Como adicionar resolução de CAPTCHA a agentes de IA com o Monid

TL;DR

• O Monid pode expor um conector nativo de resolução de CAPTCHA usando o mesmo fluxo de discover, inspect e run que seus agentes usam para outras ferramentas de API.
• A primeira versão proposta cobre tarefas proxyless de reCAPTCHA v2, reCAPTCHA v3 e Cloudflare Turnstile para fluxos de automação autorizados.
• O conector mantém a chave de API da CapSolver dentro da camada de injeção de credenciais do Monid, em vez de colocá-la em prompts de agente, fixtures ou estado de lifecycle.
• O conector enviado compila no catálogo do Monid, passa na suíte de testes do Monid e inclui execuções gravadas de reCAPTCHA v2/v3 além de cobertura sintética para Turnstile.
• O catálogo hospedado do Monid ainda não inclui esse conector. O código e os comandos abaixo descrevem a implementação testada e o fluxo de uso pretendido, pendentes de revisão upstream.

Por que Agentes de IA Precisam de uma Ferramenta de CAPTCHA no Monid

Agentes de navegador podem navegar por páginas e chamar ferramentas de dados da web, mas um checkpoint de CAPTCHA cria uma etapa técnica separada. O agente precisa identificar o tipo de desafio, enviar a URL correta da página e a chave pública do site, aguardar um resultado e aplicar o token retornado à sessão de navegador autorizada. Sem uma ferramenta dedicada, cada framework de agente precisa implementar esse lifecycle de forma independente.

A integração proposta adiciona a CapSolver como um provedor nativo do Monid. O Monid continua sendo a camada de descoberta e execução de ferramentas, enquanto a CapSolver lida com tarefas de CAPTCHA compatíveis por meio de sua API documentada. Essa abordagem se encaixa no modelo existente do Monid: um agente descobre uma ferramenta, inspeciona seu esquema e preços e inicia uma execução estruturada por meio de uma interface única. O Monid documenta esse fluxo em sua introdução oficial.

O que a Integração entre Monid e CapSolver Possibilita

O conector nativo oferece a um agente de IA uma forma estruturada de solicitar a resolução de CAPTCHA sem embutir lógica HTTP específica do provedor em cada fluxo de trabalho.

O escopo inicial do conector contém três endpoints:

Esse escopo inicial reduzido mantém o conector fácil de revisar. Tipos de tarefa corporativos, tarefas baseadas em proxy e aplicação do token no lado do navegador podem ser adicionados separadamente depois que o lifecycle principal da API estiver estável.

A integração é projetada para QA, RPA, automação de navegador e fluxos de trabalho permitidos de dados de web pública. Capacidade técnica não concede permissão para acessar dados privados, restritos ou sensíveis. Revise os termos do site alvo e obtenha autorização antes de automatizá-lo.

Como o Conector Nativo Funciona

O conector nativo encapsula a API assíncrona de tarefas da CapSolver no lifecycle padrão de provedores do Monid.

1. O agente descobre ou seleciona um endpoint da CapSolver.
2. O Monid valida websiteURL, websiteKey e qualquer entrada específica da tarefa.
3. O Monid injeta o clientKey protegido no corpo JSON da requisição.
4. O conector chama /createTask e armazena apenas o ID da tarefa retornado.
5. O Monid faz polling de /getTaskResult enquanto a tarefa estiver como idle ou processing.
6. Quando a tarefa se torna ready, o conector retorna a solução estruturada do provedor.

Isso é intencionalmente um conector REST nativo em vez de uma ponte MCP-para-MCP. O Monid já expõe sua própria interface MCP para clientes de IA; a camada de provedor sob ela chama a API da CapSolver diretamente.

Agente de IA
  → Monid discover / inspect / run
  → Conector CapSolver
  → createTask
  → polling getTaskResult
  → solução estruturada
  → fluxo de navegador autorizado continua

Resgate Seu Código de Bônus CapSolver

Aumente seu orçamento de automação instantaneamente!
Use o código de bônus CAP26 ao recarregar sua conta CapSolver para obter 5% de bônus extra em cada recarga — sem limites.
Resgate agora no seu Painel CapSolver

Configurar a CapSolver como um Provedor Monid

A autenticação da CapSolver difere de provedores que usam um cabeçalho de autorização HTTP. A API espera clientKey no corpo JSON, então o conector o adiciona dentro da camada de injeção de credenciais do Monid.

A definição de provedor enviada usa esse padrão de autenticação e timeout; o lifecycle assíncrono é implementado separadamente no mesmo provedor:

export default defineProvider({
  name: "capsolver",
  auth: {
    inject: ({ data, utils }) => ({
      ...data.request,
      body: utils.json.merge(data.request.body ?? {}, {
        clientKey: data.params.apiKey,
      }),
    }),
  },
  request: {
    baseUrl: "https://api.capsolver.com",
  },
  timeouts: { requestMs: 30_000, runMs: 300_000, pollMs: 3_000 },
});

O segredo fica fora da definição de endpoint, fixtures de replay, logs e estado de lifecycle. Somente a camada de transporte recebe a credencial quando envia a requisição ao provedor.

Você pode revisar o lifecycle atual de tarefas da CapSolver na documentação oficial de createTask e getTaskResult.

Definir um Endpoint de reCAPTCHA v2

Cada endpoint Monid mapeia um esquema de entrada validado para um tipo de tarefa CapSolver. O endpoint de reCAPTCHA v2 aceita uma URL de página, chave pública do site e campos opcionais observados no widget, incluindo modo invisível, ação da página, o valor padrão s, modo de sessão e domínio da API.

const zBody = z.object({
  websiteURL: z.url(),
  websiteKey: z.string().min(1),
  isInvisible: z.boolean().optional(),
  pageAction: z.string().min(1).optional(),
  recaptchaDataSValue: z.string().optional(),
  isSession: z.boolean().optional(),
  apiDomain: z.string().optional(),
}).strict();

export default defineEndpoint({
  endpoint: "/solve/recaptcha-v2",
  request: { method: "POST", path: "/createTask" },
  input: {
    schema: { body: zBody },
    toRequest: ({ data, utils }) => ({
      ...data.input,
      body: {
        task: utils.json.merge(data.input.body ?? {}, {
          type: "ReCaptchaV2TaskProxyLess",
        }),
      },
    }),
  },
});

A mesma estrutura se aplica a reCAPTCHA v3 e Turnstile, com esquemas e tipos de tarefa específicos. O guia de autoria de conectores do Monid exige fixtures de replay, verificações de tipo e um pull request antes que um provedor seja adicionado ao catálogo hospedado.

Tratar o Resultado Assíncrono

O conector deve tratar a CapSolver como um provedor assíncrono. Uma resposta /createTask bem-sucedida normalmente fornece um ID de tarefa, enquanto /getTaskResult indica idle, processing ou ready.

O lifecycle testado segue estas regras:

• idle ou processing: manter a execução do Monid ativa e fazer polling novamente.
• ready: retornar a solução estruturada e completar a execução.
• errorId diferente de zero: retornar um erro de provedor em vez de um resultado bem-sucedido.
• Resposta HTTP não 2xx: preservar a resposta do provedor e registrar zero uso concluído.
• ID de tarefa ausente ou status desconhecido: interromper com um erro claro do conector.

Essa separação é importante porque o Monid distingue seu próprio status de execução do status HTTP do provedor upstream. Sua documentação de execução via CLI explica como ferramentas assíncronas iniciam uma execução e expõem a resposta final do provedor.

Inspecionar Localmente e Executar o Conector Após Publicação

Antes da publicação hospedada, os comandos locais verificados são:

deno task catalog endpoints --provider capsolver
deno task catalog inspect 'capsolver#solve/recaptcha-v2'

Após a publicação, um cliente MCP deve chamar primeiro a ferramenta monid_inspect:

{ "provider": "capsolver", "endpoint": "/solve/recaptcha-v2" }

Depois chamar monid_run com a entrada validada:

{
  "provider": "capsolver",
  "endpoint": "/solve/recaptcha-v2",
  "input": {
    "body": {
      "websiteURL": "https://authorized.example/test",
      "websiteKey": "PUBLIC_SITE_KEY"
    }
  }
}

Use uma página de teste autorizada e substitua PUBLIC_SITE_KEY pela chave pública do widget. Mantenha as credenciais de API na configuração de credenciais do Monid em vez de colocá-las em comandos, prompts ou arquivos de código-fonte.

No momento da escrita, o endpoint hospedado ainda não está disponível. O conector enviado passa na compilação e na suíte de testes do Monid, com 1.376 testes aprovados na execução de verificação do PR. Fixtures de reCAPTCHA v2 e v3 foram gravadas a partir de páginas de demonstração públicas, enquanto a cobertura de sucesso e falha de Turnstile permanece explicitamente sintética. Revisão upstream do Monid, implantação hospedada e uma verificação ao vivo não-dummy de Turnstile continuam sendo pré-requisitos para disponibilidade geral.

Para integrações diretas de agente disponíveis hoje, o Servidor MCP da CapSolver expõe ferramentas de CAPTCHA para clientes compatíveis. O guia mais amplo de integração de navegador agentic explica onde o tratamento de CAPTCHA se encaixa em um fluxo de trabalho de agente de navegador.

Limites da Implementação e Próximos Passos

O primeiro conector deve permanecer enxuto até que o lifecycle básico seja aceito e observado em cargas de trabalho reais.

• Não detecta automaticamente um CAPTCHA no conteúdo DOM do navegador.
• Não aplica um token retornado a uma página ativa do Playwright ou Puppeteer.
• Não inclui tipos de tarefa corporativos ou baseados em proxy da CapSolver.
• Exige que o fluxo de trabalho chamador forneça a URL correta, a chave pública do site e os campos específicos da tarefa.
• Não deve ser usado para acesso não autorizado, abuso de contas ou coleta de informações privadas ou sensíveis.

Após a revisão upstream, as próximas adições úteis são uma gravação ao vivo não-dummy de Turnstile e um exemplo verificado de navegador mostrando como um agente detecta um widget compatível, chama o endpoint Monid e aplica o resultado à mesma sessão autorizada. Ambos devem usar ambientes de demonstração explícitos em vez de sites de produção de terceiros.

Conclusão

Um conector nativo do Monid é a forma mais limpa de tornar a resolução de CAPTCHA descobrível para agentes de IA sem adicionar código específico de provedor a cada framework de agente. O conector enviado demonstra que o Monid pode validar a entrada da tarefa, proteger a chave de API, gerenciar o polling assíncrono e retornar um resultado estruturado por meio de seu lifecycle normal de ferramentas.

O trabalho restante é de natureza processual e de verificação: resolver dois comentários menores de revisão automatizada, completar uma verificação ao vivo não-dummy de Turnstile, obter a aprovação do Monid e verificar o fluxo MCP hospedado após a implantação. Equipes que precisam de acesso direto antes disso podem integrar por meio da API oficial da CapSolver ou do Servidor MCP.

Construa Fluxos de Automação Confiáveis com a CapSolver

Crie uma conta pelo Painel CapSolver, revise a documentação de integrações compatíveis e teste somente em páginas que você está autorizado a automatizar. Para dúvidas sobre produto e conta, consulte o FAQ da CapSolver.

FAQ

P: O conector CapSolver já está disponível no Monid?

Não. O conector nativo foi enviado como um pull request e aguarda revisão upstream do Monid, implantação hospedada e publicação no catálogo.

P: O Monid chama o Servidor MCP da CapSolver diretamente?

Não. O Monid deve chamar a API REST da CapSolver por meio de um conector de provedor nativo, enquanto o próprio servidor MCP do Monid expõe as ferramentas resultantes para clientes de IA compatíveis.

P: Quais tipos de CAPTCHA estão incluídos na primeira versão proposta?

A primeira versão proposta cobre tarefas proxyless de token reCAPTCHA v2, reCAPTCHA v3 e Cloudflare Turnstile.

P: Onde a chave de API da CapSolver é armazenada?

O conector passa a chave de API pela camada de injeção de credenciais do Monid e a adiciona ao corpo da requisição ao provedor somente quando a requisição é enviada.

P: O conector pode controlar automaticamente uma página de navegador?

Não. O conector inicial retorna uma solução estruturada; o fluxo de trabalho de navegador autorizado continua responsável por aplicar esse resultado à sua página ou sessão ativa.

P: A integração pode ser usada em qualquer site?

Não. Use a integração apenas em sites e fluxos de trabalho que você está autorizado a automatizar e siga os termos aplicáveis, requisitos de privacidade e leis.