Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar

Sistemas Multiagente

Ir para notas que citam esta
atualizado há 4 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.

Sistemas multiagente são soluções em que vários agentes especializados dividem um problema complexo, cada um com objetivo, prompt e ferramentas próprios, e cooperam num resultado comum.

O princípio é dividir para conquistar: um problema de várias etapas é quebrado em problemas menores, e cada um vai para um agente com responsabilidade restrita. Em vez de um Agente de IA generalista que escreve e revisa um e-mail, um agente escreve, apoiado numa base de bons exemplos, e outro revisa, apoiado numa base de regras de revisão. É o tipo de agente que mais tracionou uso prático, bem além do agente de pergunta e resposta.

O que caracteriza um sistema multiagente

  • Papéis com regras próprias. O agente que pesquisa um ativo não decide se ele vale a pena; isso é trabalho de outro. Cada papel é definido no prompt com função, limites e um raciocínio passo a passo.
  • Coordenação. Em geral um Agente Orquestrador recebe a intenção do usuário, decide se o sistema consegue atendê-la e distribui handoffs, as delegações de responsabilidade. Os subagentes não se conhecem e falam entre si só por meio dele. Em outros desenhos, um Agente Roteador classifica o pedido e o encaminha a um especialista.
  • Comunicação entre agentes. Pode ser estruturada em JSON, quando quem lê é outro agente, ou em linguagem natural, no tom de colegas de trabalho pedindo algo uns aos outros, o que facilita acompanhar o fluxo. O que vale os agentes dizerem uns aos outros, e por qual canal, está em Comunicação entre Agentes.
  • Autonomia. O que separa o sistema autônomo de uma automação é a decisão dinâmica de qual agente acionar: o fluxo não tem ordem fixa, vai e volta. O usuário não reinsere dados a cada etapa; se falta algo, como o horizonte de investimento, o orquestrador pede só esse dado e retoma no agente que precisava dele, sem refazer a pesquisa.
  • Controle de qualidade. Um Agente Validador audita a saída antes da entrega, com poder de veto, e o agente que errou recebe o motivo do erro e refaz a tarefa.

Por que dividir o trabalho

Cada agente só faz aquilo em que é especialista, o que aumenta precisão e qualidade. Prompts menores e contexto filtrado cedo deixam os agentes seguintes menos confusos e reduzem alucinação. Tarefas independentes podem rodar em paralelo, e cada agente pode usar um modelo proporcional à tarefa, como descrito em Seleção de Modelo por Agente.

A divisão também controla custo. Um conjunto de agentes especializados que recebeu uma simples saudação chegou a gastar cerca de 300 mil tokens; o problema só foi resolvido quando um orquestrador passou a interpretar a intenção antes de acionar os especialistas.

O preço da divisão e quando não vale a pena

Mais agentes significam mais chamadas de modelo, mais latência, mais pontos de falha e a obrigação de desenhar como eles se comunicam. Um consultório com um único atendente que atende telefone, anota recado e marca agenda não precisa de multiagentes; eles passam a fazer sentido quando o volume cresce e o atendente único vira gargalo.

Regra prática

Multiagente vale a pena quando o problema exige especialização e colaboração ao mesmo tempo.

Os padrões descritos em Padrões de Orquestração de Agentes raramente aparecem puros: o fluxo real costuma misturar elementos de vários, e a teoria serve de norte, não de camisa de força.

Exemplo: análise autônoma de investimentos

Um assistente de investimentos em n8n ilustra o desenho completo. O orquestrador identifica ativo, valor, perfil e horizonte; um controlador de dados consulta primeiro a base de notícias já pesquisadas; um pesquisador busca a cotação em tempo real e o contexto de mercado; um analista de investimento produz a análise inicial; um analista de risco a confronta com o perfil do investidor (arrojado, longo prazo, tolerância a perda de até 50%); e um revisor de compliance veta o que estiver incompleto ou inventado. O artefato final é um relatório com dados considerados, riscos, pontos positivos, pontos de atenção, conclusão e o aviso de que a análise é informativa.

Uma lição saiu do revisor: sem a data atual injetada no prompt, o pesquisador trazia notícias de 2020 e 2022, porque o modelo não sabe que dia é. O mesmo desenho serve a outros domínios trocando os subagentes e o contexto.