Agentes de IA

Codex

Mercados preditivos

Automação de pesquisa

Wands

Codex constrói a ferramenta de mercado. MCPlato opera a mesa de pesquisa.

Guia prático de Codex vs MCPlato para pesquisa em mercados preditivos: briefs recorrentes, modelos locais, logs de decisão, Wands e revisão humana.

Publicado em 2026-07-09

A pesquisa em mercados preditivos parece simples vista de fora: encontrar um mercado, ler um preço e compará-lo com a sua visão. Na prática, o trabalho é mais bagunçado. Um mercado de clima pode depender de uma atualização oficial de previsão. Um mercado macro pode se mover em torno de uma divulgação programada. Um mercado esportivo ou político pode reagir a uma fonte que chegou enquanto você estava longe da mesa de pesquisa. Seu modelo local pode discordar do mercado, mas essa discordância só é útil se você souber qual versão de dados, qual timestamp de fonte e quais premissas a produziram.

É por isso que a pergunta interessante não é “A IA consegue prever mercados?” Ela não deveria ser. Preços de mercados preditivos são probabilidades implícitas do mercado, não certezas. Um preço pode ser um sinal útil das expectativas coletivas, mas não é um fato sobre o futuro nem uma recomendação.

A pergunta melhor é operacional: quem mantém o ciclo de pesquisa funcionando?

Codex é uma resposta natural quando o trabalho é construir a maquinaria: conectores API, parsers, notebooks, testes, dashboards, scripts de limpeza de dados e revisão de pull requests. MCPlato é uma resposta natural quando o trabalho é operar a mesa de pesquisa ao redor dessa maquinaria: briefs agendados, contexto de workspace local, entrega via ClawMode, revisão permissionada, logs de decisão e Wands. MCPlato não é um robô de trading e não fornece aconselhamento de investimento. O padrão útil é produtividade de pesquisa, não execução automatizada de operações.

A camada que falta é a mesa de pesquisa

Um workflow sério de mercados preditivos é um ciclo:

Monitorar mercados selecionados e fontes externas.
Traduzir movimento de preço em probabilidade implícita do mercado.
Comparar essa probabilidade com mudanças de fontes, modelos locais e premissas anteriores.
Enviar um brief curto ou alerta com links e timestamps.
Perguntar ao humano o que revisar, registrar ou ignorar.
Preservar a trilha de decisão.
Revisar resultados e melhorar o workflow.

Codex pode ajudar a engenheirar muitas partes desse ciclo. Ele pode trabalhar em um repositório, executar comandos, manter código, revisar PRs e automatizar trabalho recorrente de projeto. A documentação pública do Codex também descreve trabalho de dados e relatórios, superfícies de navegador e uso de computador, e automações. Portanto, a comparação justa não é “Codex não faz tarefas agendadas” ou “Codex só escreve código”.

A diferença está no formato do produto. Codex é mais forte quando o centro de gravidade é uma base de código. MCPlato é desenhado como Desktop AI Engine e colega de trabalho de IA dentro de um workspace local-first: arquivos, navegador, documentos, tarefas agendadas, canais ClawMode, permissões, Skills/Distill e Wands. Se Codex é onde o workflow é engenheirado, MCPlato é onde o workflow continua rodando.

Workflow desenhado à mão de fontes públicas e snapshots de mercado para um brief MCPlato agendado, log de decisão e artefato Wand.

Figura: um ciclo de pesquisa em mercados preditivos não é um único prompt. É monitoramento de fontes, revisão de modelo, captura de decisão humana e artefatos reutilizáveis.

Codex vs MCPlato para pesquisa em mercados preditivos

Necessidade do workflow	Onde Codex se encaixa melhor	Onde MCPlato se encaixa melhor	Como usar juntos
Conectores de mercado, clima ou macro	Construir clientes API, normalizar dados, escrever testes, documentar configuração, revisar PRs.	Executar o conector em uma agenda e combinar saídas com notas locais.	Codex constrói o conector; MCPlato executa o brief diário.
Modelos locais e notebooks	Refatorar código de modelo, adicionar smoke tests, melhorar reprodutibilidade, gerar gráficos.	Executar a revisão recorrente do modelo, capturar timestamps e salvar notas localmente.	Codex mantém o modelo; MCPlato compara a saída com a probabilidade implícita do mercado.
Alertas	Implementar limites, polling, clientes WebSocket e verificações de confiabilidade.	Entregar alertas contextuais por IM e perguntar o que o humano quer fazer em seguida.	Codex constrói o monitor; MCPlato transforma alertas em opções de revisão.
Registros de decisão	Criar templates, scripts de pontuação ou utilitários de análise.	Anexar logs de decisão vinculados a fontes e manter uma trilha local de pesquisa.	Codex melhora as ferramentas de log; MCPlato mantém o hábito vivo.
Relatórios e artefatos	Gerar scripts auxiliares, gráficos e exportações de dados.	Transformar trabalho repetido em Wands por etapas com portões de revisão e exportações.	Codex melhora componentes; MCPlato opera o ciclo de vida do artefato.
Permissões e revisão	Usar sandbox e políticas de aprovação ao redor do trabalho de desenvolvimento.	Perguntar antes de mudanças sensíveis no workspace e manter o usuário no loop por canais.	Ambos exigem revisão humana; nenhum deve ser apresentado como auto-trader.

Comparação equilibrada de duas bancadas: Codex com código de conector, testes e revisão de PR; MCPlato com agendas, notas locais, entrega por IM, permissões e Wands.

Figura: o workflow mais forte não é adversarial. Codex constrói e mantém a camada de engenharia; MCPlato opera a camada recorrente de pesquisa.

Cenário 1: brief diário de clima para mercado

Mercados sensíveis ao clima são um bom exemplo porque o ciclo da fonte é externo. Previsões, alertas ativos, observações e dados de grade podem mudar antes que o usuário abra um dashboard. O trabalho de pesquisa não é tomar uma decisão financeira. É perguntar: o que mudou desde ontem, quais mercados monitorados podem ser afetados e quais premissas devem ser revisadas?

Codex pode construir um conector para National Weather Service, parsear a resposta e testar casos de borda. MCPlato pode executar a checagem da manhã, comparar a atualização com o brief salvo de ontem, enviar uma mensagem ClawMode concisa e armazenar a nota no workspace local.

Every weekday at 7:00 AM, prepare a weather-to-market research brief for the markets in ./watchlists/weather-markets.csv.

Use public weather sources first, including NWS forecasts and active alerts when available. Compare the latest source changes with yesterday's brief in ./research/weather-briefs/.

Output:
1. Markets to watch today
2. What changed since yesterday
3. Source links and timestamps
4. Assumptions that became stronger or weaker
5. Questions I should review manually

Send the summary to my Feishu channel and save a markdown copy locally.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Cenário 2: execução e revisão de modelo local

Muitos usuários com mentalidade quantitativa já têm um notebook ou script. O ponto fraco nem sempre é o modelo; é a disciplina operacional ao redor do modelo. Quando ele rodou? Qual arquivo de entrada usou? Qual preço de mercado foi comparado? A probabilidade implícita do mercado foi diferente porque o modelo estava defasado, porque o mercado se moveu ou porque uma premissa mudou?

Codex se encaixa muito bem para melhorar o repositório do modelo. MCPlato se encaixa muito bem para executar a revisão recorrente e produzir uma nota vinculada a fontes.

Run the model notebook in ./models/event-probability/ and compare the output with the latest market-implied probabilities for the markets listed in ./watchlists/core-events.csv.

Create a review note with:
- model probability
- market-implied probability
- difference
- input data timestamp
- model version or git commit
- likely reason for any large gap
- whether the gap is caused by stale data, model assumptions, or market movement

Save the note to ./research/model-reviews/ and ask me before changing any workflow files.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Cenário 3: do alerta ao log de decisão

Um alerta que diz apenas “a probabilidade se moveu” muitas vezes não basta. Um alerta útil explica o que mudou, qual fonte ou snapshot de mercado mudou, quais premissas são afetadas e o que o humano pode fazer em seguida. As opções devem ser ações de pesquisa: registrar uma decisão, agendar uma nova checagem ou ignorar o alerta.

É aqui que a camada operacional do workspace pessoal do MCPlato importa. ClawMode pode entregar o alerta onde o usuário já trabalha, enquanto o workspace local mantém o log de decisão e o contexto da fonte.

Cartão de log de decisão desenhado à mão com timestamp, link de fonte, premissas afetadas, nota de incerteza e opções de revisão humana.

Figura: um alerta de mercado se torna útil quando inclui contexto, incerteza e uma trilha de decisão revisada por humanos.

Monitor the markets in ./watchlists/alerts.csv during my working hours. If a market-implied probability moves by more than 8 percentage points, or if an official source updates, send me an alert.

For each alert, include:
1. What changed
2. Which source changed
3. The affected assumptions
4. A short uncertainty note
5. Three options: Record decision, Schedule recheck, Ignore

If I choose Record decision, append my note and the source snapshot to ./research/decision-log.md.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Cenário 4: da pesquisa ao artefato Wand

Um processo de pesquisa repetido acaba se tornando importante demais para ficar espalhado em chats, CSVs, dashboards e saídas de notebooks. Ele precisa de etapas, portões de revisão e exportações. Esse é o caso de uso de Wand: transformar um workflow recorrente em um artefato visível que pode ser inspecionado, orientado, aprovado, retomado e exportado.

Codex pode manter os scripts saudáveis. MCPlato pode coordenar o ciclo de vida do artefato.

Create a Wand for my weekly prediction-market research review.

The Wand should have stages:
1. Align markets and scope
2. Collect market data and external sources
3. Run my local model
4. Generate charts and a written brief
5. Check every factual claim has a source
6. Export a PDF and update the decision log

Start by asking me for the watchlist file and the output folder. Keep the artifact reviewable at every stage.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Cenário 5: monitor de divulgação macro

Mercados macro dependem de divulgações programadas, revisões e atualizações oficiais. Um monitor útil não precisa inventar uma previsão. Ele precisa saber qual divulgação mudou, com qual snapshot anterior deve comparar e quais eventos monitorados podem merecer revisão manual.

Dados de divulgações e séries no estilo FRED tornam isso concreto. Codex pode construir o código de ingestão e validação. MCPlato pode executar o monitor agendado, atualizar artefatos locais e notificar o usuário.

Set up a recurring macro-event monitor for the FRED releases and market watchlist in ./watchlists/macro-events.csv.

On each run:
- check upcoming and newly updated economic releases
- identify which watched markets may be affected
- compare the new data with the previous saved snapshot
- update ./research/macro-dashboard.wand if needed
- send a concise briefing to Slack

Ask me before changing the watchlist, model assumptions, or Wand structure.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Cenário 6: postmortem semanal

A parte mais valiosa de um workflow de pesquisa pode acontecer depois do evento. Um postmortem pode perguntar: quais alertas foram úteis, quais foram ruído, quais premissas mudaram, onde o modelo local divergiu da probabilidade implícita do mercado e o que deve ser melhorado na próxima semana?

Isso não promete retornos melhores nem mais precisão. Cria um hábito de pesquisa revisável. Revisão de probabilidade no estilo Brier e diários de decisão são úteis porque mantêm a atenção em calibração, premissas e viés retrospectivo, em vez de histórias simples de “certo ou errado”.

Every Friday afternoon, create a postmortem from this week's market briefs, alerts, model reviews, and decision log.

Summarize:
1. Which assumptions changed
2. Which alerts were useful or noisy
3. Where my model disagreed with market-implied probabilities
4. What I learned after outcomes or new sources arrived
5. What to change in next week's watchlist, model, prompt, or Wand

Save the report locally and ask me before making any workflow changes.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

O repasse que torna as duas ferramentas mais fortes

O workflow prático é simples:

Use Codex para construir ou reparar o conector, notebook, parser, dashboard ou suíte de testes.
Coloque a ferramenta confiável em uma pasta de projeto local com um README claro e um smoke test.
Peça ao MCPlato para executar o workflow em uma agenda, combiná-lo com notas locais, enviar um brief e preservar a trilha de pesquisa.
Quando o workflow quebrar, peça ao MCPlato para resumir a falha e preparar uma issue precisa para o Codex corrigir.
Mantenha o humano como decisor.

I used Codex to build the connector in ./tools/market-monitor. Review the README, run the smallest smoke test, and then schedule it as a daily MCPlato briefing.

If tests fail, summarize the failure and prepare a clear issue for Codex to fix. If tests pass, create a scheduled task that runs the connector, updates ./research/latest-brief.md, and sends the result to my IM channel.

Ask me before editing the connector, changing credentials, or modifying the scheduled task.
Do not provide investment advice, recommend trades, or execute/place/cancel orders.

Esse é o ponto da comparação Codex vs MCPlato. Codex é excelente quando a saída deve ser código, um diff, um teste, um PR ou um repositório mantido. MCPlato é convincente quando a saída deve ser uma rotina de workspace recorrente e revisada por humanos: um brief da manhã, um alerta com contexto, uma nota de revisão de modelo, um log de decisão, um Wand ou um postmortem semanal.

Para trabalho no estilo de mercados preditivos, essa distinção importa. O preço de mercado não é certeza. O assistente de IA não é consultor financeiro. A meta não é automatizar o julgamento até removê-lo. A meta é tornar o processo de pesquisa mais repetível, vinculado a fontes e revisável, para que o humano possa tomar decisões melhor documentadas sem fingir que o sistema conhece o futuro.