Assistente virtual no WhatsApp com n8n + MCP

Mensagem parada no WhatsApp é cliente indo embora. Pra quem atende sozinho (dentista, advogado, tatuador, barbeiro), o dilema é diário: ou você para o trabalho pra responder, ou responde tarde e perde o agendamento. O vídeo acima mostra uma terceira saída: um assistente virtual no WhatsApp, montado com n8n e MCP, que marca, confirma e remarca compromissos direto no Google Agenda, entende áudio e chama você só quando o assunto exige gente.

O exemplo do vídeo é uma clínica, mas a estrutura serve pra qualquer negócio que vive de agenda. O passo a passo completo, tela a tela, tá no vídeo; aqui fica o mapa: ferramentas, desenho do fluxo e o porquê de cada decisão.

O que o assistente faz

• Atende por texto e áudio no WhatsApp: o áudio é baixado e transcrito, e chega pro agente como texto;
• Marca, cancela e remarca consultas no Google Agenda, gravando nome, data de nascimento e telefone na descrição do evento;
• Confirma presença na véspera, com botões de "confirmar" e "reagendar" na própria conversa;
• Escala pra humano quando detecta insatisfação, urgência ou papo fora do contexto, e avisa no Telegram com nome, telefone e última mensagem;
• Obedece comando interno: você manda "desmarca os pacientes da manhã" e ele avisa e reagenda com cada um.

As ferramentas do fluxo

• n8n: orquestra tudo. Dá pra assinar o serviço oficial ou hospedar no seu próprio servidor;
• Z-API: conecta o WhatsApp. Cria a conta, aponta a câmera do celular pro QR code e o número tá plugado;
• GPT ou Gemini: o modelo que conversa. Conta pré-paga na API; com poucos créditos já dá pra rodar;
• Supabase: Postgres gerenciado que vira a memória do agente;
• Google Agenda: faz o papel de banco de agendamentos, dispensando banco externo pra isso;
• Telegram: canal interno da operação, separado de propósito do WhatsApp do cliente.

MCP no n8n: o que muda

O MCP (Model Context Protocol) é o assunto do momento, e essa leva do n8n é a primeira com servidor MCP nativo. A diferença é prática: cada ação da agenda pedia um encadeamento de blocos e JSON estruturado montado na mão. Agora você cria um workflow com o gatilho MCP Server e pendura nele as ferramentas do Google Agenda: criar, buscar, listar, atualizar e apagar evento. No fluxo principal, o agente recebe a URL desse servidor, enxerga as ferramentas e decide sozinho qual chamar, preenchendo os parâmetros por conta própria.

E o protocolo não se limita a atendimento: é o mesmo que conecta modelo a cofre de notas no guia de segundo cérebro com IA, Claude, MCP e Obsidian.

O fluxo por dentro (e por que ele é híbrido)

1. Webhook: toda mensagem recebida no WhatsApp chega ao n8n por um webhook configurado na Z-API.
2. Consulta de etiquetas: um HTTP request busca as tags do contato no WhatsApp Business. Esse endpoint não está na documentação oficial da Z-API; o Lucas descobriu junto com o time da fazer.ai, e mostra no vídeo como listar as etiquetas pra achar o ID de cada uma.
3. Filtro: se o contato carrega a etiqueta "agente off" (ID 10 no exemplo), o fluxo para ali: humano assumiu a conversa.
4. Switch: separa texto, áudio e resposta de botão. Áudio segue rota própria: download via Z-API e transcrição num bloco da OpenAI.
5. Agente com memória: o bloco de AI Agent carrega um system prompt completo (papel, personalidade, objetivo, procedimento padrão, exemplos de fluxo, instruções do tipo "todo evento leva o telefone do paciente") e memória no Postgres do Supabase, amarrada ao telefone do cliente.
6. Formatação de saída: um segundo agente, encadeado, só limpa a formatação (asterisco e hashtag ficam feios no WhatsApp) sem alterar o conteúdo. Daria pra resolver com um bloco de código; o agente entra pra demonstrar o encadeamento.

Repara na divisão: o que é regra (etiqueta, tipo de mensagem, variável) fica em bloco determinístico; o modelo entra onde há ambiguidade: interpretar o pedido, escolher a ferramenta. É esse desenho híbrido que segura o sistema no dia a dia.

Escalada pra humano com etiqueta nativa do WhatsApp

Quando o agente percebe insatisfação, urgência (alguém passando mal) ou conversa fora do escopo (vendedor de seguro, mensagem automática de bot), ele chama um sub-workflow com três entradas: telefone, nome e última mensagem. Esse sub-workflow atribui a etiqueta "agente off" via Z-API e dispara o alerta no seu Telegram. Dali em diante, o filtro barra as mensagens daquele contato (a IA despluga) até você remover a etiqueta no próprio WhatsApp.

Pra projeto de uma pessoa só, isso dispensa uma plataforma de atendimento completa. Quando a operação cresce (mais canais, time atendendo junto), entra o Chatwoot; esse caminho tá em secretária IA com n8n, Evolution API e Chatwoot.

Confirmação de presença contra o no-show

Um gatilho agendado dispara às 8h da manhã, de segunda a sexta. O agente lista os eventos do dia seguinte pelo servidor MCP, extrai o telefone gravado na descrição de cada evento e envia a mensagem de confirmação com dois botões. O detalhe que faz funcionar: junto do texto do botão vai, escondido, o ID do evento do Google Agenda. Quando a pessoa clica, o agente recebe "confirmar" mais o ID, e sabe exatamente qual evento marcar como confirmado, ou apagar e reagendar.

Se a escolha for reagendar, o assistente manda o link da agenda pública do Google, o recurso de agendamento de horários, que publica seus horários livres sem assinar ferramenta à parte. O atendimento fica híbrido: quem prefere clicar usa o link; quem prefere conversar resolve por texto ou áudio. E horário marcado por um canal some do outro, porque a fonte é a mesma agenda.

Assistente interno no Telegram

Furou o pneu e a manhã foi embora? Você manda no Telegram: "desmarca os pacientes da manhã". O agente interno busca os eventos pelo mesmo servidor MCP, manda mensagem a cada cliente no WhatsApp com botão de reagendamento e limpa a agenda. De bônus, o Lucas pluga o Google Tasks: "adiciona papel A4 na lista de compras" vira item na lista da clínica, e áudio funciona aqui também. A lógica de um assistente cuidando do administrativo é a mesma do assistente pessoal de IA sem código; aqui, plugada na operação do negócio.

Até onde o no-code vai

A régua que o vídeo propõe: pra começar, Make e Relevance resolvem; o n8n junta essas funções numa ferramenta só e vai bem em MVP e pequeno negócio. Agora, operação recebendo 10 mil mensagens num dia, hospital, LGPD na mesa? O conselho muda: arquitetura mais robusta (LangGraph e stacks corporativas, como as da NVIDIA e da IBM) e, quando o dado é sensível, modelo aberto (um Llama, um Mistral) rodando dentro da sua empresa, sem informação de paciente passando por API externa. Seus dados, no seu controle. Projeto desse porte, sob medida, é o trabalho da fazer.ai.

Perguntas frequentes

Precisa saber programar?

Não. Os templates (workflows do n8n, prompts e plataformas) estão no link da descrição do vídeo. É copiar, colar e configurar as credenciais. Mas monta bloco a bloco em vez de só importar: é assim que você aprende a estender o agente depois (e-mail, CRM, leitura de imagem).

Serve pra outro negócio além de clínica?

Sim. A estrutura é a mesma pra advogado, tatuador, barbeiro: o que muda é o system prompt (papel, procedimento padrão e exemplos de fluxo do seu atendimento).

Por que a memória no Supabase e não a do n8n?

A memória nativa do n8n é fraca e difícil de gerenciar. Com o Postgres do Supabase, cada mensagem fica amarrada ao telefone do cliente (a chave primária), e o agente recupera o contexto certo de cada conversa, inclusive dias depois.

Pra ir além

O passo a passo completo (cada credencial, cada bloco, cada teste) tá no vídeo acima, e o canal do Lucas Moreira segue essa linha: montar a solução com as ferramentas na sua mão. Os templates prontos estão no download da fazer.ai. E se quiser fazer acompanhado, a comunidade tá em lucasmoreira.ai. Vem fazer junto.