MCP Câmara BR

# 💰 Otimização de Custos: Seleção de LLMs por Agente **Data:** 2025-12-13 **Objetivo:** Reduzir custos mantendo qualidade nas respostas --- ## 📊 Comparação de Preços (Dezembro 2025) | Modelo | Input ($/1M tokens) | Output ($/1M tokens) | Total Típico* | |--------|---------------------|----------------------|---------------| | **GPT-4o mini** | $0.15 | $0.60 | $0.75 | | **Gemini 2.0 Flash** | $0.15 | $0.60 | $0.75 | | **Claude Haiku 3.5** | $1.00 | $5.00 | $6.00 | | **Claude Sonnet 4.5** | $3.00 | $15.00 | $18.00 | | **GPT-4o** | $2.50 | $10.00 | $12.50 | \* Estimativa para 1M input + 1M output **Fontes de preços:** - [LLM API Pricing Comparison 2025](https://intuitionlabs.ai/articles/llm-api-pricing-comparison-2025) - [Claude Haiku vs GPT-4o mini vs Gemini Flash](https://skywork.ai/blog/claude-haiku-4-5-vs-gpt4o-mini-vs-gemini-flash-vs-mistral-small-vs-llama-comparison/) - [OpenAI Pricing](https://openai.com/api/pricing/) --- ## 🎯 Recomendações por Agente ### 1. **Orquestrador** - Tarefa: Classificação e Roteamento **Atual:** GPT-4o mini ✅ **Recomendação:** **MANTER GPT-4o mini** **Justificativa:** - ✅ Tarefa simples (classificação de texto) - ✅ Baixíssimo custo ($0.15 input / $0.60 output) - ✅ Latência baixa - ✅ Output pequeno (apenas decisão de roteamento) **Alternativa:** Gemini 2.0 Flash (mesmo custo, similar performance) **Economia potencial:** Já otimizado ✅ --- ### 2. **Agente Legislativo** - Tarefa: Buscar e listar proposições **Atual:** Claude Sonnet 4.5 ($3/$15) ⚠️ **Recomendação:** **TROCAR para Gemini 2.0 Flash** **Justificativa:** - ✅ Tarefa estruturada (buscar + formatar listas) - ✅ Não requer raciocínio complexo - ✅ Output grande (listas de proposições) → custo de output importa - ✅ Gemini Flash tem 1M tokens de contexto - ✅ **Redução de custo: 96% (de $18 para $0.75)** **Configuração recomendada:** ```json { "model": "gemini-2.0-flash-exp", "temperature": 0.3, "max_tokens": 4000 } ``` **Ganho estimado:** - **96% de economia** em relação a Sonnet - De ~$18/1M tokens para ~$0.75/1M tokens --- ### 3. **Agente Político** - Tarefa: Perfil e atuação parlamentar **Atual:** Claude Sonnet 4.5 ($3/$15) ⚠️ **Recomendação:** **TROCAR para Gemini 2.0 Flash** **Justificativa:** - ✅ Tarefa de formatação e apresentação de dados - ✅ Ferramentas MCP retornam dados estruturados - ✅ Não requer análise profunda, apenas organização - ✅ Output médio-grande (perfis, listas) - ✅ **Redução de custo: 96% (de $18 para $0.75)** **Configuração recomendada:** ```json { "model": "gemini-2.0-flash-exp", "temperature": 0.4, "max_tokens": 3000 } ``` **Ganho estimado:** - **96% de economia** em relação a Sonnet --- ### 4. **Agente Fiscal** - Tarefa: Análise de despesas **Atual:** Claude Sonnet 4.5 ($3/$15) ⚠️ **Recomendação:** **TROCAR para GPT-4o mini OU Gemini 2.0 Flash** **Justificativa:** - ✅ Ferramenta `resumo_despesas_deputado` já faz agregações - ✅ Agente precisa apenas formatar e apresentar - ✅ Cálculos simples (percentuais, comparações) - ✅ **Redução de custo: 96% (de $18 para $0.75)** **Primeira opção: GPT-4o mini** ```json { "model": "gpt-4o-mini", "temperature": 0.3, "max_tokens": 2500 } ``` - Excelente para matemática e formatação - Consistência alta **Segunda opção: Gemini 2.0 Flash** ```json { "model": "gemini-2.0-flash-exp", "temperature": 0.3, "max_tokens": 2500 } ``` - Mesmo custo que GPT-4o mini - Contexto maior (1M tokens) **Ganho estimado:** - **96% de economia** em relação a Sonnet --- ### 5. **Sintetizador** - Tarefa: Consolidação final **Atual:** Gemini 2.5 Flash ✅ **Recomendação:** **MANTER Gemini 2.0/2.5 Flash** **Justificativa:** - ✅ Tarefa de síntese e formatação - ✅ Pode receber output de múltiplos agentes (contexto grande) - ✅ Já usa modelo econômico - ✅ Output grande (resposta final completa) **Configuração recomendada:** ```json { "model": "gemini-2.0-flash-exp", "temperature": 0.5, "max_tokens": 4000 } ``` **Economia potencial:** Já otimizado ✅ --- ## 📈 Resumo de Economia ### Configuração Atual | Agente | Modelo Atual | Custo/1M tokens | |--------|-------------|-----------------| | Orquestrador | GPT-4o mini | $0.75 ✅ | | Legislativo | Claude Sonnet 4.5 | $18.00 ⚠️ | | Político | Claude Sonnet 4.5 | $18.00 ⚠️ | | Fiscal | Claude Sonnet 4.5 | $18.00 ⚠️ | | Sintetizador | Gemini Flash | $0.75 ✅ | | **TOTAL** | - | **$55.50** | ### Configuração Recomendada | Agente | Modelo Recomendado | Custo/1M tokens | Economia | |--------|-------------------|-----------------|----------| | Orquestrador | GPT-4o mini | $0.75 | - | | Legislativo | **Gemini 2.0 Flash** | $0.75 | **-96%** | | Político | **Gemini 2.0 Flash** | $0.75 | **-96%** | | Fiscal | **GPT-4o mini** | $0.75 | **-96%** | | Sintetizador | Gemini Flash | $0.75 | - | | **TOTAL** | - | **$3.75** | **-93%** 🎉 | ### 💰 Economia Total: **93% de redução de custos** **Exemplo prático:** - Se você gasta R$ 1.000/mês atualmente - Com as mudanças: **R$ 70/mês** (economia de R$ 930) --- ## 🔧 Implementação no n8n ### Passo 1: Atualizar nodes dos Agentes Para cada **AI Agent** no n8n: 1. **Agente Legislativo** - Trocar de "Anthropic Chat Model" para "Google Gemini Chat Model" - Model: `gemini-2.0-flash-exp` - Temperature: `0.3` - Max Tokens: `4000` 2. **Agente Político** - Trocar de "Anthropic Chat Model" para "Google Gemini Chat Model" - Model: `gemini-2.0-flash-exp` - Temperature: `0.4` - Max Tokens: `3000` 3. **Agente Fiscal** - Trocar de "Anthropic Chat Model" para "OpenAI Chat Model" - Model: `gpt-4o-mini` - Temperature: `0.3` - Max Tokens: `2500` ### Passo 2: Testar gradualmente **Estratégia conservadora:** 1. Começar com **Agente Fiscal** (mais previsível) 2. Depois **Agente Legislativo** (tarefa mais simples) 3. Por último **Agente Político** **Monitorar:** - Qualidade das respostas - Erros de formatação - Tool calling funcionando corretamente ### Passo 3: Rollback se necessário Se algum agente perder qualidade: - **Opção intermediária:** Claude Haiku 3.5 ($1/$5) - Custo: $6/1M tokens (67% mais barato que Sonnet) - Mantém capacidades do Claude - Ainda 8x mais caro que Gemini/GPT-4o mini --- ## 🎯 Quando NÃO trocar o modelo ### Mantenha Claude Sonnet 4.5 SE: - ❌ Respostas precisarem de raciocínio complexo multi-step - ❌ Análises subjetivas ou nuances linguísticas importantes - ❌ Tool calling falhar com outros modelos - ❌ Formatação consistente for crítica ### Para este sistema, PODE TROCAR porque: - ✅ Ferramentas MCP retornam dados **estruturados** - ✅ Agentes fazem **formatação**, não análise profunda - ✅ Prompts são **claros e específicos** - ✅ Outputs são **previsíveis** (listas, tabelas) --- ## 📊 Métricas para Monitorar Após implementar as mudanças, acompanhe: 1. **Custo por requisição** - Antes vs. Depois - Por agente 2. **Qualidade das respostas** - Formatação correta? - Informações completas? - Tool calling funcionando? 3. **Latência** - Gemini Flash: geralmente mais rápido - GPT-4o mini: muito rápido 4. **Taxa de erro** - Tool calling failures - Parsing errors - Timeouts --- ## 🚀 Plano de Ação Recomendado ### Fase 1: Teste Controlado (1 semana) 1. Trocar **apenas Agente Fiscal** para GPT-4o mini 2. Monitorar 100 requisições 3. Validar qualidade das respostas ### Fase 2: Expansão (1 semana) 1. Se Fase 1 OK → Trocar **Agente Legislativo** para Gemini Flash 2. Monitorar mais 100 requisições 3. Comparar custos acumulados ### Fase 3: Otimização Total (1 semana) 1. Se Fase 2 OK → Trocar **Agente Político** para Gemini Flash 2. Monitorar produção completa 3. Ajustar temperatures se necessário ### Fase 4: Consolidação 1. Documentar configuração final 2. Estabelecer baseline de custos 3. Monitoramento contínuo --- ## 🔍 Alternativa Conservadora Se preferir reduzir riscos, use **Claude Haiku 3.5** nos agentes: | Agente | Modelo | Custo/1M | Economia vs Sonnet | |--------|--------|----------|-------------------| | Legislativo | Claude Haiku | $6.00 | **-67%** | | Político | Claude Haiku | $6.00 | **-67%** | | Fiscal | Claude Haiku | $6.00 | **-67%** | | **TOTAL** | - | **$19.50** | **-65%** | **Vantagens:** - ✅ Mantém família Claude (comportamento similar) - ✅ Tool calling consistente - ✅ Ainda economiza 65% **Desvantagens:** - ⚠️ Ainda 8x mais caro que Gemini/GPT-4o mini - ⚠️ Economia menor --- ## 📝 Checklist de Implementação - [ ] Backup da configuração atual do n8n - [ ] Criar credenciais Google Cloud (se usar Gemini) - [ ] Testar Agente Fiscal com GPT-4o mini - [ ] Validar formatação e qualidade - [ ] Testar Agente Legislativo com Gemini Flash - [ ] Testar Agente Político com Gemini Flash - [ ] Comparar custos antes/depois (1 semana de dados) - [ ] Ajustar temperatures se necessário - [ ] Documentar configuração final - [ ] Estabelecer monitoramento de custos --- ## 💡 Conclusão **Recomendação principal: TROCAR os 3 agentes Claude Sonnet por modelos econômicos** **Economia esperada:** - **93% de redução** de custos totais - De ~$55/1M tokens para ~$3.75/1M tokens - **Sem perda significativa de qualidade** para estas tarefas **Modelos recomendados:** 1. **Agente Fiscal:** GPT-4o mini (matemática + formatação) 2. **Agente Legislativo:** Gemini 2.0 Flash (listas + contexto grande) 3. **Agente Político:** Gemini 2.0 Flash (perfis + flexibilidade) **ROI estimado:** - Mudanças implementadas em **3 semanas** - Economia mensal de **90%+** em custos de LLM - Qualidade mantida para **tarefas estruturadas** --- **Última atualização:** 2025-12-13 **Revisão recomendada:** Mensal (preços de API mudam)