{"allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"templateName":"blog-page","cssClassNames":"blog-page page basicpage summit-page","canonicalLink":"https://www.snowflake.com/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry/","robotsTags":["index","follow"],"language":"pt-BR","description":"O MCP server reformulado e a nova CLI do Observe by Snowflake dão aos agentes de IA acesso direto à telemetria para investigar incidentes com mais rapidez e eficiência de custos.","title":"Conecte agentes de IA à telemetria com MCP e CLI do Observe","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":hierarchyType":"page",":path":"/content/snowflake-site/global/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry","coveoConfig":{"pipeline":"snowflake.com","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","organizationId":"snowflakecomputingproduction8neljofn","searchHub":"snowflake.com"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"blog-page","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry","language":"pt_BR","category":"general","pageName":"Conecte agentes de IA à sua telemetria com o MCP server e a CLI do Observe","contentTags":["snowflake-site:taxonomy/blog/product-and-technology","snowflake-site:taxonomy/blog/product-and-technology/observability"]},"isPasswordProtected":false,"analyticsEnabled":true,"analyticsContentTags":["snowflake-site:taxonomy/blog/product-and-technology","snowflake-site:taxonomy/blog/product-and-technology/observability"],":type":"snowflake-site/components/structure/page",":items":{"root":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-sub-header":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-pre-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","markup_editor-table":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12","container_47873732":"aem-GridColumn aem-GridColumn--default--12"},"columnCount":12,":items":{"experiencefragment-banner":{"id":"experiencefragment-eea3fc23c9","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank/jcr:content","configured":true,"xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank.xfmodel.json",":type":"snowflake-site/components/experiencefragment"},"experiencefragment-header":{"id":"experiencefragment-8d83bf0f98","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/mega-nav-header/master/jcr:content","configured":true,"xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/mega-nav-header/master.xfmodel.json","languageNavPath":"/content/snowflake-site/global/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry.languagenav.json",":type":"snowflake-site/components/experiencefragment","appliedCssClassNames":"snowflake-sticky-nav-host"},"experiencefragment-sub-header":{"id":"experiencefragment-808480378d","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/sub-navigation/master/jcr:content","configured":true,"xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/sub-navigation/master.xfmodel.json",":type":"snowflake-site/components/experiencefragment"},"responsivegrid":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"container_breadcrumb":"aem-GridColumn aem-GridColumn--default--12","container_main_content":"aem-GridColumn aem-GridColumn--default--12"},"columnCount":12,":items":{"container_breadcrumb":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"breadcrumb":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"blog-page-breadcrumb-indentation",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container",":items":{"breadcrumb":{"id":"breadcrumb-f4510565c8","breadcrumbItems":[{"title":"Blog","path":"/pt_br/blog/","active":false},{"title":"Produto e tecnologia","path":"/pt_br/blog/product-and-technology/","active":false},{"title":"Conecte agentes de IA à sua telemetria com o MCP server e a CLI do Observe","path":"/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry/","active":false}],":type":"snowflake-site/components/blog/breadcrumb"}},":itemsOrder":["breadcrumb"]},"container_main_content":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"flexible_column_container":"aem-GridColumn aem-GridColumn--default--12","related_content":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"main-content",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container",":items":{"flexible_column_container":{"id":"flexible-column-container-6b17bf593a","propertiesId":"snowflake-blog-template-main-container","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"none","spaceBetween":"none","reverseOnMobile":true,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-89d0745ad9",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container_hero":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"blog_hero":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-50b68530e4",":type":"snowflake-site/components/container",":items":{"blog_hero":{"id":"blog-hero-bf9052cda6","showClaude":true,"showChatGpt":true,"image":{"id":"image-21e8aee7a7","isLcpImage":false,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--274590ed-ec04-421e-9dfc-1c1cc39c552e/54-general.jpg?preferwebp=true&quality=85","lazyEnabled":true,"height":"720","width":"1680",":type":"snowflake-site/components/image"},"timeToRead":"6","publicationDate":"AUG 13, 2026","authors":[{"authorImage":{"id":"image-0972faa95e","isLcpImage":false,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--5d777f2c-add9-4626-9591-0f003fff2d77/anaiya-raisinghani.png?preferwebp=true&quality=85","alt":"Headshot-style photo of Anaiya Raisinghani of Snowflake","lazyEnabled":true,"height":"1034","width":"1011",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-6e5a44f4d2","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/anaiya-raisinghani/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Anaiya Raisinghani"}}],"tag":{"tagText":"Produto e tecnologia","tagColor":"#3F808A"},"title":{"lines":["Conecte agentes de IA à sua telemetria com o MCP server e a CLI do Observe"],"type":"heading2",":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/blog/blog-hero"}},":itemsOrder":["blog_hero"]},"responsivegrid_content":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"button":"aem-GridColumn aem-GridColumn--default--12","image":"aem-GridColumn aem-GridColumn--default--12","wistia_video":"aem-GridColumn aem-GridColumn--default--12","blog_text":"aem-GridColumn aem-GridColumn--default--12","image_1761558649":"aem-GridColumn aem-GridColumn--default--12","blog_text_885170056":"aem-GridColumn aem-GridColumn--default--12","blog_text_1023578293":"aem-GridColumn aem-GridColumn--default--12","blog_text_1649378731":"aem-GridColumn aem-GridColumn--default--12","blog_text_777441314":"aem-GridColumn aem-GridColumn--default--12"},"columnCount":12,"appliedCssClassNames":"snowflake-layout-container-inner-padding-small",":items":{"blog_text":{"id":"blog-text-7fcc97cd35","text":"\u003Cp\u003EOs agentes entendem seus dados operacionais de forma aprofundada. Agora, assistentes de programação podem investigar erros antes que um engenheiro abra um ticket, enquanto SREs de IA podem correlacionar falhas entre serviços sem receber chamados. Nesse cenário em constante evolução, as pessoas talvez deixem de ser as principais leitoras dos seus dados de telemetria.\u003C/p\u003E\n\u003Cp\u003EIsso impõe novas exigências às plataformas de observabilidade, que precisam funcionar tanto para pessoas quanto para agentes. A telemetria precisa estar facilmente acessível, não apenas por uma interface de usuário (UI), mas também por interfaces que os agentes possam acionar e automatizar: APIs, protocolo de contexto de modelo (model context protocol, MCP) e interface de linha de comando (command line interface, CLI).  \u003C/p\u003E\n\u003Cp\u003EPara garantir que a observabilidade funcione tanto para pessoas quanto para máquinas que interagem com os dados, temos o prazer de anunciar uma versão totalmente reformulada do \u003Cb\u003EObserve by Snowflake MCP server e uma nova Observe CLI, com paridade total com o MCP\u003C/b\u003E (a versão disponível ao público está sendo implementada em todos os clusters; eu-2 e ca-1 serão incluídos em breve). Isso significa que todas as operações disponibilizadas pelo MCP server aos agentes também estão disponíveis como comandos da CLI. \u003C/p\u003E\n\u003Cp\u003EAs duas ferramentas foram desenvolvidas tendo em vista a crescente comunidade de engenheiros que deseja conectar seus próprios agentes de IA ao Observe ou simplesmente deixar de usar a interface atual para interagir com a plataforma do Observe. Os engenheiros usam o MCP server e a CLI para criar agentes personalizados de triagem de alertas, que consultam o Observe automaticamente quando um alerta é acionado e extraem telemetria de produção para contextualizar a depuração. Também criam copilotos que auxiliam as equipes durante investigações de incidentes, entre outras funcionalidades. \u003C/p\u003E\n\u003Cp\u003ECom o MCP server reformulado e a nova CLI, os agentes que precisam analisar ambientes de produção agora podem fazer consultas diretas no Observe, aumentando a rapidez e a eficiência. \u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"button":{"id":"button-cedc57cd8d","showOutboundIcon":false,"buttonLink":{"valid":true,"attributes":{"target":"_blank"},"url":"https://www.snowflake.com/en/product/observe/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","appliedCssClassNames":"snowflake-button-primary snowflake-button-blue snowflake-button-regular snowflake-button-center","linkType":"SNOWFLAKE_EXTERNAL","text":"Entender como o Observe by Snowflake transforma telemetria em insights, com rapidez "},"blog_text_1649378731":{"id":"blog-text-0332121f9e","text":"\u003Ch2\u003EAcesso a toda a plataforma Observe por meio de uma CLI compatível com agentes\u003C/h2\u003E\n\u003Cp\u003EA antiga CLI do Observe abrangia apenas uma pequena parte dos recursos da plataforma, pois a maioria das funcionalidades não podia ser acessada pelo terminal. A nova CLI compatível com agentes oferece acesso programático aos recursos do Observe pela linha de comando, com as mesmas funcionalidades disponíveis no MCP server e na interface de usuário. Ela funciona tanto em ambientes de agentes, como o Claude Code, quanto em sessões interativas de terminal. \u003C/p\u003E\n\u003Cp\u003EÉ possível executar alguns fluxos de trabalho de forma autônoma, em segundo plano, processando tarefas de rotina sem a presença de um engenheiro. Outros foram desenvolvidos para uso interativo e exigem que um engenheiro conduza diretamente a investigação. A nova CLI é uma interface programática que ajuda os usuários a compor, automatizar e ampliar os fluxos de trabalho de observabilidade. \u003C/p\u003E\n\u003Ch3\u003EFunções predefinidas para fluxos de trabalho comuns de observabilidade \u003C/h3\u003E\n\u003Cp\u003EA CLI e o MCP server incluem uma biblioteca de funções: fluxos de trabalho estruturados com base na forma como os engenheiros do Observe executam tarefas comuns de observabilidade. Agentes e engenheiros podem usar essas funções diretamente para investigar incidentes, fazer o rastreamento de falhas, validar alterações, encontrar problemas de n+1 e até detectar outliers. Depois da configuração, as funções são ativadas imediatamente, sem nenhuma preparação adicional. Assim, pessoas e máquinas podem começar a usá-las sem demora. \u003C/p\u003E\n\u003Ch2\u003EUm MCP com nova arquitetura, desenvolvido para eficiência de custos e acesso por agentes \u003C/h2\u003E\n\u003Cp\u003EAntes de reformular o MCP server, conversamos com as equipes de engenharia que já conectavam seus agentes ao Observe. O feedback dessas equipes orientou nosso trabalho:\u003Cbr\u003E\n\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EA remoção do LLM intermediário aumenta a eficiência de custos na operação do MCP server. \u003C/b\u003ESem ele, os agentes se conectam diretamente às APIs do Observe, reduzindo a latência e a sobrecarga de cada chamada.\u003Cbr\u003E\n\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EVárias equipes haviam criado suas próprias soluções alternativas porque não existia um acesso programático compatível. \u003C/b\u003EO novo servidor oferece os recursos de que essas equipes precisavam.\u003Cbr\u003E\n\u003C/p\u003E\n\u003C/li\u003E\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EAs equipes de engenharia tinham casos de uso específicos em mente,\u003C/b\u003E como atualizar dashboards depois de uma investigação, obter imagens de gráficos para relatórios automatizados e fazer consultas diretas sobre erros de APM. Ampliamos nossa plataforma para atender a essas necessidades. \u003C/p\u003E\n\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003EA maior mudança no novo MCP server refere-se aos custos. A arquitetura original incluía uma estrutura personalizada de LLM,  que recebia uma consulta do usuário, processava o raciocínio e retornava uma resposta. Com os avanços nos modelos fundacionais, não é mais necessário usar um Observe LLM como intermediário. A nova arquitetura elimina essa camada e, com ela, a necessidade de repassar o custo anterior. \u003C/p\u003E\n\u003Ch2\u003EAnálise técnica: agora, o MCP server dá aos agentes acesso direto ao Observe \u003C/h2\u003E\n\u003Cp\u003E\u003Cb style=\"font-family: adobe-clean, "Source Sans Pro", -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Ubuntu, "Trebuchet MS", "Lucida Grande", sans-serif;\"\u003ENo antigo MCP server, \u003C/b\u003Eos agentes precisavam enviar consultas a um único endpoint, onde o LLM do Observe interpretava a pergunta e retornava uma resposta. Com isso, os agentes não tinham visibilidade direta da estrutura de dados do Observe nem permissão para explorar conjuntos de dados, o que gerava custos elevados para o Observe e nossos clientes. \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"image":{"id":"image-d9cc9fd619","isLcpImage":true,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--9fd3a1da-b82e-43d3-b6b5-9d5bc77ca901/observe-before-opal-query-mcp.png?preferwebp=true&quality=85","alt":"In the old MCP Server, agents had to send queries to a single endpoint, where Observe’s LLM interpreted the question and returned an answer. This meant agents didn’t have direct visibility into Observe’s data structure and didn’t have permission to explore data sets","lazyEnabled":true,"height":"1002","width":"1816",":type":"snowflake-site/components/image"},"blog_text_1023578293":{"id":"blog-text-c316f211ab","text":"\u003Cp\u003E\u003Cb\u003ENo novo MCP server, \u003C/b\u003Eos agentes se conectam à plataforma Observe e acessam as mesmas APIs que sustentam o front-end do Observe. Assim, os agentes podem fazer consultas diretas no gráfico de contexto do Observe, determinar que conjuntos de dados são mais relevantes para cada consulta, gerando respostas mais precisas, e usar \u003Ca href=\"https://docs.observeinc.com/docs/what-is-opal\"\u003EOPAL\u003C/a\u003E para programação eficiente, a fim de executar consultas de observabilidade precisas em qualquer dado de telemetria.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"image_1761558649":{"id":"image-6ff6135ff2","isLcpImage":false,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--a65688ea-d669-4f4f-ae67-0bb805c4ad3d/observe-after-opal-query-mcp.png?preferwebp=true&quality=85","alt":"OPAL query after MCP Server","lazyEnabled":true,"height":"1352","width":"1826",":type":"snowflake-site/components/image"},"blog_text_885170056":{"id":"blog-text-c71602587b","text":"\u003Cp\u003E \u003C/p\u003E\n\u003Cp\u003ECom o MCP server, os agentes acessam os mesmos recursos disponíveis na interface de usuário do Observe: mapas de serviços de APM, configuração da coleta de dados do OpenTelemetry no Observe e lista de alertas ativos. \u003C/p\u003E\n\u003Cp\u003EJuntos, esses recursos dão aos agentes acesso direto ao conteúdo do Observe, sem a latência nem os custos do LLM intermediário anterior. \u003C/p\u003E\n\u003Ch2\u003EComece a usar o MCP server\u003C/h2\u003E\n\u003Cp\u003EPara começar a usar o Observe MCP server, faça login na sua conta, acesse \"Manage account\" → \"MCP server details\" e siga as instruções referentes ao agente escolhido. O vídeo a seguir mostra a configuração completa e um fluxo de trabalho de investigação em tempo real.\u003C/p\u003E\n\u003Cp\u003E \u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"wistia_video":{"id":"wistia-video-fead5ba610","title":{"id":"title","type":"heading1","lines":["Conecte agentes de IA à sua telemetria com o MCP server e a CLI do Observe"],":type":"snowflake-site/components/title"},"wistiaVideoId":"tn7r21lo0b","showVideoLength":true,"showRewatchButton":true,":type":"snowflake-site/components/wistia-video"},"blog_text_777441314":{"id":"blog-text-e4a0670d85","text":"\u003Ch2\u003ETornando os dados de observabilidade acessíveis a todas as ferramentas do seu stack \u003C/h2\u003E\n\u003Cp\u003ENo Observe by Snowflake, acreditamos que a observabilidade é, essencialmente, um problema de dados. Por isso, fornecemos soluções que lideram toda essa transformação na forma de consumir observabilidade. O acesso pelo novo Observe MCP server e CLI permitem disponibilizar os dados de observabilidade diretamente aos agentes de IA e aos fluxos de trabalho de desenvolvimento que as equipes já utilizam. \u003C/p\u003E\n\u003Cp\u003EObter mais informações e começar a usar o \u003Ca href=\"https://www.snowflake.com/en/product/observe/\" target=\"_blank\" rel=\"nofollow noopener noreferrer\"\u003EObserve by Snowflake\u003C/a\u003E.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/blog/blog-text"}},":itemsOrder":["blog_text","button","blog_text_1649378731","image","blog_text_1023578293","image_1761558649","blog_text_885170056","wistia_video","blog_text_777441314"],":type":"wcm/foundation/components/responsivegrid"},"responsivegrid_premium_content_banner":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{},"columnCount":12,"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{},":itemsOrder":[],":type":"wcm/foundation/components/responsivegrid"},"container_author_chip":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"author_chip":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-828893a783",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{"author_chip":{"id":"author-chip-dfd8117af0","title":{"id":"title","type":"heading2","lines":["Learn more about the authors"],":type":"snowflake-site/components/title-v2"},"authors":[{"authorImage":{"id":"image-0972faa95e","isLcpImage":false,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--5d777f2c-add9-4626-9591-0f003fff2d77/anaiya-raisinghani.png?preferwebp=true&quality=85","alt":"Headshot-style photo of Anaiya Raisinghani of Snowflake","lazyEnabled":true,"height":"1034","width":"1011",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-6e5a44f4d2","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/anaiya-raisinghani/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Anaiya Raisinghani"},"authorTitle":"Senior Product Marketing Manager, Observability"}],":type":"snowflake-site/components/blog/author-chip"}},":itemsOrder":["author_chip"]},"container_share_article":{"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"share_article":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-786d840733",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-responsive-component-top-padding-small",":items":{"share_article":{"id":"share-article-33c654cb49","linkedInShareUrl":"https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fpt_br%2Fblog%2Fobserve-mcp-server-cli-ai-agents-telemetry&title=Conecte+agentes+de+IA+%C3%A0+sua+telemetria+com+o+MCP+server+e+a+CLI+do+Observe","twitterShareUrl":"https://x.com/intent/post?url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fpt_br%2Fblog%2Fobserve-mcp-server-cli-ai-agents-telemetry&text=Conecte+agentes+de+IA+%C3%A0+sua+telemetria+com+o+MCP+server+e+a+CLI+do+Observe","facebookShareUrl":"https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fpt_br%2Fblog%2Fobserve-mcp-server-cli-ai-agents-telemetry",":type":"snowflake-site/components/blog/share-article"}},":itemsOrder":["share_article"]}},":itemsOrder":["container_hero","responsivegrid_content","responsivegrid_premium_content_banner","container_author_chip","container_share_article"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-bb3420a6bb",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"blog_table_of_content":{"id":"blog-table-of-content-72a63b75c8",":type":"snowflake-site/components/blog/blog-table-of-content","tableOfContents":[]}},":itemsOrder":["blog_table_of_content"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false},"related_content":{"id":"related-content-61fdc4bcfb","relatedContent":[{"configurationStatus":{"configured":true,"message":""},"tags":[],":type":"snowflake-site/components/blog/card","title":{"lines":["Guia essencial para a análise de dados"],"type":"heading4",":type":"snowflake-site/components/title-v2"},"button":{"id":"button-4b051d7a90","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/pt_br/resources/ebook/essential-guide-data-analytics-ai/thankyou/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Guia essencial para a análise de dados"},"image":{"id":"image-662010efcd","isLcpImage":false,"src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--226fc22d-cc6a-4b4f-bcea-423c71bd9894/guia-essencial-para-a-ana%25CC%2581lise-de-dados.png?preferwebp=true&quality=85","lazyEnabled":true,"height":"1165","width":"2064",":type":"snowflake-site/components/image"}}],":type":"snowflake-site/components/blog/related-content","isBlogPage":true}},":itemsOrder":["flexible_column_container","related_content"]}},":itemsOrder":["container_breadcrumb","container_main_content"],":type":"wcm/foundation/components/responsivegrid"},"container_47873732":{"additionalClasses":"section--blog-newsletter","gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"layout":"RESPONSIVE_GRID","columnCount":12,"id":"container-e394448998",":type":"snowflake-site/components/container","appliedCssClassNames":"snowflake-container",":items":{"flexible_column_cont":{"id":"flexible-column-container-b9ec6664e3","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"section--blog-newsletter","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-7f292881b9",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"marketo_v2":{"id":"marketo-v2-70c3538ff2","marketoForm":{"edit":false,"successUrl":null,"formId":"3320","hidden":null,"script":null,"values":null},"title":{"id":"title","type":"heading3","lines":["Subscribe to our blog newsletter","Get the best, coolest and latest delivered to your inbox each week"],":type":"snowflake-site/components/title-v2"},"munchkinId":"252-RFO-227","serverInstance":"252-RFO-227.mktoweb.com","partnerCampaignPage":false,"formConfigured":true,"marketoConfigured":true,":type":"snowflake-site/components/form/marketo-v2"},"text":{"id":"text-dff06324e8","additionalClasses":"newsletter-disclaimer","text":"\u003Cp\u003EBy submitting this form, I understand Snowflake will process my personal information in accordance with their Privacy Notice.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"}},":itemsOrder":["marketo_v2","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"]},"experiencefragment-pre-footer":{"id":"experiencefragment-e01cc55725","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/get-started-pre-footer/get-started-pre-footer/jcr:content","configured":true,"xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/get-started-pre-footer/get-started-pre-footer.xfmodel.json",":type":"snowflake-site/components/experiencefragment"},"markup_editor":{"id":"markup-editor-766f8b9a6e","title":"Page CSS","cssContent":"@media screen and (min-width:768px){.snowflake-blog-author-chip-wrapper{justify-content:flex-start}.snowflake-blog-related-content-on-blog-page{max-width:1408px;margin-left:auto;margin-right:auto}.snowflake-text{font-family:Lato,sans-serif;font-weight:400;font-size:16px;line-height:24px}}.section--blog-newsletter{max-width:none;width:100%;padding-left:0;padding-right:0;margin-left:0;margin-right:0;margin-bottom:0}.section--blog-newsletter .mktoField{background-color:transparent !important}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}@media screen and (min-width:768px){.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}}.newsletter-disclaimer p{font-size:14px !important}.section--blog-newsletter .snowflake-marketo-form-container{margin-bottom:24px;background-color:#f6f9fa;gap:48px;box-shadow:none}.section--blog-newsletter .snowflake-title p.snowflake-title-line:first-child{font-family:Texta;font-size:24px;line-height:26px;font-weight:700;margin-bottom:4px}.section--blog-newsletter .snowflake-title p.snowflake-title-line{text-transform:none;font-family:\"Lato\",sans-serif;font-size:16px;line-height:24px;font-weight:normal}@media screen and (min-width:1024px){.section--blog-newsletter .snowflake-marketo-form-container{display:flex;justify-content:center}.section--blog-newsletter .snowflake-title .snowflake-title-line{text-align:left}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow:has(\u003E input[type=\"hidden\"]){flex-grow:0}.section--blog-newsletter .snowflake-marketo-form{display:flex;width:50% !important}.section--blog-newsletter .snowflake-marketo-form .mktoButtonRow{flex-grow:0;width:auto !important;margin-left:0;margin-right:0}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow{flex-grow:1}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}.section--blog-newsletter .snowflake-marketo-form-title{width:50%;margin-bottom:0 !important}.section--blog-newsletter .center .snowflake-title{align-items:flex-start}}.snowflake-sub-navigation a.snowflake-sub-navigation-primary-link{width:auto !important}.snowflake-blog-hero{align-items:stretch !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor-table":{"id":"markup-editor-f297fd2201","title":"Table Styling CSS","cssContent":"#snowflake-blog-template-main-container table{width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}#snowflake-blog-template-main-container table thead{background-color:var(--ui-01)}#snowflake-blog-template-main-container table th,#snowflake-blog-template-main-container table td{border:2px solid var(--ui-background-09);padding:var(--spacing-01)}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"experiencefragment-footer":{"id":"experiencefragment-c724488469","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/footer/master/jcr:content","configured":true,"xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/pt_br/site/footer/master.xfmodel.json",":type":"snowflake-site/components/experiencefragment"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","experiencefragment-sub-header","responsivegrid","container_47873732","experiencefragment-pre-footer","markup_editor","markup_editor-table","experiencefragment-footer"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],"locale":"pt_BR",":mappedPath":"/pt_br/blog/observe-mcp-server-cli-ai-agents-telemetry/"}