Conectar um agente ao MCP da Cabgo resolve o acesso: a partir desse momento, o agente pode consultar o estado da operação, revisar métricas por motorista, atualizar configurações e executar ações com confirmação de duas etapas. O que ele não resolve é a consistência do output diário. Os operadores que mais extraem valor do agente não são os que fazem perguntas mais elaboradas — são os que têm um conjunto pequeno de prompts guardados que produzem exatamente o output que precisam, no formato que podem usar sem editar. Sem esse conjunto, cada sessão começa do zero: uma pergunta improvisada, uma resposta genérica e um resultado que precisa ser reformatado antes de compartilhar. Com ele, o agente e o operador trabalham o mesmo esquema todos os dias, o que faz com que o output de hoje seja diretamente comparável ao da semana anterior.

Este artigo documenta cinco prompts de alta utilidade para operadores de transporte por aplicativo regional com 40 a 150 motoristas ativos que já têm o MCP da Cabgo conectado ao seu agente — Claude Desktop, Claude Code, ChatGPT ou Cursor. Para cada prompt explicamos quando usá-lo, quais ferramentas do servidor MCP ele ativa e qual formato de resposta funciona melhor. O objetivo não é que o operador memorize os modelos: é que os guarde no cliente do agente como instruções personalizadas, ou em um arquivo de texto acessível para copiar e colar no início de qualquer sessão de trabalho.

Por que o prompt genérico produz output que não dá para reutilizar

Um agente conectado a um MCP responde ao input que recebe. Quando esse input é uma pergunta aberta — «como foi o dia?» — o agente infere qual dimensão de «como foi» é relevante: motoristas ativos? corridas concluídas? cancelamentos? receita estimada? A inferência é razoável, mas cada vez que o operador faz a mesma pergunta em termos ligeiramente diferentes, o agente estrutura o output de forma diferente. O resultado de segunda-feira não tem o mesmo formato que o de quinta, o que torna impossível compará-los num relance. O operador que quer saber se os motoristas ativos desta semana são mais ou menos que os da semana anterior tem que ler duas narrações em vez de comparar dois números na mesma posição.

O antídoto não é escrever prompts rígidos — é escrever prompts com forma definida. Um prompt bem projetado especifica duas coisas: quais dimensões o agente deve cobrir e em qual formato deve apresentar o resultado. Com isso, o agente sabe exatamente quais ferramentas do MCP chamar sem perguntas adicionais, e o output tem a mesma estrutura todos os dias. O operador consegue lê-lo em 60 segundos e arquivá-lo para comparar na próxima semana.

Prompt 1 — Resumo de turno: estado da operação em 60 segundos

O resumo de turno é o prompt mais usado em operações de 60 a 130 motoristas. Cobre o estado no fechamento do dia ou do turno: quantos motoristas estiveram ativos, quantas corridas foram concluídas, qual foi a taxa de cancelamento e quais foram os três motoristas com mais corridas e os três com menos. O operador que tem esse prompt guardado o cola ao abrir o chat com o agente toda tarde e em dois minutos tem o estado do dia sem precisar abrir nenhum dashboard. O agente ativa cabgo_my_app_status e cabgo_driver_activity do servidor MCP para construir o quadro completo sem que o operador precise especificar as ferramentas.

Prompt 2 — Motoristas inativos: quem não trabalhou e desde quando

A inatividade de um motorista é um dos sinais mais precoces de que algo está mudando — pode ser uma reclamação não atendida, uma oferta de outra plataforma, ou simplesmente um problema de acesso ao app. Em operações com mais de 60 motoristas cadastrados, o coordenador não detecta a inatividade com uma revisão manual. Um prompt específico dá ao agente instruções claras para consultar o histórico de atividade por meio de cabgo_driver_activity e devolver uma lista ordenada por dias sem corridas, que o coordenador pode usar diretamente para fazer o acompanhamento. Esse prompt deveria ser rodado uma vez por semana, não diariamente: a inatividade significativa não muda em 24 horas.

Prompt 3 — Mix de pagamentos: controle do dinheiro por motorista num só relance

O controle de dinheiro é o problema operacional mais frequente em frotas da LATAM, e o que mais produz perdas invisíveis quando não é medido com regularidade. Um prompt de revisão de mix de pagamentos pede ao agente que consulte o saldo pendente de cada motorista e classifique quais estão acima do limiar definido. A chave para esse prompt funcionar bem é incluir três zonas de alerta no próprio texto: verde para a faixa normal, amarela perto do limite, e vermelha quando o saldo exige ação imediata do coordenador. Com esse enquadramento, o output é diretamente acionável — o coordenador não precisa interpretar os números, apenas agir sobre os que estão em vermelho.

Prompt 4 — Rascunho de comunicação: avisos para motoristas sem redigir do zero

Redigir um aviso para motoristas — sobre uma mudança de tarifa, uma nova zona de operação, um evento com alta demanda ou uma atualização de política — é uma tarefa que o operador faz entre 4 e 8 vezes por mês. Sem um prompt guardado, essa redação consome entre 15 e 30 minutos de troca com o agente ajustando o tom, o tamanho e o formato. Com um modelo guardado, o agente produz o rascunho na primeira resposta e o operador só precisa verificar os dados específicos antes de enviá-lo. A chave desse prompt não está no que você pede ao agente — está em quanto contexto fixo você dá a ele: o tom da equipe, o canal de saída e o formato exato que você espera.

Prompt 5 — Fechamento semanal: métricas-chave num formato que se compartilha

O fechamento semanal é o relatório que mais operadores querem produzir de forma consistente, mas que menos conseguem manter. Sem um prompt específico, gerá-lo leva entre 30 e 60 minutos de trabalho manual cruzando dados do dashboard. Com um prompt bem projetado, o agente consulta o servidor MCP, estrutura o resumo e produz um texto que o operador pode copiar diretamente para um e-mail, para um grupo de WhatsApp com a equipe ou para um documento compartilhado com os sócios. Este é o prompt mais longo dos cinco — porque o output que ele produz também é o mais completo.

Como construir e manter sua própria biblioteca de prompts

Os cinco prompts anteriores são pontos de partida, não fórmulas fechadas. Cada operação tem suas particularidades — uma zona de alta demanda que não aparece nos relatórios padrão, uma categoria de motorista que exige um filtro específico, ou um formato de comunicação que a equipe já reconhece. O operador que adapta esses modelos ao seu contexto e os guarda no cliente do agente tem uma biblioteca que melhora a cada semana de uso. O sinal de que um prompt precisa de revisão é simples: se o output que ele devolve exige mais de 30 segundos de edição antes de poder ser usado, o prompt está pedindo mais especificidade.

A diferença entre um agente que o operador usa todos os dias e um que ele abre quando lembra que existe não está no agente — está em se o operador tem uma rotina construída em torno dele. Essa rotina começa com um conjunto pequeno de prompts que produzem output consistente: o suficiente para que a revisão diária leve 5 minutos em vez de 30, e para que o fechamento semanal deixe de ser uma tarefa que se adia indefinidamente. Os cinco prompts deste artigo cobrem os casos de uso mais frequentes em operações de tamanho médio. Quatro semanas de uso constante são suficientes para que o operador saiba quais adaptar e quais novos acrescentar à sua biblioteca.

O agente conectado ao MCP da Cabgo tem acesso aos dados da operação em tempo real — motoristas ativos, saldos pendentes, corridas do turno, avaliações, mix de pagamentos. Esses dados existem no servidor independentemente de o operador ter prompts guardados ou não. A diferença é que, com prompts bem projetados, esses dados se transformam em um resumo que dá para ler, compartilhar e agir nos primeiros minutos do dia. Sem eles, os dados continuam disponíveis — mas exigem uma conversa nova toda vez para extraí-los no formato certo. A biblioteca de prompts não deixa o agente mais inteligente: deixa o operador mais eficiente.