API de dados econômicos para agentes de IA: FRED, BLS, Banco Mundial e IMF em uma única chamada
A API do FRED é excelente — e centrada nos EUA, baseada em IDs de série e uma das várias fontes macro de que você acabará precisando. Aqui está um endpoint de dados econômicos que funde FRED, BLS, Banco Mundial e IMF por trás de uma única chamada em linguagem natural para agentes conscientes da macro.
TL;DR
- •O contexto macro é a camada que a maioria dos agentes de IA pula — e o motivo de suas respostas financeiras soarem ingênuas. Juros, inflação, emprego e PIB enquadram toda tese.
- •O FRED é o padrão-ouro para as séries dos EUA, mas você consulta por IDs de série crípticos; a cobertura global, o detalhe do trabalho e os dados comparados entre países do IMF vivem em APIs separadas (Banco Mundial, BLS, IMF).
- •O Economic Data Search da API Pick funde FRED, BLS, Banco Mundial, IMF, USAspending e Destatis por trás de um único endpoint POST — 50 créditos/chamada, só-se-acertar — consultável em linguagem natural.
- •O ganho para os agentes: pergunte 'taxa de desemprego dos EUA em dois anos' ou 'PIB per capita do Banco Mundial para a Índia' sem aprender o esquema de IDs e a autenticação de cada provedor.
- •Combine o Economic com o Markets e o News para fundamentar um agente de comentário de carteira ou de briefing macro.
A camada que os agentes pulam
Pergunte a um agente de IA se uma ação é atraente e ele responderá feliz da vida sem considerar nem uma vez as taxas de juros. Esse é o sinal de um agente sem fundamentação. A macro — juros, inflação, emprego, PIB, o ciclo — é o quadro dentro do qual vive toda tese financeira, e é a camada de dados que a maioria dos agentes nunca integra.
O FRED é ótimo, e não basta
A API do FRED do Fed de St. Louis é o padrão-ouro para as séries macro dos EUA — completa, confiável, gratuita. Duas coisas a tornam desajeitada como única fonte macro de um agente. Primeiro, você consulta por ID de série (UNRATE, CPIAUCSL, GDP…), então um modelo precisa conhecer ou buscar o código correto. Segundo, ela é centrada nos EUA: os indicadores de desenvolvimento globais vivem na API do Banco Mundial, os dados granulares do trabalho na do BLS e os dados macro/financeiros comparados entre países na do IMF — cada uma com sua própria autenticação e formato de resposta.
Fundido, em linguagem natural
O Economic Data Search funde FRED, BLS, Banco Mundial, IMF, USAspending e Destatis por trás de um único endpoint POST — 50 créditos por chamada, só-se-acertar — e você o consulta do jeito que um agente pensa:
import httpx, os
API, HEADERS = "https://api.apipick.com/v1", {"x-api-key": os.environ["APIPICK_KEY"]}
def economic(query: str):
return httpx.post(f"{API}/search/economic", headers=HEADERS,
json={"query": query}).json()["results"]
economic("US unemployment rate over the past two years")
economic("IMF inflation forecast for the eurozone")
economic("World Bank GDP per capita for India") # no series IDs to memorizeFRED-direto vs. fundido
| API do FRED direta | API Pick Economic | |
|---|---|---|
| Cobertura | Séries dos EUA (profunda) | FRED + BLS + Banco Mundial + IMF + USAspending + Destatis |
| Consulta | Por ID de série | Linguagem natural |
| Geografia | Centrada nos EUA | EUA + global |
| Provedores a integrar | 1 (mais outros separadamente) | 1 |
| Cobrança | Gratuita (só EUA) | 50 créditos/chamada, só se acertar |
Para séries temporais profundas dos EUA em escala, o FRED-direto ainda é ideal. Para um agente que precisa raciocinar entre indicadores dos EUA e globais sem aprender o esquema de IDs de cada provedor, o endpoint fundido é a construção mais rápida.
Agentes conscientes da macro
Combine o Economic com o Markets Search e o News Search para um comentário de carteira que leve em conta o ciclo, ou um agente de briefing macro matinal. É também a perna macro do agente de pesquisa de investimentos. Uma chave, consultas em linguagem natural, só-se-acertar. Comece grátis com 100 créditos, sem cartão.
Perguntas Frequentes
Por que não usar simplesmente a API do FRED diretamente?
O FRED é magnífico para as séries macro dos EUA e vale a pena usá-lo diretamente se for tudo de que você precisa. Duas fricções para os agentes: você consulta por IDs de série exatos (UNRATE, CPIAUCSL, GDP…), que um modelo precisa conhecer ou buscar; e o FRED é centrado nos EUA, então os indicadores globais (Banco Mundial), os dados granulares do trabalho (BLS) e os dados macro/financeiros comparados entre países (IMF) vivem em outras APIs com sua própria autenticação e formato. Um endpoint fundido em linguagem natural elimina a busca de IDs de série e a costura entre múltiplos provedores.
Quais fontes são fundidas e é só dos EUA?
FRED (dados econômicos do Federal Reserve dos EUA), o Bureau de Estatísticas do Trabalho dos EUA, os indicadores de desenvolvimento do Banco Mundial, os indicadores macro e financeiros do IMF, os gastos federais dos EUA (USAspending) e as estatísticas do trabalho alemãs (Destatis). Então abrange a macro dos EUA e global — não só dos EUA — consultada em paralelo por trás de um único endpoint.
Posso obter uma série específica ou apenas resumos?
Passe um nome de série ou uma consulta em linguagem natural ('taxa de desemprego dos EUA 2024', 'previsão de inflação do IMF para a zona do euro', 'PIB per capita do Banco Mundial para a Índia') e o endpoint classifica os registros mais relevantes. Para séries temporais longas e exatas em escala, o FRED-direto ainda é a ferramenta; para um agente que raciocina sobre indicadores, o endpoint semântico é mais rápido de integrar.
Como os dados macro melhoram um agente financeiro?
Eles fornecem o pano de fundo. 'Esta ação está barata' depende dos juros; 'este setor é atraente' depende do ciclo. Sem a macro, um agente raciocina no vácuo e produz opiniões confiantes e sem contexto. Alimentar os juros, a inflação e o emprego atuais no prompt fundamenta a síntese no ambiente em que a empresa realmente opera.
A saída é aconselhamento?
Não. São dados econômicos públicos para pesquisa e fundamentação de agentes — apenas informativos, não aconselhamento financeiro ou de política.
APIs usadas neste artigo
Sarah Choy é a CEO da API Pick. Ela escreve sobre a construção de APIs prontas para produção para agentes de IA e fluxos de trabalho com LLMs.