas de retrabalho:

• Não delegue a validação de fatos para o próprio modelo: Sempre que o GPT Researcher citar uma pesquisa com porcentagens expressivas (ex.: “78% das empresas aumentaram receita”), abra o link gerado e confira se a fonte primária realmente afirma aquele número. Modelos tendem a misturar conclusões de artigos de opinião com pesquisas quantitativas formais.
• Separe o passo de redação do passo de formatação CMS: Deixe o agente focar exclusivamente no texto puro e na hierarquia de títulos durante a etapa de escrita. A inserção de metadados, links de autor e configurações de taxonomia deve ocorrer estritamente na chamada do conector MCP.
• Faça commits atômicos no Git entre as etapas: Crie um commit após o relatório de pesquisa e outro após o rascunho revisado. Isso transforma o seu repositório de conteúdo em um histórico auditável de cada decisão criativa da equipe.

Perguntas frequentes (FAQ)

Posso rodar essa cadeia inteira de forma 100% automática sem intervenção humana?

Tecnicamente é possível via scripts de bash ou automações em n8n, mas não é recomendado. Em operações de marketing profissionais, a revisão humana entre a redação e a publicação (Human-in-the-Loop) é fundamental para garantir a integridade da voz da marca e evitar a veiculação de informações não verificadas.

O WordPress MCP Adapter pode apagar posts existentes do meu site?

Não por padrão. O adaptador MCP expõe apenas as capacidades que você autorizar expressamente nas configurações do plugin. Para esteiras de redação de conteúdo, conceda permissão restrita para criação e atualização de rascunhos em posts do tipo post, desativando comandos de exclusão (delete).

O GPT Researcher exige assinatura de ferramentas pagas?

O código do GPT Researcher é 100% gratuito e de código aberto sob licença Apache-2.0. Você precisará apenas de uma chave de API para o modelo de linguagem (como OpenAI, Anthropic ou Gemini) e de um provedor de busca web (a Tavily oferece uma cota gratuita de 1.000 requisições mensais, mais que suficiente para pesquisas cotidianas).

Qual é a vantagem de usar o GA4 via MCP em vez de olhar o painel da web?

A grande vantagem é a síntese contextualizada. Em vez de você navegar manualmente por relatórios densos do GA4 e tentar cruzar dados com as pautas antigas, o agente puxa as métricas via API e já conecta os aprendizados com o documento de contexto .agents/product-marketing.md, sugerindo melhorias para as próximas pautas automaticamente.

Próximo passo na sua jornada

Agentes de IA e conectores abertos, trabalhando em sequência, dão a uma operação de marketing registro, revisão e medição em cada etapa.

Se você já executa e quer escolher o caminho, não só seguir, e quer dominar agentes, protocolos MCP e automação de ponta a ponta, conheça o módulo de Fundamentos de IA na Formação Club Martech. Lá, a gente mostra como integrar IA, sistemas de CMS e bancos de dados para construir uma operação de conteúdo que se sustenta.