Olá HN, sou Ansh, fundador da Mireye. Estou construindo a infraestrutura que os agentes de IA usam para tomar decisões sobre lugares físicos: dados, enriquecimento, ferramentas e sinais para qualquer local dos EUA, por trás de uma API e um servidor MCP. Aqui está um vídeo de demonstração: https://youtu.be/haqO6UbUqU0.

Para experimentá-la, cole https://www.mireye.com/skills.md no seu agente e pegue uma chave gratuita em mireye.com (5.000 créditos, sem cartão). A documentação está em https://docs.mireye.ai. A maneira mais rápida de entrar é fazer à API qualquer pergunta sobre qualquer local dos EUA.

Teste-a em um lugar que você conhece, friamente e avalie-a contra o que você sabe. Antes da Mireye eu estava construindo agentes de construção e bati nessa parede sozinho: meu agente conseguia raciocinar sobre qualquer coisa online, mas não sabia nada sobre o chão sob ele. Então uma seguradora Fortune 500 me disse que seus engenheiros tinham desistido de agentes de subscrição pelo mesmo motivo.

Os modelos de fronteira continuam alucinando quando recebem uma pergunta específica sobre um lugar específico. Meu primeiro produto foi um aplicativo de nicho de seleção de locais. Os clientes testaram em lugares que conheciam e as respostas se sustentaram, mas ninguém se importava com o aplicativo.

Eles queriam o motor por baixo. O uso concordou: 311 dos 317 campos do catálogo são consultados e nenhum caso de uso domina. Então matei o aplicativo e comecei a construir a infraestrutura.

A Mireye não é um conjunto de dados com uma API por cima, porque fatos isolados não são uma decisão. Um agente executa todo o trabalho através dela: fatos citados, um endereço simples enriquecido em proprietário, área, estruturas e energia próxima, ferramentas para as operações em que os modelos erram, e sinais quando algo muda, como um pedido de rezoneamento. Dados, enriquecimento, ferramentas, sinais.

As ferramentas vieram de observar os agentes falharem. Construímos agentes em nossa própria infraestrutura, e as mesmas coisas continuavam quebrando: um agente estimava uma distância a olho em vez de calculá-la, pegava a parcela errada para um endereço, ou queimava todo o seu orçamento na metade de um lote. Cada falha se tornou algo que um agente pode chamar: ferramentas determinísticas de geometria e tempo de deslocamento, resolução de parcelas, um endpoint de cotação que precifica um trabalho antes de ele rodar, e habilidades que empacotam fluxos de trabalho inteiros como selecionar um local ou subscrever um endereço.

A parte difícil me surpreendeu. Cada fonte tem que ser coletada (às vezes condado por condado, em qualquer formato que cada condado publique), normalizada em um esquema, contratada (de onde vem, o que cada valor significa, com que frequência atualiza), e então mantida fresca para sempre. Rodamos esse loop hoje para 366 campos, servidos multi-tenant a partir de um índice, e cada fonte lutou de volta de maneira diferente.

Maryland publicou um conjunto de dados literalmente intitulado "Hidden Property Owner Names". Eu protocolei pedidos de registros públicos na Carolina do Norte porque ninguém indexa as redes de esgoto principais. O problema mais profundo é o significado.

Dois condados publicam um campo com o mesmo nome e ele significa coisas diferentes. E o valor mais perigoso é null. Significa "não há zona de inundação aqui" ou "este condado nunca mapeou inundações"? Coloque um modelo diante dessa lacuna e ele preencherá o silêncio com um número plausível.

Então tipamos a ausência. Cada campo retorna ok, absent ou failed. Os clientes me disseram que as recusas são o motivo de confiarem nela.

A peça mais nova é a indexação sob demanda. Peça um campo que não temos e um agente de longa duração pesquisa fontes, coleta os dados, testa-os contra a verdade de campo e os indexa, geralmente em um dia. Vou aceitar alguns pedidos de campos deste tópico e voltar com o que ele construiu.

As pessoas construíram coisas que eu não planejei: equipes de seguros avaliando portfólios para inundação, vento e incêndios florestais, uma proptech limpando endereços de listagens bagunçados através de enriquecimento, uma marca de bem-estar pontuando esquinas para locais de cartazes, uma empresa de robótica sourcing de armazéns, seleção de locais para data centers, planejamento de implantação de drones, rotas de ônibus escolares para uma cidade, sinais para investigações de tráfico humano. A missão é indexar cada centímetro da terra e torná-lo tão consultável quanto a web. Os preços são públicos: ...