A virada que vi no I/O 2026: o agente não clica, ele chama uma função
Semana passada, com a equipe da Brasil GEO, sentei para reproduzir uma jornada de compra do jeito que ela acontece em 2026: não digitei dez palavras-chave nem abri seis abas. Descrevi um problema em linguagem natural dentro do AI Mode, o assistente decompôs minha frase em uma dezena de sub-consultas, comparou opções, leu reviews e me ofereceu finalizar a compra ali mesmo, sem visitar um único site de varejista. Quando olhei o analytics depois, não havia sessão nenhuma. A decisão aconteceu, o dinheiro mudou de mãos, e o nosso modelo de atribuição não viu absolutamente nada.
Isso deixou de ser cena de palestra. No Google I/O 2026, em 19 de maio, Sundar Pichai declarou a chegada da "era Gemini agentic" e o AI Mode virou padrão global. O AI Overviews já passou de 2,5 bilhões de usuários ativos mensais, segundo o próprio anúncio. E na vertical de compras o crescimento foi de 5,6 vezes em quatro meses, com os resumos de IA aparecendo em 14% das buscas de shopping.
A tese contraintuitiva deste guia é simples: o trabalho de GEO que você fez até aqui — ser citado em texto — é necessário, mas não suficiente. Quando o cliente é um agente, ele não lê sua landing page bonita; ele quer chamar uma função que devolve preço, estoque e prazo em formato de máquina. Este artigo não repete o "porquê" do B2A, que já cobri em Business-to-Agent: quando a IA compra no lugar do cliente. Aqui é o "como": os protocolos, a tabela de decisão e o piloto mínimo.
Por que o cliente virou agente (e por que isso não é hype de 2030)
A Kantar passou a tratar o Business-to-Agent (B2A) como o próximo grande modelo de distribuição: o principal cliente da web deixa de ser humano e passa a ser um agente autônomo que exige dados estruturados, APIs de estoque, preço e logística em tempo real, e regras de incentivo verificáveis por máquina. A Kantar é honesta sobre o horizonte — fala em uma janela de 18 a 24 meses. Eu também serei: não é amanhã, mas também não é 2030.
O número que me faz tratar isso como prioridade de roadmap, e não como experimento de laboratório, é o da Gartner: até 2028, 90% das compras B2B serão intermediadas por agentes de IA, um mercado estimado em cerca de US$ 15 trilhões. Some a isso o que o Google anunciou em 11 de janeiro de 2026: o Universal Commerce Protocol e o Business Agent, que já permitem ao consumidor conversar com um agente de marca na própria Busca e, progressivamente, concluir a compra por checkout agêntico.
O sinal mais duro para quem ainda acha que "ser primeiro no Google basta": a sobreposição entre o top orgânico e as fontes efetivamente citadas nos resumos de IA caiu para algo entre 17% e 54% em 2026. Em outras palavras, metade da sua visibilidade pode estar escapando para uma camada que você não controla com SEO clássico. Se você quer entender o pano de fundo estratégico antes de mergulhar nos protocolos, vale a leitura de Seu próximo cliente não é humano: agentic commerce e da nova economia algorítmica.
A tabela dos protocolos B2A de 2026: o que é, quem mantém, para que serve, como começar
O ecossistema agêntico não é um padrão único — é uma pilha de protocolos que cobrem camadas diferentes: descoberta de conteúdo, exposição de ferramentas, comunicação entre agentes e pagamento. A confusão de siglas é o maior obstáculo para um CTO decidir por onde começar. Montei a tabela abaixo para resolver isso de uma vez, com os fatos verificados na pesquisa de junho de 2026.
| Protocolo | O que é | Quem mantém | Para que serve | Como começar |
|---|---|---|---|---|
| MCP (Model Context Protocol) | Padrão aberto para um modelo/agente descobrir e chamar ferramentas e fontes de dados externas. | Anthropic (aberto; adotado por Google, OpenAI e outros). | Expor seus dados e ações (preço, estoque, criar pedido) como ferramentas que qualquer agente compatível consome. | Suba um servidor MCP descrevendo 2-3 ferramentas read-only do seu domínio. |
| NLWeb | Camada que transforma um site em uma interface conversacional consultável, expondo o conteúdo como endpoint para linguagem natural; cada instância NLWeb também é um servidor MCP. | Microsoft (proposto por R.V. Guha, criador de RSS/Schema.org, no Build 2025). | Deixar seu conteúdo existente "perguntável" por agentes sem reescrever tudo, reaproveitando Schema.org. | Instale NLWeb sobre seu feed/Schema.org e exponha o endpoint /ask. |
| A2A (Agent2Agent) | Protocolo para agentes de fornecedores diferentes se comunicarem e delegarem tarefas entre si. | Google (doado à Linux Foundation; ecossistema multi-vendor). | Permitir que o agente do cliente negocie com o seu agente de marca. | Relevante quando você já opera um agente próprio; comece publicando uma "agent card". |
| AP2 (Agent Payments Protocol) | Padrão para autorização e execução de pagamentos iniciados por agentes, com mandatos verificáveis. | Google + parceiros de pagamento; compatível com UCP, A2A e MCP. | Garantir que uma compra feita por agente seja autorizada, auditável e não fraudulenta. | Fase posterior; depende do seu PSP suportar mandatos agênticos. |
| UCP (Universal Commerce Protocol) | Protocolo de comércio ponta a ponta (descoberta, compra, pós-venda); base do Universal Cart. | Google, em co-desenvolvimento com Shopify. | Padronizar o ciclo de compra agêntico dentro da Busca/AI Mode. | Se você está em Shopify, acompanhe a habilitação nativa; senão, mapeie seu catálogo ao schema do UCP. |
| WebMCP (Chrome 149) | Padrão aberto proposto para um site expor ferramentas estruturadas (funções JS, formulários HTML) a agentes que rodam no navegador. | Equipe do Chrome (trial experimental no Chrome 149, suporte planejado no Gemini in Chrome). | Substituir o scraping heurístico da sua UI por chamadas declaráveis e confiáveis (ex.: addToCart). | Marque funções-chave da página com tool schemas no trial do Chrome 149. |
A leitura que faço dessa tabela: MCP e NLWeb são a porta de entrada de menor atrito porque reaproveitam o que você já tem (dados e Schema.org). A2A, AP2 e UCP são camadas de transação e interoperabilidade que entram depois, e WebMCP é a aposta do navegador-runtime, ainda em trial. Comece pela porta de entrada.
O que muda na sua infraestrutura (e o que continua igual)
Um agente não tolera o que um humano tolera. Ele não espera o cache de catálogo de "atualizado a cada 6 horas", não interpreta "consulte disponibilidade" como call-to-action, e não confia em preço que diverge entre a página e a API. Quando o consumidor é uma máquina, três frentes da sua infraestrutura deixam de ser "nice to have" e viram pré-requisito.
- Dados em tempo real e verificáveis. Estoque, preço e prazo de logística precisam de uma fonte de verdade exposta por API, com baixa latência (mire em p95 abaixo de 200 ms). O agente vai cruzar o que você diz no HTML com o que sua API responde; divergência derruba confiança.
- Dados estruturados como sinal de entidade, não como bala de prata. Schema.org e JSON-LD continuam importando para desambiguar sua marca no knowledge graph (a fase upstream da recuperação), mas seja honesto: o próprio Google reiterou no I/O 2026 que não há schema especial obrigatório para AI Mode, e estudos independentes mostram efeito estatisticamente fraco do JSON-LD sobre a citação em si. Faça por higiene semântica, não por promessa de citação garantida. Aprofundo em GEO para e-commerce.
- Incentivos verificáveis por máquina. A Kantar é explícita: o agente decide por regras, não por emoção de marca. Condições comerciais (frete, garantia, política de devolução) precisam estar legíveis e comparáveis por máquina, ou seu produto some do shortlist do agente antes de qualquer humano ver.
O que continua igual e me impede de tratar isso como "joga fora o SEO": o fundamento técnico. Página indexável, conteúdo original e útil, performance, consistência de entidade. Antes de liberar bot de agente, decida o que liberar e o que bloquear — tema que detalho na matriz de bots de IA. Se você bloquear os crawlers de retrieval por descuido, você não fica "neutro": você desaparece da resposta.
Passo a passo: um piloto B2A mínimo com um endpoint documentado
Não comece pelo pagamento agêntico nem por reescrever o catálogo inteiro. O piloto que recomendo entrega valor de aprendizado em uma sprint e expõe exatamente uma capacidade real do seu negócio a um agente. Eis a sequência que rodo com os times:
- Escolha uma capacidade read-only de alto valor. "Consultar disponibilidade e preço de um SKU" ou "verificar prazo de entrega por CEP". Read-only primeiro: você aprende sem risco transacional.
- Garanta a fonte de verdade por API. Confirme que existe um endpoint interno que responde aquela pergunta com dado vivo e latência baixa. Se o dado mora em planilha ou cache lento, conserte isso antes — é a parte que mais trava pilotos.
- Exponha como ferramenta MCP. Suba um servidor MCP declarando essa única ferramenta, com nome, descrição e schema de entrada/saída claros (ex.:
checarDisponibilidade(sku, cep)retornando preço, estoque e prazo). Descrição boa é o que faz o agente escolher chamar a sua ferramenta. - Espelhe em NLWeb sobre seu Schema.org. Se você já tem produtos marcados com Schema.org, instale NLWeb e exponha um endpoint
/ask— você ganha a versão conversacional de graça, e ela também fala MCP. - Documente em OpenAPI e em uma agent card. Publique a especificação OpenAPI do endpoint e uma descrição legível por máquina de qual agente pode usá-la e sob quais condições. Documentação é descoberta no mundo dos agentes.
- Instrumente a observabilidade. Logue cada chamada de agente: qual ferramenta, quais parâmetros, latência, sucesso/erro. Sem isso você não terá a métrica que substitui a "sessão" que sumiu do analytics.
- Teste com um agente real. Use um cliente MCP (Claude Desktop, um agente em Chrome 149 com WebMCP, ou um script próprio) e valide que o agente descobre, chama e interpreta o retorno corretamente.
- Só então evolua para transação. Com o read-only estável e observado, aí sim avalie A2A para negociação e AP2/UCP para o pagamento — com o seu PSP no circuito.
O critério de sucesso do piloto não é receita. É uma resposta a uma pergunta: um agente consegue descobrir, chamar e confiar em pelo menos uma capacidade do nosso negócio sem intervenção humana? Se sim, você atravessou a linha do B2A. Para encaixar isso na transição maior de SEO para a era dos agentes, leia o guia completo de SEO para IAs e transição B2A.
As armadilhas que já vi derrubarem piloto B2A
Por ter rodado isso com mais de um time, listo os erros que custam caro, para você não pagar de novo por eles:
- Começar pelo pagamento. AP2 e checkout agêntico dão manchete, mas é a camada de maior risco e dependência externa. Quem começa por ali trava em compliance e PSP antes de provar valor.
- Tratar protocolo como marketing. Anunciar "somos agent-ready" sem endpoint funcional é o equivalente 2026 do "mobile-first" só no PowerPoint. O agente testa de verdade; ou a ferramenta responde, ou não.
- Divergência entre HTML e API. Preço na página diferente do preço na API é o jeito mais rápido de perder a confiança do agente — e ela não volta fácil.
- Bloquear o bot errado. Confundir crawler de treino com crawler de retrieval e bloquear ambos por precaução. Você queria proteger direito autoral e acabou sumindo da resposta.
- Achar que B2A substitui o fundamento. Não substitui. Site não-indexável e marca com entidade inconsistente continuam invisíveis, com ou sem MCP.
A regra que repito para mim mesmo: o B2A é uma camada nova por cima de uma fundação que precisa estar de pé. Se a fundação está rachada, o endpoint MCP só vai expor a rachadura mais rápido.
O que eu faço: a aposta calibrada para os próximos 18 meses
Minha decisão pessoal, como CEO da Brasil GEO, ex-CMO da Semantix (Nasdaq) e cofundador da AI Brasil, é tratar o B2A como uma aposta calibrada — não como pivô, não como moda. Concretamente: aloco uma fração pequena e protegida do roadmap (algo como uma sprint por trimestre) para manter exatamente um endpoint MCP/NLWeb vivo, documentado e observado, enquanto o grosso do esforço continua no fundamento de GEO e SEO que já gera resultado hoje.
O motivo dessa calibração é honestidade com o horizonte. A própria Kantar fala em 18 a 24 meses, e o Google ainda não publicou MAU auditável de AI Mode — dependemos de proxies. Não vou prometer ROI de B2A em 90 dias porque não existe dado público que sustente isso. O que existe é o custo de aprendizado: o time que tiver rodado um piloto real quando o tráfego de agentes virar volume relevante vai estar a meses de vantagem de quem começar do zero naquele momento.
É a mesma lógica com que tratei mobile e tratei a busca generativa: entrar cedo o suficiente para aprender, com aposta pequena o bastante para não doer se o cronograma escorregar. Fronteira se respeita com piloto, não com all-in.
Próximo passo: a pergunta de uma frase para a sua próxima reunião de produto
Se você é CTO, head de produto ou tech lead, leve esta pergunta para a próxima reunião: qual é a única capacidade do nosso negócio que um agente precisaria chamar — e ela já existe como API com dado vivo? Se a resposta existe, você tem o piloto. Se não existe, você descobriu a real dívida técnica antes que o agente a descubra por você.
Esta semana mesmo, o passo concreto é menor do que parece: identifique esse endpoint candidato, valide a latência e a fonte de verdade, e agende uma sprint para envelopá-lo em MCP. Uma ferramenta, read-only, documentada. É o suficiente para cruzar a linha.
Para fortalecer a base enquanto o B2A amadurece, recomendo alinhar o vocabulário do time com o glossário das 4 camadas de visibilidade e garantir o básico de extração com o FAQ de AEO para iniciantes. Fundamento sólido embaixo, piloto de fronteira em cima: é assim que eu jogaria.