Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

Encadeamento de Agentes

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.

Encadeamento de agentes é o arranjo em que a saída de um agente vira a entrada do próximo, em linha, cada etapa com uma tarefa estreita e verificável.

É o mais simples dos padrões de cooperação entre agentes e o mais próximo da programação sequencial: uma função chama outra, e entre elas pode existir um ponto de checagem que decide se o fluxo segue. Compensa quando as etapas são bem definidas e o caminho é previsível; deixa de compensar quando o cenário exige desvios de decisão complexos, porque a sequência é fixa e definida de antemão.

Na prática, o encadeamento convive com a bifurcação por classificador em vez de competir com ela: um Agente Roteador escolhe o ramo, e dentro do ramo as etapas se sucedem em linha. Um fluxo sequencial também pode deixar de ser puramente linear quando uma decisão no fim faz o processo voltar ao início, o que ainda é tratado como variação da sequência, não como paralelismo.

Por que o isolamento de contexto é a principal vantagem

Cada agente da cadeia guarda o próprio histórico e o recupera individualmente. Nada do que um especialista acumulou em conversas anteriores contamina o outro. Isso tem dois efeitos diretos: não há estouro de contexto provocado por uma pergunta simples, e não se gasta token carregando contexto que não interessa à especialidade daquele agente.

O arranjo também escala por adição: para cobrir um novo tipo de pedido, basta acrescentar mais uma saída ao ponto de decisão e mais um agente atrás dela. Os agentes permanecem independentes entre si, e é justamente por não estarem ligados que não misturam contexto.

O que se perde sem feedback entre os elos

A limitação mais séria do encadeamento simples é a ausência de retorno. O agente anterior apenas dispara a chamada e não fica sabendo se o seguinte teve sucesso ou erro. Quando algo falha, o fluxo para, e o usuário não recebe explicação alguma.

Um arranjo com supervisão devolve esse retorno: o agente que delegou recebe de volta o que cada um executou e pode dizer explicitamente que uma etapa falhou e sugerir nova tentativa. O preço é o que se ganha em simplicidade no encadeamento — idas e voltas entre agentes consomem mais tokens e abrem espaço para laços que não terminam.

Escolha entre linha e supervisão

O encadeamento é mais fácil de depurar e mais previsível; a supervisão com retorno é mais informativa e mais cara. Não existe desenho correto em abstrato: cada problema exige uma solução específica, e o que importa é o sistema funcionar de forma agêntica, seja decidindo, seja devolvendo feedback.

Execução em etapas e o que cada elo repassa adiante

Um fluxo encadeado resolve uma coisa de cada vez. Mesmo que duas tarefas independentes cheguem juntas e pertençam a especialistas diferentes, o sistema as trata em sequência, porque a decisão de rota devolve um destino por vez. Executar de fato em paralelo exige outra estrutura, como a execução paralela apoiada em fluxos disparados simultaneamente.

Há ainda um cuidado com o que atravessa cada elo. A entrada do próximo agente é literalmente a saída do anterior: se uma etapa devolve texto livre onde a seguinte espera um valor estruturado, a falha aparece adiante, longe da causa. Manter a saída de cada etapa em um formato acordado — e implementar a bifurcação em nós de decisão que leem esse formato — é o que torna a cadeia depurável.