Construção de um assistente de IA local com busca na web: configuração MCP + Ollama

Como combinar modelos de linguagem locais com recursos de busca na web mantendo seus dados privados

Configurar ferramentas de IA para uso empresarial muitas vezes significa escolher entre conveniência e privacidade. Soluções baseadas na nuvem são fáceis de usar, mas enviam seus dados para outro lugar. Soluções locais mantêm tudo na sua máquina, mas podem ser complicadas de configurar e ampliar com recursos adicionais.

Hoje, vamos mostrar como montar uma configuração prática de IA que combina as duas vantagens: um modelo de linguagem local que pode pesquisar na web quando necessário, mantendo suas conversas e o processamento no seu próprio hardware. Essa abordagem se alinha perfeitamente com nossa filosofia de soluções auto-hospedadas — assim como mostramos que é possível executar sua própria plataforma de automação n8n para ter controle completo dos fluxos de trabalho.

As ferramentas que estamos usando

Vamos começar entendendo a função de cada componente:

Ollama: seu mecanismo de IA local

Ollama é um software que executa modelos de linguagem de grande porte no seu próprio computador. Pense nisso como uma forma de ter capacidades semelhantes ao ChatGPT sem enviar nada para a OpenAI ou outros provedores na nuvem. Ele gerencia o download dos modelos e o uso de memória, e disponibiliza os modelos por meio de uma API simples.

A vantagem principal? Com modelos locais, tudo fica local. Suas perguntas, as respostas da IA e qualquer processamento acontecem inteiramente na sua máquina. Isso importa para discussões sobre assuntos empresariais sensíveis, informações proprietárias ou simplesmente quando você quer evitar mensalidades de assinatura de IA.

Model Context Protocol (MCP): adicionando recursos

Modelos de linguagem são ótimos em conversação e raciocínio, mas não conseguem navegar na web, ler arquivos ou interagir com outros sistemas por conta própria. O Model Context Protocol (MCP) resolve isso fornecendo uma forma padronizada de dar aos modelos de IA acesso a ferramentas externas.

Pense no MCP como um tradutor universal entre seu modelo de IA e outros softwares. Quer que sua IA pesquise na web? Existe um servidor MCP para isso. Precisa que ela leia bancos de dados? Outro servidor MCP. A vantagem é que, depois de configurar o protocolo, adicionar novos recursos se torna muito mais simples.

mcphost: a conexão confiável

Na prática, embora o MCP seja o padrão, você precisa de software para realmente conectar seu modelo de IA local aos servidores MCP. O mcphost faz exatamente isso, e faz bem.

Tentamos outras opções primeiro (como ollmcp), mas encontramos falhas constantes por tempo limite de conexão e dificuldades de configuração. O mcphost usa arquivos de configuração explícitos em vez de tentar descobrir tudo automaticamente, o que o torna confiável em situações reais. Em outubro de 2026, o repositório do mcphost está arquivado e seus mantenedores indicam o Kit como sucessor; os comandos abaixo ainda se referem ao mcphost.

Servidor MCP DuckDuckGo: busca na web privada

Para busca na web, estamos usando um servidor MCP DuckDuckGo. Ele permite que sua IA local pesquise pelo DuckDuckGo (o servidor consulta o endpoint de busca HTML do DuckDuckGo em vez de uma API oficial). A política de privacidade do DuckDuckGo afirma que o serviço não rastreia usuários nem salva históricos de busca. É o complemento perfeito para uma configuração local voltada à privacidade.

uv: gerenciamento de ambientes Python

uv é um gerenciador rápido de pacotes Python que cria ambientes isolados e gerencia dependências. Nós o usamos para executar o servidor MCP DuckDuckGo sem interferir em outros projetos Python do sistema.

Como tudo funciona junto

Aqui está o fluxo quando você pede para sua IA local pesquisar algo:

Você digita uma pergunta como “Pesquise sobre mudanças recentes na regulamentação do comércio eletrônico”
mcphost recebe sua mensagem e a encaminha para seu modelo Ollama local
O modelo reconhece que precisa pesquisar e chama o servidor MCP DuckDuckGo por meio do protocolo MCP
O servidor MCP pesquisa no DuckDuckGo e retorna os resultados
Seu modelo local processa os resultados da busca e fornece uma resposta abrangente
Tudo fica na sua máquina, exceto a consulta de busca na web propriamente dita

Configurando: os passos práticos

Preparando a base

Primeiro, você precisará do Ollama em execução com um modelo que ofereça suporte à chamada de ferramentas. Recomendamos qwen3:30b-a3b para um bom equilíbrio entre capacidade e velocidade:

# Install and start Ollama
ollama pull qwen3:30b-a3b
ollama serve

Instalando o mcphost

O mcphost é escrito em Go, então você precisará instalar o Go primeiro:

# On macOS
brew install go

# On Ubuntu/Debian
sudo apt install golang-go

# Install mcphost
go install github.com/mark3labs/mcphost@latest

# Make sure it's in your PATH
export PATH=$PATH:$(go env GOPATH)/bin

Configurando a busca do DuckDuckGo

Clone e configure o servidor MCP DuckDuckGo:

git clone https://github.com/nickclyde/duckduckgo-mcp-server
cd duckduckgo-mcp-server
pip install uv  # if you don't have it
uv sync

Configuração que realmente funciona

Crie um arquivo de configuração em ~/.mcphost.json:

{
  "mcpServers": {
    "duckduckgo-search": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/your/duckduckgo-mcp-server",
        "python",
        "src/duckduckgo_mcp_server/server.py"
      ]
    }
  }
}

Substitua /path/to/your/duckduckgo-mcp-server pelo caminho real onde você clonou o repositório.

Usando seu novo assistente de IA

Uma vez que tudo estiver em execução, você pode interagir com sua IA de várias formas:

Chat interativo

# Start a conversation
mcphost -m ollama:qwen3:30b-a3b

Isso fornece uma interface de chat onde você pode ter conversas contínuas e solicitar buscas na web quando necessário.

Perguntas pontuais

# Get a quick answer
mcphost -m ollama:qwen3:30b-a3b -p "Search for information about EU data privacy laws"

Scripts automatizados

# Save results to a file
mcphost -m ollama:qwen3:30b-a3b -p "Search for competitors in the bowling equipment market" --quiet > research.txt

O que você realmente pode fazer com isso

Pesquisa e verificação de fatos

Peça à sua IA para pesquisar informações atuais sobre tópicos relevantes para seu negócio. Como está usando DuckDuckGo, você obtém bons resultados na web sem o rastreamento.

Pesquisa de conteúdo

“Pesquise sobre tendências recentes em embalagens sustentáveis” fornece informações atuais que o modelo pode então analisar e resumir com base em seu treinamento.

Inteligência competitiva

“Pesquise notícias sobre [nome do concorrente] e resuma suas atividades recentes” fornece informações atualizadas sem compartilhar sua análise com um provedor de IA na nuvem; as consultas de busca em si ainda são enviadas ao DuckDuckGo.

Resolução de problemas técnicos

“Pesquise soluções para problemas com limites de requisições de API” pode ajudar a encontrar práticas recomendadas atuais e exemplos de código.

A conexão com o n8n: automação de fluxos de trabalho e IA

Aqui é onde as coisas ficam realmente interessantes. Assim como mostramos como auto-hospedar o n8n para automação de fluxos de trabalho, essa configuração de IA local pode ser integrada a fluxos de trabalho automatizados.

Imagine acionar sua IA local por meio de fluxos de trabalho no n8n:

Pesquisa automatizada: Fluxos de trabalho diários que buscam notícias do setor e compilam resumos
Geração de conteúdo: Criação de conteúdo acionada com base em eventos de calendário ou envios de formulários
Análise de dados: Processamento automatizado de documentos enviados com análises da IA
Suporte ao cliente: Processamento local de chamados de suporte pela IA antes da revisão humana

A combinação de n8n auto-hospedado e IA local cria um conjunto poderoso de tecnologias de automação em que seus dados permanecem na sua infraestrutura, com exceção das consultas de busca na web que o assistente envia para fora. Você obtém a conveniência da automação com muito mais controle sobre seus dados.

Possibilidades futuras de integração

Estamos explorando várias formas de conectar esses sistemas:

Endpoints HTTP da sua IA local que o n8n pode chamar
Integração por arquivos em que o n8n aciona o processamento de documentos pela IA
Fluxos de trabalho com bancos de dados em que os resultados da IA alimentam processos empresariais automatizados
Automação de e-mail em que sua IA local ajuda a redigir e personalizar respostas

Assim como nossas ferramentas de automação do WordPress simplificam a gestão de conteúdo, combinar IA local com fluxos do n8n pode automatizar processos empresariais complexos mantendo a soberania dos dados.

Os benefícios reais

Privacidade que realmente importa

Suas conversas de negócios, discussões internas e reflexões estratégicas ficam no seu hardware. Apenas suas consultas de busca na web saem (para o DuckDuckGo, voltado à privacidade). Elas não contêm a conversa completa, mas o próprio texto da consulta pode revelar no que você está trabalhando; leve isso em conta ao tratar de assuntos sensíveis.

Sem taxas de assinatura de IA

Após a configuração inicial, não há custos contínuos de assinatura de IA nem taxas por token, embora hardware, eletricidade e eventual hospedagem continuem tendo custos. Você está usando seu próprio hardware para executar tudo — assim como auto-hospedar o n8n evita gastos com ferramentas SaaS caras para fluxos de trabalho.

Desempenho confiável

Quando configurado corretamente, esse conjunto é bastante estável. Chega de “o serviço de IA está fora do ar” ou “atingimos nosso limite mensal”.

Personalizável e extensível

Quer adicionar busca em banco de dados? Leitura de arquivos? Lógica de negócios personalizada? O ecossistema MCP torna a adição de novos recursos simples, e a eventual integração com seus fluxos de trabalho no n8n abre possibilidades infinitas de automação.

Problemas comuns e soluções

Erros “Command Not Found”

Certifique-se de que o diretório de binários Go está no seu PATH:

echo 'export PATH=$PATH:$(go env GOPATH)/bin' >> ~/.zshrc
source ~/.zshrc

Tempos limite de conexão

Geralmente significa que o servidor MCP não está iniciando corretamente. Teste manualmente:

cd /path/to/duckduckgo-mcp-server
uv run python src/duckduckgo_mcp_server/server.py

Modelo não responde a chamadas de ferramentas

Certifique-se de usar um modelo que ofereça chamadas de função. Nem todos os modelos do Ollama têm esse recurso integrado.

Desempenho lento

Considere usar um modelo menor (como qwen3:8b) se seu hardware for limitado. Reduzir a temperatura torna as respostas mais focadas, mas controla a aleatoriedade, não a velocidade:

mcphost -m ollama:qwen3:8b --temperature 0.3 -p "your question"

Considerações sobre infraestrutura

Se você já executa serviços auto-hospedados como n8n, considere hospedar essa configuração na mesma infraestrutura. A configuração que descrevemos para o n8n no Hetzner Cloud também pode acomodar o Ollama facilmente — você só precisará de mais RAM e CPU para os modelos de linguagem.

Uma configuração típica pode incluir:

Hetzner CCX42 ou similar para fornecer os recursos necessários aos modelos maiores (só o qwen3:30b-a3b exige um download de 19 GB; sem GPU, espere respostas mais lentas)
Contêineres Docker para facilitar a gestão junto ao n8n
Proxy reverso Traefik para acesso seguro (se você quiser acesso remoto)
Armazenamento compartilhado para modelos e dados dos fluxos de trabalho

Vale a pena o tempo de configuração?

Se você usa IA regularmente para tarefas empresariais e se preocupa com privacidade, sim. A configuração inicial leva algumas horas, mas você terá um assistente de IA com bons recursos que:

Funciona offline (exceto para buscas na web)
Não envia suas conversas para terceiros (apenas as consultas de busca são enviadas ao DuckDuckGo)
Não tem taxas de assinatura de IA nem por token após a configuração (hardware, energia e hospedagem continuam tendo custos)
Pode ser ampliado com recursos adicionais conforme necessário
Integra-se com sua infraestrutura auto-hospedada existente

Para equipes que lidam com informações sensíveis ou operam em setores regulamentados, essa configuração mantém as conversas longe dos provedores de IA na nuvem, o que pode simplificar a conformidade; ainda é necessário avaliar seu próprio ambiente, incluindo as consultas de busca enviadas para fora.

A combinação de processamento local com acesso seletivo à web alcança um equilíbrio prático entre capacidade e privacidade difícil de obter com soluções puramente na nuvem ou puramente locais. E quando você acrescenta a automação de fluxos de trabalho, está construindo uma base para automação de negócios verdadeiramente sofisticada que permanece sob seu controle.

Próximos passos

Estamos trabalhando ativamente em integrações mais profundas entre configurações de IA local e plataformas de automação de fluxos de trabalho. Acompanhe os próximos artigos sobre:

Configurações do Docker para ambientes que combinam n8n + Ollama
Servidores MCP personalizados para fontes de dados específicas de negócios
Modelos de fluxos de trabalho que aproveitam IA local para processos de negócios comuns
Reforço de segurança para implantações em produção

O futuro da automação empresarial vai além de conectar serviços existentes — envolve sistemas inteligentes que podem raciocinar, pesquisar e agir em seu nome mantendo tudo sob seu controle.

Se você encontrar problemas durante a configuração ou quiser estender esta configuração para seu caso de uso específico, teremos prazer em ajudar a diagnosticar os problemas pelos nossos canais habituais de suporte.