Experimentar grátis

Agentes de IA no imobiliário: 7 casos de uso com a CASAFARI

Um agente de IA ligado aos dados da CASAFARI avalia imóveis, compara zonas, tria investimentos e acompanha carteiras a partir de um pedido em linguagem natural. Reunimos sete casos de uso práticos, com as ferramentas MCP e REST que cada um chama, para consultores, avaliadores, investidores e programadores em Portugal, sobre um grafo de imóveis desduplicado em 16 países.

Criar conta gratuitaConhecer o Casafari MCP

Um agente de IA no setor imobiliário vale o que valem os dados que lê. A CASAFARI disponibiliza um grafo de imóveis desduplicado em 16 países (nos Estados Unidos, está agora a entrar em estados selecionados, apenas no imobiliário comercial e através do Claro AI). Os agentes acedem-lhe pelo Casafari MCP, com ferramentas de leitura como Location Lookup, Area Insights, Comparables, Claro AI e AgentGraph AI, e por REST, com produtos como Property Sourcing e High Potential Seller Leads. O acesso é autenticado por OAuth 2.1 e a utilização é paga em tokens. Seguem-se sete casos de uso práticos para profissionais e programadores em Portugal.

Porque é que um agente de IA precisa de um grafo de imóveis desduplicado?

Imagine um T2 em Arroios, Lisboa. Está anunciado no Idealista, no Imovirtual e no Casa Sapo, e ainda nos sites de três agências, nem sempre ao mesmo preço. Um agente de IA que consulte diretamente os portais contará seis imóveis e três preços diferentes. O grafo de imóveis da CASAFARI consolida todos estes anúncios num único registo central, associando cada alteração de preço, mudança de estado e remoção de mercado. Se surgir uma dúvida de duplicação, consulte o que fazer se o mesmo imóvel aparecer anunciado duas vezes.

Esta consolidação é essencial para calcular com precisão o volume da oferta, o tempo no mercado e a distribuição dos preços. Segundo o INE, a variação homóloga do Índice de Preços da Habitação foi de 17,8 % no 1.º trimestre de 2026 (Índice de Preços da Habitação, 1.º trimestre de 2026) e abrandou para 16,5 % no 2.º trimestre, com menos 6,4 % de transações (dados do INE para o 2.º trimestre de 2026, citados pelo Observador). Com o mercado a mudar a este ritmo, acompanhar as alterações de preço de cada imóvel é indispensável.

A plataforma CASAFARI é nativa para agentes de IA: uma única conta serve pessoas e agentes, a autenticação via OAuth 2.1 elimina a partilha manual de chaves, 19 das 21 ferramentas MCP documentadas são estritamente de leitura, a documentação está em Markdown e o custo por chamada é fixo em tokens. Para mais contexto sobre este ecossistema, explore o futuro do imobiliário com IA agêntica.

1. Agente de avaliação: dos comparáveis a um relatório que o cliente lê

Uma perita avaliadora no Porto recebe a avaliação de um T3 na Foz do Douro e dispõe de 48 horas para entregar o relatório ao cliente.

O agente trabalha em cinco passos:

  1. A utilizadora solicita, em linguagem natural: "Avalia um T3 de 120 m² na Foz do Douro e prepara um relatório legível para o cliente".
  2. O agente executa locations_search (Location Lookup) para converter "Foz do Douro, Porto" num identificador de localização.
  3. O agente executa comparables_get-comparables (Comparables) indicando o ID de localização e os atributos da habitação, obtendo os imóveis comparáveis e uma estimativa de preço.
  4. O agente obtém a série temporal de preços do Area Insights para contextualizar a evolução da zona.
  5. O agente redige um relatório CMA (análise comparativa de mercado) com a estimativa, intervalo de valores, histórico de preços dos comparáveis e tendência de mercado.

A responsabilidade técnica é da perita avaliadora, que valida e assina o documento; o servidor Comparables fornece uma estimativa de valor e não uma avaliação legal. Consulte os guias sobre avaliar um imóvel com Comparables (em inglês) e o relatório CMA para clientes (em inglês). Pode também conhecer o produto de Avaliações & Estudo de Mercado da CASAFARI ou ver comandos de ChatGPT para agentes imobiliários.

O agente identifica o local com o Location Lookup, obtém comparáveis, lê a tendência da zona no Area Insights e redige um relatório.

2. Análise de mercado: heatmap, distribuições e séries temporais numa só conversa

O diretor de expansão de uma rede imobiliária em Lisboa pretende identificar concelhos com maior liquidez antes de decidir abrir uma nova loja em Loures ou Almada.

O fluxo de trabalho é o seguinte:

  1. O utilizador solicita: "Compara os concelhos em redor de Lisboa por preço pedido por metro quadrado e tempo no mercado".
  2. O agente executa locations_search para obter os identificadores geográficos.
  3. O agente chama area-insights_get_heatmap para gerar a visualização por zona.
  4. O agente consulta as ferramentas de distribuição de preços e tempo no mercado do Area Insights.
  5. O agente executa area-insights_get_time_series_operations para calcular a taxa de crescimento anual composta (CAGR) e a volatilidade a 36 meses.
  6. O agente elabora um memorando executivo com uma tabela comparativa e indicação expressa das datas dos dados.

Com o abrandamento das transações registado pelo INE, as médias nacionais escondem diferenças regionais acentuadas. Saiba mais nos guias para programadores sobre comparar zonas com o heatmap (em inglês) e quanto tempo demora a vender: tempo no mercado (em inglês), ou explore os Insights de Área.

3. Seleção de localizações com o Claro AI: lojas, restaurantes, ginásios e escritórios (em Espanha e na Alemanha)

O Claro AI cobre espaços comerciais em Espanha e na Alemanha, para arrendar e para comprar, e terrenos comerciais na Alemanha; ainda não cobre Portugal. É útil para empresas portuguesas em expansão internacional, como uma marca de café do Porto que se instala em Valência ou um grupo logístico à procura de um terreno na Alemanha.

A seleção faz-se assim:

  1. Inserção do requisito em linguagem natural (por exemplo: "café de especialidade, 40 a 120 m², até 3.500 € por mês em Valência, em zona com elevado tráfego pedonal diurno").
  2. A ferramenta search_premises devolve os espaços comerciais correspondentes.
  3. A ferramenta explain_location fornece dados de Location Intelligence para cada local pré-selecionado: fluxo pedonal, residentes e perfil sociodemográfico.
  4. A ferramenta compare_premises compara os finalistas lado a lado.
  5. O agente gera um dossiê detalhado por localização.

Em testes registados a 16 de outubro de 2026, o Claro AI filtrou 546 espaços em Valência reduzindo-os aos seis mais promissores; triou 483 locais nas áreas metropolitanas de Madrid e Barcelona para sete candidatos; e analisou 1.279 terrenos infraestruturados na Alemanha para selecionar seis opções para um centro de inspeção automóvel. Consulte os casos de uso do Claro AI (em inglês) e os exemplos reais do Claro AI escritos pelo Claude (em inglês). Veja também o artigo sobre dados de localização e Location Intelligence para compreender a integração dos dados de localização.

4. Triagem de investimento: rentabilidade por zona e imóveis abaixo do preço da zona

Um gestor de património de um family office em Braga pretende comparar a rentabilidade do arrendamento de T2s entre Braga, Setúbal e Portimão.

A análise decorre assim:

  1. O utilizador pede a estimativa de rentabilidade bruta de arrendamento para tipologias T2 em cada cidade.
  2. O agente utiliza locations_search para identificar os concelhos.
  3. O agente consulta as séries temporais de venda e arrendamento do Area Insights e calcula a rentabilidade (renda anual a dividir pelo preço de venda), apresentando os cálculos e as respetivas datas.
  4. O agente acede ao Property Sourcing via REST (utilizando a chave de API no cabeçalho Authorization: Bearer) para listar imóveis cujo preço pedido esteja abaixo da distribuição da zona.
  5. O agente gera uma lista final com o histórico de anúncios de cada imóvel (reduções de preço e dias no mercado).

Aprofunde as técnicas com os guias sobre rentabilidade do arrendamento por zona (em inglês) e encontrar imóveis abaixo do preço da zona (em inglês). Descubra as soluções CASAFARI para investidores e gestores de ativos e o artigo sobre como encontrar a rentabilidade do arrendamento na CASAFARI.

5. Triagem de potenciais vendedores: sinais de mercado, sem dados pessoais, com uma pessoa a fazer o contacto

O High Potential Seller Leads cobre Espanha, França, Itália, Alemanha, Grécia e Andorra; Portugal ainda não está incluído. Imagine uma rede imobiliária portuguesa com um escritório em Málaga, na Costa del Sol, que pretende identificar na sua zona de atuação os imóveis cujo preço pedido já desceu várias vezes.

O fluxo de trabalho decorre assim:

  1. O consultor pede os imóveis em redor de um ponto geográfico com histórico de descidas de preço.
  2. O High Potential Seller Leads, acessível por REST, devolve os registos dos imóveis e o histórico de reduções de preço, sem nomes, números de telefone ou endereços de correio eletrónico.
  3. Se precisar do histórico completo do anúncio, o agente usa o Property Sourcing por REST para resolver a hiperligação do portal no registo do imóvel.
  4. O agente ordena as oportunidades e elabora um resumo informativo para cada propriedade.
  5. Um consultor da agência decide quem contactar e faz a abordagem comercial.

Toda a informação recolhida neste fluxo diz respeito a imóveis, não a pessoas. Leia o guia sobre o fluxo de prospeção de vendedores conforme ao RGPD para um agente de IA (em inglês) para obter mais detalhes técnicos.

6. Triagem de agências e parceiros na Alemanha com o AgentGraph AI

O AgentGraph AI cobre apenas o mercado alemão e exige a verificação da empresa. É útil para redes portuguesas com clientes interessados na Alemanha, ou para agências em Portugal que procuram parceiros alemães que lhes encaminhem compradores para o Algarve.

O agente segue estas etapas:

  1. Definição do perfil de parceiro em linguagem natural (segmento de mercado, dimensão e áreas geográficas de atuação).
  2. A ferramenta agentgraph_screen_agencies pesquisa agências e mediadores alinhados com o perfil.
  3. A ferramenta agentgraph_territory_map mapeia a presença efetiva dos candidatos no terreno.
  4. A ferramenta agentgraph_partner_brief gera um resumo informativo detalhado sobre cada parceiro pré-selecionado.
  5. O agente elabora um plano de contacto; o contacto direto é estabelecido por uma pessoa da equipa.

Para saber mais sobre parcerias transfronteiriças, consulte a documentação sobre encontrar agências parceiras na Alemanha (em inglês) e descubra o CASAFARI Connect para negócios partilhados entre agências.

7. Monitorização de carteira e de listas de acompanhamento, todos os meses

Um gestor de ativos em Lisboa gere uma carteira de 40 fogos distribuídos por Lisboa, Oeiras e Porto e precisa de preparar um relatório mensal para o comité de investimento.

A monitorização periódica é efetuada através deste ciclo agendado:

  1. O utilizador guarda as localizações da carteira na configuração inicial.
  2. Mensalmente, o agente (a correr de forma não supervisionada com uma chave de API ou um cliente confidencial criado na consola) executa locations_search apenas se houver alterações geográficas, seguido da consulta de séries temporais do Area Insights e de area-insights_get_time_series_operations.
  3. Na Alemanha, o agente lê agentgraph_watchlist_changes para verificar atualizações nas agências acompanhadas (adicionar entidades à lista de acompanhamento é uma das duas ferramentas de escrita e requer confirmação humana prévia).
  4. O agente gera um memorando de uma página destacando as variações de preços, tempo no mercado e volatilidade, devidamente datado.

O ciclo repete-se todos os meses, sem intervenção, até alguém o alterar. Consulte o guia sobre acompanhar agências e agentes na Alemanha (em inglês).

Como começar: conta, ligação e tokens

Pode criar conta na plataforma CASAFARI sem cartão de crédito. O plano gratuito oferece 1.000 tokens durante os primeiros 30 dias, e o serviço Location Lookup permanece gratuito após esse período. Estão disponíveis o plano Agent por subscrição mensal e o plano Custom por contrato para clientes CASAFARI existentes, com tokens pré-pagos para consumos adicionais. Verifique a tabela de planos e tokens (em inglês).

A integração com clientes MCP é direta:

  • Claude (claude.ai, Claude Desktop e aplicações móveis): em Customize → Connectors → Add custom connector, introduza o URL do servidor MCP.
  • ChatGPT: ative o modo de programador (Developer mode) e crie um conector com o URL do servidor MCP e autenticação OAuth.
  • Claude Code: claude mcp add --transport http casafari-comparables https://platform.casafari.com/mcp/comparables; no Gemini CLI, o comando equivalente é gemini mcp add. Em ambos pode também usar o plugin ou a extensão oficial.
  • Outros ambientes suportados: Cursor, VS Code, Zed, Cline, JetBrains Junie, goose e qualquer cliente compatível com o protocolo MCP.

A autenticação usa OAuth 2.1 com PKCE e access tokens (credenciais de acesso OAuth, diferentes dos tokens de utilização) válidos por 15 minutos e vinculados a um único servidor. Uma única conta, chave e saldo cobrem todos os produtos. Cada chamada consome um número fixo de tokens indicado na descrição da ferramenta.

Para agentes de IA e programadores, consulte o llms.txt da plataforma para agentes, a lista de ferramentas MCP e custo em tokens (em inglês) e o guia de ligação ao Claude, ChatGPT e outros clientes MCP (em inglês). Recomenda-se também a leitura do modelo de segurança da plataforma (em inglês).

Com dados imobiliários estruturados, um agente de IA automatiza tarefas complexas sem perder a precisão da informação. Explore todos os casos de uso para programadores (em inglês) e comece a testar os seus agentes na CASAFARI.

Perguntas frequentes

Como é que um agente de IA faz uma avaliação imobiliária com a CASAFARI?

O agente executa três chamadas em sequência para gerar o estudo: a ferramenta locations_search (Location Lookup) identifica a zona, a comparables_get-comparables (Comparables) obtém imóveis comparáveis e uma estimativa de valor, e o Area Insights fornece a tendência histórica do mercado local. Com estes dados, o agente elabora uma análise comparativa de mercado (CMA) estruturada. A validação final e a assinatura do documento cabem sempre ao perito avaliador ou à agência imobiliária. Para saber mais, consulte como avaliar um imóvel com Comparables (em inglês) no portal de programadores.

O que é o Casafari MCP e que ferramentas de IA posso ligar?

O Casafari MCP é um conjunto de servidores Model Context Protocol disponibilizados na plataforma CASAFARI, existindo um servidor por produto (Location Lookup, Area Insights, Comparables, Claro AI e AgentGraph AI) com transporte Streamable HTTP e autenticação OAuth 2.1. Funciona com clientes como Claude, ChatGPT, Claude Code, Gemini CLI, Cursor, VS Code e qualquer aplicação compatível com o protocolo MCP. Esta arquitetura permite aos agentes consultar dados imobiliários desduplicados em tempo real de forma segura.

Os dados da CASAFARI cobrem Portugal e que outros países?

O grafo de imóveis da CASAFARI abrange 16 países (nos Estados Unidos, a CASAFARI está agora a entrar em estados selecionados, apenas no imobiliário comercial e através do Claro AI), incluindo Portugal, com imóveis residenciais e comerciais, para venda e para arrendamento. Alguns produtos têm um âmbito próprio: o Claro AI cobre espaços comerciais em Espanha e na Alemanha e terrenos comerciais na Alemanha, o AgentGraph AI cobre apenas a Alemanha e o High Potential Seller Leads ainda não inclui Portugal.

Um agente de IA pode prospetar vendedores sem violar o RGPD?

A prospeção feita por agentes de IA com dados da CASAFARI assenta apenas em informação sobre imóveis. O High Potential Seller Leads, disponível em Espanha, França, Itália, Alemanha, Grécia e Andorra, devolve o histórico de descidas de preço sem nomes, números de telefone ou endereços de correio eletrónico de pessoas singulares. A abordagem comercial cabe a um consultor da agência, e o enquadramento legal da operação é da responsabilidade de quem a realiza.

Quanto custa cada chamada de um agente de IA à CASAFARI?

Cada chamada consome um número fixo de tokens, indicado na descrição de cada ferramenta. O plano gratuito oferece 1.000 tokens durante os primeiros 30 dias, e o Location Lookup continua gratuito depois desse período. Um único saldo de tokens serve todos os produtos da plataforma; os planos estão descritos na documentação para programadores.

É seguro deixar um agente de IA aceder à minha conta CASAFARI?

A autenticação baseia-se no protocolo OAuth 2.1 com PKCE, o que significa que o cliente do agente nunca toma conhecimento da palavra-passe do utilizador. Os tokens de acesso (access tokens) estão vinculados a um único servidor e expiram ao fim de 15 minutos, e os tokens de atualização (refresh tokens) mudam a cada utilização. Adicionalmente, 19 das 21 ferramentas MCP documentadas são exclusivamente de leitura e as duas ferramentas de escrita requerem confirmação humana prévia. O agente também não pode fazer pagamentos por si próprio.