Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

Agente Pesquisador

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Agente pesquisador é o subagente que reúne contexto externo sobre o objeto analisado, como notícias e cotações, e devolve esse material aos outros agentes sem decidir nada sobre ele.

Num sistema multiagente, a busca de informação é separada da análise por uma regra de papel: quem pesquisa um ativo não decide se ele vale a pena. O Agente Orquestrador não pesquisa nem analisa, os analistas não saem à internet, e o pesquisador só coleta, limpa e entrega. Essa divisão impede que um agente gaste contexto com a tarefa de outro e torna cada etapa auditável: se a conclusão saiu errada, dá para saber se o problema estava no dado trazido ou no raciocínio feito sobre ele.

Duas ferramentas internas: informações e valores

Num assistente de análise de investimentos construído no N8N, o pesquisador é ele mesmo um agente com duas ferramentas próprias, cada uma com uma estratégia de busca diferente:

  • Procurar informações traz notícias recentes, fatos relevantes, eventos corporativos, processos e questões regulatórias sobre a empresa. Na prática também passou a ser usada para localizar o calendário de pagamento de dividendos.
  • Procurar valores consulta uma API de cotações atualizada minuto a minuto, exposta por um Servidor MCP, e devolve preço, moeda, fonte e data e hora da coleta, além de máxima, mínima e média do dia.

A busca de notícias combina duas peças. Uma API de busca no Google (SerpAPI) devolve algo equivalente à página de resultados: títulos e links, mas não o conteúdo dos sites, que variam demais para vir padronizados. Por isso uma segunda ferramenta faz uma requisição HTTP comum ao site encontrado e aplica filtros para ficar só com o texto, descartando HTML e JavaScript. O agente recebe esse material ainda bruto e o condensa num resumo que explica por que a notícia importa para a análise.

Quem enxerga o pesquisador

A visibilidade é em camadas. O orquestrador conhece o pesquisador apenas pelo nome e por uma descrição curta, algo como responsável por coordenar pesquisas sobre ativos de investimento; o prompt interno com as regras de busca fica restrito ao próprio subagente. O pesquisador, por sua vez, enxerga suas duas ferramentas, e os analistas de investimento e de risco não enxergam nenhuma dessas camadas. Como o orquestrador decide o encaminhamento só por aquela descrição, um texto vago faz a pesquisa ser acionada na hora errada ou não ser acionada.

Fonte, recência e volume do retorno

Três cuidados concentram os erros típicos desse papel:

  • Recência. O modelo não conhece a data corrente. Sem a data atual injetada no prompt, o pesquisador trouxe notícias de 2020 e 2022 como se fossem atuais; quem pegou o problema foi o revisor, e a correção foi passar data e hora em toda execução.
  • Fonte. Todo retorno carrega de onde veio e quando foi coletado, para que o revisor e os analistas possam julgar o peso da informação.
  • Volume. Página crua é quase toda ruído. Filtrar o texto antes e resumir depois evita encher o contexto dos agentes seguintes com marcação inútil.

Antes de ir à rede, o fluxo passa pelo cache de ativos, que pode já ter notícias e análises recentes. Quando o revisor reprova uma análise por falta de dados, o orquestrador aciona o pesquisador de novo só para a parte que faltou, seja mais contexto de mercado, seja uma nova cotação.

Modelo barato e temperatura baixa

Como o pesquisador só capta, traduz e repassa, ele pode rodar num modelo menor e mais barato, com temperatura baixa. Criatividade aqui atrapalha: um pesquisador criativo demais começa a interpretar em vez de relatar.