A maior parte do que se escreve sobre “preparar o seu site para agentes de IA” descreve ficheiros que nenhum fornecedor documenta ler. Percorri a documentação oficial da OpenAI, da Anthropic, da Perplexity, da Google e da Microsoft. O resultado: llms.txt — nenhuma destas empresas documenta lê-lo em sites de terceiros, e a Google afirma explicitamente que a sua Pesquisa o ignora. sitemap.xml — não é mencionado em nenhum dos três documentos sobre bots. A marcação schema.org — a Google escreve que não é necessária para as suas funcionalidades generativas. E no registo da IANA, entre 152 entradas, não existe qualquer registo para mcp, ai ou agent. O que existe de facto — e o que vale mesmo a pena fazer — está abaixo.
A lista curta do que está realmente documentado
Há uma diferença entre um ficheiro que existe e um ficheiro que alguém lê. Quase todos os guias sobre este tema confundem as duas coisas, por isso construí uma tabela que separa “existe como ideia” de “tem documentação oficial do fornecedor a confirmar a leitura”.
| Mecanismo | O que está oficialmente documentado | Vale o esforço? |
|---|---|---|
| robots.txt | A OpenAI, a Anthropic e a Perplexity documentam explicitamente que o leem (com ressalvas para pedidos iniciados pelo utilizador) | Sim. É o único mecanismo que todos os fornecedores documentam |
| schema.org / JSON-LD | Google: não é necessário para funcionalidades generativas, mas ajuda na elegibilidade para rich results | Sim, mas por razões de SEO clássico |
| sitemap.xml | Não é mencionado na documentação sobre bots da OpenAI, da Anthropic ou da Perplexity | Sim para a Google. Não como medida de “preparação para IA” |
| llms.txt | Nenhum fornecedor documenta que o lê. A Google afirma que a Pesquisa o ignora | Não. Inofensivo, mas não faz o que promete |
| /.well-known/ para IA | Só agent-card.json (protocolo A2A) está registado na IANA. Não há registo para mcp/ai/agent | Relevante apenas se gerir um agente A2A |
| IndexNow | A Microsoft afirma que ajuda a manter os conteúdos atualizados na pesquisa e nas experiências de IA | Sim, se os seus conteúdos mudarem |
llms.txt: toda a gente publica um, ninguém documenta ler um
Este ficheiro é uma proposta de Jeremy Howard, publicada a 3 de setembro de 2024 e atualizada para a versão 2 a 10 de agosto de 2026, descrita no seu próprio site como uma proposta de normalização. Não está em qualquer via de normalização do IETF, do W3C ou do WHATWG — uma pesquisa no IETF Datatracker não devolve qualquer rascunho relevante. O próprio site da proposta indica o RFC 8615 como alternativa que foi considerada e não adotada.
Eis a confusão central com que me cruzo repetidamente: a OpenAI, a Anthropic e a Perplexity publicam de facto um ficheiro llms.txt para a sua própria documentação para programadores. Isso é factual e fácil de verificar. Mas publicar um ficheiro e ler os ficheiros dos outros são duas ações completamente distintas, e nenhuma destas empresas documenta a segunda. Li as três páginas oficiais sobre crawlers: a string llms.txt não aparece em nenhuma delas.
A Google é o único fornecedor que abordou isto de forma direta. No seu guia de otimização para funcionalidades generativas, numa página atualizada a 10 de julho de 2026, existe uma secção de desmistificação que nomeia llms.txt explicitamente, com o argumento de que a própria Pesquisa Google não o utiliza. Na mesma secção a Google acrescenta que criar o ficheiro não prejudicará nem ajudará a visibilidade ou o posicionamento do site.
Como lidar com isto na prática: se já criou um llms.txt, deixe-o ficar — não faz mal nenhum. Se ainda não criou, não o coloque no topo da lista. Poderá tornar-se relevante se algum fornecedor documentar suporte, mas até hoje não existe uma única fonte primária que sustente a afirmação de que melhora a visibilidade.
schema.org: não é necessário, e ainda assim vale a pena
Este é o ponto que mais surpreende as pessoas. Esse mesmo guia da Google de 10 de julho de 2026 tem uma secção inteira intitulada “Overfocusing on structured data”, que afirma que os dados estruturados não são necessários para a pesquisa com IA generativa e que não existe qualquer marcação schema.org especial a acrescentar. A página paralela sobre funcionalidades de IA, atualizada a 10 de dezembro de 2025, diz o mesmo por outras palavras: não é preciso criar novos ficheiros legíveis por máquinas nem marcação dedicada.
Ainda assim, a Google continua a recomendar o uso de dados estruturados — não por causa da IA, mas pela elegibilidade para rich results, que é por si só uma excelente razão. A recomendação adicional diretamente relevante aqui é garantir que os dados estruturados correspondem ao texto visível na página. Uma marcação que declara algo que a página não diz é um risco, não uma vantagem.
A conclusão prática: se tem marcação válida, ótimo, mantenha-a. Se não tem, acrescente-a porque ajuda nos rich results — não porque alguém lhe prometeu que o coloca nas respostas do ChatGPT.
sitemap.xml: o pressuposto sem fonte
“Submeta um sitemap para que os crawlers de IA o encontrem” é uma das recomendações mais comuns por aí, e não consegui encontrar uma única fonte primária para ela. A página da OpenAI sobre bots fala apenas de robots.txt e de intervalos de IP. O artigo da Anthropic sobre o crawler fala de robots.txt e de Crawl-delay. A página da Perplexity sobre o crawler não menciona sitemaps de todo.
Isto não significa que não leiam sitemaps — significa que ninguém disse que os lê. A distinção importa, porque determina quanto esforço vale a pena investir. Um sitemap.xml é o mínimo indispensável para a Google, por isso deve ter um válido de qualquer forma. Mas se está a construir todo um plano de trabalho em torno do sitemap como “infraestrutura para agentes de IA”, está a construir sobre um pressuposto que ninguém confirmou.
/.well-known/ — o que está mesmo registado e o que não está
O registo de URI well-known da IANA é a única fonte de verdade sobre o que existe. Na sua última atualização, a 19 de agosto de 2026, contém 152 entradas. O que importa para o mundo dos agentes:
- agent-card.json — registado, permanente, sob controlo de alterações da Linux Foundation, apontando para a especificação do protocolo A2A. É a única entrada que diz respeito diretamente a agentes.
- oauth-protected-resource (RFC 9728) e oauth-authorization-server (RFC 8414) — registados, e relevantes porque o MCP constrói sobre eles a sua camada de autorização.
- mcp, ai, agent, ai-plugin, llm — não estão registados.
Quanto ao /.well-known/ai-plugin.json da era dos plugins do ChatGPT: esse mecanismo desapareceu. A página de documentação original redireciona agora para uma página que não existe, e o que a substituiu foram os servidores MCP e o Apps SDK — sem qualquer caminho well-known.
O MCP não é descoberto a partir de um site — para já
Este é o ponto que mais importa se está a planear com antecedência. A especificação atual do Model Context Protocol é a versão 2026-07-28 e não contém qualquer mecanismo para descobrir um servidor MCP a partir de um site. O que existe é server/discover, que pergunta a um servidor que versões do protocolo suporta — um mecanismo que pressupõe que já conhece o endereço do servidor. O único caminho well-known na especificação pertence ao OAuth, e só entra em jogo depois da descoberta.
Na prática, isto significa que existe uma lacuna de infraestrutura em aberto entre “o meu site é legível por um agente” e “um agente consegue descobrir o que o meu site lhe permite fazer”. É precisamente por isso que estou a trabalhar na especificação AX — uma camada de descoberta uniforme que permite a um site declarar o que oferece a um agente. Mas enquanto não houver uma norma acordada, a recomendação honesta é não inventar um caminho privado à espera de que alguém o leia.
IndexNow: a exceção da Microsoft
A única coisa que um grande fornecedor recomenda explicitamente num contexto de IA é o IndexNow. No artigo do Bing Webmaster de 10 de fevereiro de 2026 que apresentou o novo relatório de desempenho em IA existe uma secção dedicada a explicar que o IndexNow ajuda a manter a informação atualizada na pesquisa e nas experiências de IA. O protocolo em si é aberto e gratuito, e a implementação é uma única chamada HTTP por cada URL atualizado.
Uma distinção que vale a pena notar: a documentação para programadores do Bing não menciona llms.txt de todo. As recomendações sobre marcação num contexto de respostas de IA aparecem no blogue da Microsoft Advertising, que é conteúdo de marketing e não documentação técnica — um peso probatório diferente.
Uma ordem de prioridades prática
Três linhas que lhe dizem o que o seu site já expõe hoje:
for f in robots.txt sitemap.xml llms.txt .well-known/security.txt; do
printf “%-28s ” “$f”
curl -sI “https://example.com/$f” | head -1
done
# Does the page carry structured data at all?
curl -s https://example.com/page/ | grep -c ‘application/ld+json’
Feita a verificação, esta é a ordem que recomendo. Primeiro, um robots.txt correto que separe os crawlers de treino dos que fazem pedidos no momento da resposta — analisei isso no mapa de bots de 2026. Segundo, verificar que os seus conteúdos chegam mesmo ao HTML inicial, porque sem isso nada mais interessa — o teste está em o que um agente de IA recebe de facto. Terceiro, marcação válida que corresponda ao texto visível. Quarto, IndexNow se os seus conteúdos mudarem. E quinto, só em quinto, llms.txt — se sobrar tempo.
O que é interessante nesta ordem é o quanto reflete o SEO técnico clássico. Não é coincidência: até hoje, a maior parte do que torna um site legível para um agente é o mesmo conjunto de coisas que o torna legível para um motor de busca. Os ficheiros especiais são a promessa; os fundamentos são o que funciona.
Perguntas frequentes
Devo criar um ficheiro llms.txt?
Não faz mal, mas não existe fonte primária que sustente a afirmação de que melhora a visibilidade. Nenhuma das grandes empresas documenta lê-lo em sites de terceiros, e a Google afirma explicitamente que a sua Pesquisa o ignora. Se tiver tempo de sobra, faça-o. Se tiver de escolher, há coisas mais importantes.
Porque é que a OpenAI e a Anthropic publicam o seu próprio llms.txt?
Para que os agentes que leem a sua documentação a consigam navegar. Publicar um ficheiro não é um compromisso de ler ficheiros desses noutros sites, e nenhuma das duas empresas documenta o outro lado disso.
Preciso de schema.org para aparecer nas respostas de IA da Google?
Não. A Google escreve que os dados estruturados não são necessários para a pesquisa com IA generativa e que não existe marcação schema.org especial a acrescentar. Recomenda, sim, continuar a usá-los pela elegibilidade para rich results e garantir que correspondem ao texto visível na página.
Existe um caminho well-known para descobrir um servidor MCP?
Não. O registo da IANA não tem qualquer entrada para mcp, e a especificação MCP versão 2026-07-28 não contém qualquer mecanismo de descoberta a partir de um site. O único caminho well-known na especificação pertence ao OAuth, e aplica-se apenas quando o endereço do servidor já é conhecido. A única entrada relacionada com agentes é agent-card.json, do protocolo A2A.
O que vale mesmo a pena fazer hoje?
Um robots.txt que separe os crawlers de treino dos que fazem pedidos no momento da resposta, conteúdo que exista no HTML inicial, marcação válida que corresponda ao texto visível, e IndexNow se os seus conteúdos forem atualizados. São as quatro coisas com uma fonte oficial por trás.
- O mapa de bots de 2026: quem está mesmo a rastrear o seu site e o que pode bloquear em segurança
- Sem JavaScript: o que um agente de IA recebe de facto quando acede ao seu site
- Como escrever uma página que um agente de IA consiga mesmo citar
- Da leitura à ação: o que é preciso para um agente de IA concluir uma tarefa no seu site
Continuar a ler
A especificação AX – assim que um agente consegue descobri-lo, a questão passa a ser o que lhe permite realmente fazer.