Lançamento de novo produto: Web Render API
All Posts

Apresentando Massive Web Render: a web, como uma API para IA

Jason Grad
Jason Grad · Co-founder

A web não foi feita para máquinas. Foi feita para humanos clicando em páginas e lendo HTML renderizado. Agora os humanos querem que as máquinas façam esse trabalho por eles, e a lacuna entre o que os agentes de IA precisam e o que a web oferece é o maior problema não resolvido da infraestrutura agêntica.

Hoje estamos lançando Massive Web Render: três endpoints que transformam a web aberta, os motores de busca e os LLMs de fronteira em APIs limpas para quem constrói IA.

O que lançamos

Web Render é uma única API key com três endpoints:

/ai consulta ChatGPT, Gemini, Perplexity e Copilot de forma programática. Você envia um prompt. Recebe JSON estruturado com a resposta, as fontes e as subconsultas de fanout. Geossegmente para qualquer um dos mais de 195 países para ver como um LLM responde de Tóquio versus São Paulo. Emule qualquer dispositivo. Este é o endpoint pelo qual as startups de AEO e GEO cobram de US$ 400 a US$ 2.000 por mês. Conosco, custa alguns dólares.

/search extrai resultados em tempo real do Google e do Bing, incluindo AI Overviews e respostas de "People Also Ask". Geossegmentado, paginado e ciente do idioma.

/browser renderiza qualquer página web. Saída em HTML renderizado, HTML bruto ou markdown pronto para LLM.

Por que construímos

Em fevereiro, lançamos o ClawPod. Era uma skill do OpenClaw que conectava os navegadores dos agentes à nossa rede de proxies residenciais para que as 145.000 pessoas que rodam seus próprios agentes do OpenClaw conseguissem realmente carregar páginas web sem serem bloqueadas.

O ClawPod nos ensinou o que os agentes realmente precisam.

Não era só rotação de IP. Era emulação completa de navegador, resolução de captchas, gerenciamento de fingerprints e todas as demais camadas de desbloqueio que ficam entre a requisição de um agente e dados limpos e estruturados. Os agentes que funcionavam melhor não eram os que driblavam os bloqueios. Eram os que retornavam dados prontos para um LLM raciocinar em cima.

Pegamos essas lições e construímos a versão de produção.

O que tem por baixo: a camada de desbloqueio

A maioria das APIs que dizem "raspar qualquer site" para na IP. O Web Render vai além porque a web moderna exige isso.

Cloudflare, DataDome e PerimeterX bloqueiam requisições HTTP brutas. Eles verificam fingerprints, executam desafios de JavaScript, servem captchas e limitam a taxa de qualquer coisa que pareça um bot. Mesmo IPs residenciais falham sem um navegador real por trás.

O Web Render lida com toda a pilha de desbloqueio:

  • Renderização com navegador real e execução completa de JavaScript
  • Resolução de captchas para hCaptcha, reCAPTCHA e Cloudflare Turnstile
  • Bypass anti-bot para Cloudflare, DataDome e PerimeterX
  • Tentativas inteligentes quando a primeira é desafiada
  • Sessões persistentes para fluxos de várias páginas

Até 3 minutos por chamada para os sites mais difíceis. Se um site continuar bloqueado, fale com a gente e fazemos funcionar em até 48 horas.

Você não gerencia sessões de navegador, rotação de fingerprint nem lógica de retry. Você envia uma URL ou um prompt e recebe os dados.

Para quem é isso

Quem constrói agentes de IA e precisa que o agente carregue a web aberta de forma confiável. Startups de AEO e GEO acompanhando visibilidade de marca em LLMs. Times de empresa rodando pipelines internos de avaliação de LLM. Ferramentas de vendas com IA rodando fluxos de enriquecimento (um alpha tester acabou de cortar o custo por enriquecimento de US$ 1 para menos de US$ 0,01 substituindo uma ferramenta travada em UI pela nossa API e um agente open source).

Se você já se disse "a gente raspa por conta própria" e acabou com um pipeline frágil que quebra toda vez que o site alvo é atualizado, esta é a alternativa.

O quadro geral

A Salesforce acabou de virar headless. Todos os grandes SaaS vão seguir nos próximos 18 meses. Agentes não clicam em botões, então toda a pilha de software está sendo reconstruída para eles.

A web aberta vai na direção oposta. Os sites estão se fechando atrás de sistemas anti-bot enquanto os humanos cada vez mais pedem que máquinas façam o trabalho por eles. Não existe um Headless 360 para a web aberta. Essa infraestrutura precisa ser construída.

É essa camada que estamos construindo.

Comece agora

Experimente a demo: um prompt, três LLMs de fronteira, lado a lado, geossegmentados para qualquer cidade do mundo.

Os primeiros 100 cadastros ganham US$ 50 em crédito.

Experimente você mesmo

Os mesmos três LLMs de fronteira que a demo consulta estão a uma chamada HTTP de distância. Cadastre-se em dashboard.joinmassive.com para obter uma API key e depois:

bash
curl -H "Authorization: Bearer $MASSIVE_TOKEN" \
  'https://render.joinmassive.com/ai?prompt=best+ai+coding+assistant&country=us&city=New+York&model=chatgpt'
python
import os, asyncio, httpx


PROMPT  = "best ai coding assistant"   # ← swap for your "best [category]"
CITY    = "New York"
MODELS  = ["chatgpt", "gemini", "perplexity"]


async def query(client, model):
    r = await client.get(
        "https://render.joinmassive.com/ai",
        headers={"Authorization": f"Bearer {os.environ['MASSIVE_TOKEN']}"},
        params={"prompt": PROMPT, "country": "us", "city": CITY, "model": model},
        timeout=180,
    )
    return model, r.json()


async def main():
    async with httpx.AsyncClient() as c:
        for model, data in await asyncio.gather(*(query(c, m) for m in MODELS)):
            print(f"--- {model} ---")
            print(data.get("completion", "")[:300])


asyncio.run(main())
typescript
const PROMPT = 'best ai coding assistant'   // ← swap for your "best [category]"
const CITY   = 'New York'
const MODELS = ['chatgpt', 'gemini', 'perplexity'] as const


const results = await Promise.all(
  MODELS.map(async (model) => {
    const url = new URL('https://render.joinmassive.com/ai')
    url.searchParams.set('prompt', PROMPT)
    url.searchParams.set('country', 'us')
    url.searchParams.set('city', CITY)
    url.searchParams.set('model', model)
    const res = await fetch(url, {
      headers: { Authorization: `Bearer ${process.env.MASSIVE_TOKEN}` },
    })
    return { model, data: await res.json() }
  }),
)
for (const { model, data } of results) {
  console.log(`--- ${model} ---`, data.completion?.slice(0, 300))
}

Um prompt para colar em qualquer agente

Funciona no Claude, ChatGPT, Gemini ou no seu próprio loop de agente. Substitua "Replit" pela sua marca e "best AI coding assistant" pela consulta que seus clientes fariam.

markdown
Use Massive Web Render's /ai endpoint to query "best AI coding assistant" across
ChatGPT, Gemini, and Perplexity — geo-targeted to NYC, London, and SF.


For each (model × city), capture the top recommendations, sources cited, and the
position of "Replit" in each answer.


Aggregate into a single visibility report:
  • avg rank of Replit per model
  • avg rank of each competitor (Cursor, Windsurf, Copilot, etc.)
  • cities where Replit doesn't appear at all
  • which sources LLMs cite most often (so I know where to invest)


Then give me 5 concrete actions to improve Replit's visibility for
"best AI coding assistant", ranked by likely lift.

Um passo mais rápido — Massive MCP

Lançamos um servidor Model Context Protocol no npm para que os agentes possam chamar o Web Render diretamente. Instale uma vez:

bash
npm install -g @joinmassive/mcp-server

Depois cole este prompt no seu agente habilitado para MCP:

markdown
Use Massive MCP to search "best AI coding assistant" across Google
(organic + AI Overview), ChatGPT, Perplexity, and Gemini — geo-targeted
to NYC, London, and SF. List competitors by avg rank and build me a
visibility report for Replit. Then propose 5 concrete actions to improve
my ranking, ranked by likely lift.

A web não foi feita para agentes de IA. Construímos a camada de API que faz ela funcionar como se tivesse sido.