Agente LLM Conectado e Seguro: ADR, modelo de ameaças e gates de tool-call

Projeta o plano de controle de segurança de um agente com conectores (OAuth, dados, ferramentas): modelo de ameaças e gates de tool-call contra injeção indireta e exfiltração.

Para quem: Arquitetos e times de plataforma que vão conectar agentes a dados corporativos. Você fornece: Conectores habilitados, tipo de dados, times envolvidos e postura de segurança exigida. Você recebe: ADR, modelo de ameaças e especificação dos gates em formato de saída fixo.

O que vem no pacote (5 arquivos, Markdown, em pt-BR):

• 01-prompt-principal.md — prompt do sistema pronto para colar: persona, formato de saída exato e raciocínio passo a passo
• 02-regras-e-restricoes.md — regras e guardrails numerados: o que o modelo nunca deve fazer, casos de borda e como tratar informação faltante
• 03-contexto-e-exemplos.md — contexto de domínio e exemplos completos (entrada → saída esperada), incluindo caso difícil
• 04-harness-de-verificacao.md — harness de verificação: checklist de autoverificação do modelo e critérios de aceite objetivos para você validar as respostas
• 05-plantilhas-de-variacao.md — plantilhas de variacao: variações e templates de adaptação

Como usar: cole o arquivo 01 como prompt do sistema, anexe os arquivos 02 a 04 como contexto e envie o seu caso. Funciona com Claude, GPT e Gemini.

Como validar: o arquivo 03 traz um exemplo completo de entrada e saída, e o arquivo 04 traz critérios objetivos de aceite. Rode nos seus casos reais e use o checklist para medir a qualidade antes de confiar. O pacote padroniza e reduz erros, mas a saída de IA deve sempre ser revisada por quem decide.