Método e limites

O site cobre dois conceitos: Retrieval-Augmented Generation (RAG) e Model Context Protocol (MCP). Cada módulo tem cinco seções sequenciais com visualizações interativas.

Dados do módulo RAG

O corpus tem 24 chunks divididos em seis categorias (ciência, história, geografia, cultura, tecnologia, economia), com quatro chunks por categoria. Cada chunk tem:

• o texto original em português,
• metadados (fonte, autor, data, contagem de tokens),
• um vetor com oito dimensões semânticas nomeadas,
• uma posição tridimensional usada na visualização.

As oito dimensões são: temporal, geográfico, científico, cultural, tecnológico, histórico, numérico e afetivo. Cada dimensão é um valor entre zero e um que descreve o peso daquele eixo no chunk. O texto sobre a Bossa Nova, por exemplo, tem valor alto em cultural e afetivo, valor médio em temporal e histórico, e valor baixo em tecnológico e científico.

Por que dimensões nomeadas

Num sistema em produção, cada coordenada do vetor de embedding é opaca: a dimensão número 347 não tem nome nem significado isolado. A decisão aqui foi inverter isso para fins didáticos. Com eixos nomeados, o playground pode mostrar quais dimensões foram ativadas por uma consulta e como elas se alinham com os chunks recuperados.

O custo dessa escolha é fidelidade estatística. O modelo simulado não tem ruído, não tem compressão, não tem as correlações inesperadas que aparecem em embeddings reais. A seção Embeddings explica como seria o comportamento com 1536 ou mais dimensões.

Dados do módulo MCP

O módulo MCP é inteiramente conceitual. Não depende de servidor MCP ativo nem de chamadas reais de tool. Os diagramas mostram a sequência de mensagens JSON-RPC que um cliente e um servidor trocariam, com payloads ilustrativos.

Infraestrutura

O site é estático. Não há banco vetorial, nem servidor de modelo, nem chave de API. A renderização 3D usa @react-three/fiber com carregamento preguiçoso, e é substituída por uma projeção 2D quando o navegador reporta prefers-reduced-motion.