Laboratório: Chatbot de Atendimento Empresarial com Claude e GPT via Python SDK

Roteiro para estudo em ambiente de laboratório ou de teste. Execute apenas em equipamentos, redes e contas que você tenha autorização para usar, com backup e homologação próprios. Comandos podem causar indisponibilidade ou perda de dados. Software e marcas citados pertencem aos seus titulares. Termos de Uso.

Duração estimada

120 min

Passos

13

Validações

5

Versões da documentação consultada

Python a versão estável atual · FastAPI a versão estável atual · Uvicorn a versão estável atual · Anthropic SDK Python a versão estável atual · OpenAI SDK Python a versão estável atual

Topologia

Uma máquina local (192.168.56.10) roda o backend Python com FastAPI. O backend se conecta à API do Claude (api.anthropic.com) e à API do OpenAI (api.openai.com) via internet. Usuários internos acessam o endpoint HTTP local para enviar perguntas e receber respostas.

Usuário HTTP      Claude API         OpenAI API
     |                |                  |
     |                |                  |
 [FastAPI Backend]----+------------------+
     |
192.168.56.10

Equipamentos e software

Roteiro

1. Preparar ambiente Python isolado

   Evite conflitos criando um ambiente virtual para dependências.

   python3 -m venv chatbot-env
   source chatbot-env/bin/activateCopiar

   O que você deve ver: Prompt do terminal alterado para (chatbot-env)

2. Instalar dependências

   Instale FastAPI, Uvicorn, e os SDKs oficiais da Anthropic e OpenAI.

   pip install fastapi uvicorn anthropic openaiCopiar

   O que você deve ver: Mensagem de sucesso do pip para cada pacote

3. Configurar variáveis de ambiente para segredos

   Nunca exponha chaves de API no código. Use variáveis de ambiente.

   export ANTHROPIC_API_KEY='sua-chave-clique-na-dashboard'
   export OPENAI_API_KEY='sua-chave-clique-na-dashboard'Copiar

   O que você deve ver: Variáveis setadas (sem saída, mas disponíveis para o Python)

4. Criar arquivo main.py

   Implemente o backend FastAPI com endpoints para perguntas e integração com Claude e GPT.

   nano main.pyCopiar

   O que você deve ver: Arquivo main.py criado para edição

5. Escrever código do endpoint

   No main.py, crie um endpoint POST /ask que recebe pergunta e retorna respostas dos dois modelos.

   Veja abaixo o exemplo de código.Copiar

   O que você deve ver: Código salvo sem erros de sintaxe

6. Exemplo de código main.py

   Cole o seguinte código no main.py (ajuste as chaves conforme necessário):

   import os
   from fastapi import FastAPI, HTTPException
   from pydantic import BaseModel
   import anthropic
   import openai
   
   app = FastAPI()
   
   class Question(BaseModel):
       question: str
   
   @app.post('/ask')
   async def ask_bot(q: Question):
       # Claude
       try:
           client_claude = anthropic.Anthropic(api_key=os.environ['ANTHROPIC_API_KEY'])
           claude_response = client_claude.messages.create(
               model="claude-sonnet-5",
               max_tokens=512,
               messages=[{"role": "user", "content": q.question}]
           )
           claude_answer = claude_response.content[0].text
       except Exception as e:
           claude_answer = f"Erro Claude: {str(e)}"
       # GPT
       try:
           client_openai = openai.OpenAI(api_key=os.environ['OPENAI_API_KEY'])
           gpt_response = client_openai.chat.completions.create(
               model="gpt-5.6-terra",
               messages=[{"role": "user", "content": q.question}],
               max_tokens=512
           )
           gpt_answer = gpt_response.choices[0].message.content
       except Exception as e:
           gpt_answer = f"Erro GPT: {str(e)}"
       return {"claude": claude_answer, "gpt": gpt_answer}
   Copiar

   O que você deve ver: Arquivo main.py com código pronto

7. Rodar o backend localmente

   Inicie o servidor FastAPI usando Uvicorn.

   uvicorn main:app --host 0.0.0.0 --port 8000Copiar

   O que você deve ver: Mensagem 'Uvicorn running on http://0.0.0.0:8000'

8. Testar endpoint com curl

   Simule uma pergunta de cliente para o chatbot.

   curl -X POST http://localhost:8000/ask -H "Content-Type: application/json" -d '{"question": "Como faço para atualizar minha fatura?"}'Copiar

   O que você deve ver: Resposta JSON com campos 'claude' e 'gpt' preenchidos

9. Registrar logs das respostas

   Adicione prints ou logging para registrar perguntas e respostas em main.py.

   # Exemplo: print(f"Pergunta: {q.question} | Claude: {claude_answer} | GPT: {gpt_answer}")Copiar

   O que você deve ver: Logs impressos no terminal a cada requisição

10. Adicionar validação de entrada

    Garanta que a pergunta não esteja vazia e não exceda 500 caracteres.

    # Adicione antes de chamar as APIs:
    if not q.question or len(q.question) > 500:
        raise HTTPException(status_code=400, detail="Pergunta inválida")Copiar

    O que você deve ver: Requisições inválidas retornam erro HTTP 400

11. Testar com perguntas inválidas

    Envie perguntas vazias ou muito longas para validar o guardrail.

    curl -X POST http://localhost:8000/ask -H "Content-Type: application/json" -d '{"question": ""}'Copiar

    O que você deve ver: Resposta HTTP 400 com mensagem de erro

12. Simular múltiplos acessos simultâneos

    Envie várias requisições em paralelo para testar concorrência.

    for i in {1..5}; do curl -X POST http://localhost:8000/ask -H "Content-Type: application/json" -d '{"question": "Qual o prazo de entrega?"}' & doneCopiar

    O que você deve ver: Respostas recebidas para todas as requisições

13. Desligar o backend e limpar variáveis

    Finalize o servidor e remova variáveis de ambiente.

    Ctrl+C
    unset ANTHROPIC_API_KEY
    unset OPENAI_API_KEYCopiar

    O que você deve ver: Servidor parado e segredos não mais disponíveis

Como saber que funcionou

Troubleshooting

Segurança e hardening

• Nunca exponha chaves de API em código fonte ou logs públicos
• Restrinja o acesso ao endpoint HTTP para a rede interna
• Implemente limites de requisições por IP se for expor para mais usuários
• Não registre perguntas sensíveis sem anonimização
• Desative e remova variáveis de ambiente ao finalizar

Checklist final

• Ambiente virtual criado e ativado
• Dependências instaladas sem erro
• Chaves de API protegidas em variáveis de ambiente
• Arquivo main.py criado e sem erros de sintaxe
• Servidor FastAPI rodando e acessível em http://localhost:8000
• Respostas de Claude e GPT recebidas e registradas em log
• Validações de entrada funcionando (erro para perguntas inválidas)