Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Desafio Agentic AI Fundamentos de Agentes e Hands-on com Dify e N8N (2025-09-25)

25 set 20251h 08min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão apresentou fundamentos de agentes inteligentes, destacando que um agente percebe o ambiente por meio de sensores, age por meio de ferramentas e busca alcançar objetivos segundo critérios de desempenho. Foram discutidos os conceitos de objetivo, contexto, ferramentas e memória, além da importância de definir corretamente as métricas para evitar comportamentos inadequados, como um robô aspirador que repete indefinidamente uma tarefa apenas para maximizar sua pontuação. Também foram relacionados referenciais teóricos clássicos a tecnologias atuais, como LangChain e LangGraph, abordando fluxos, orquestração, padrões multiagentes e o protocolo MCP para integração com sistemas externos por linguagem natural.

Na parte prática, foi demonstrado o Dify na criação de um agente conversacional com base de conhecimento e ferramentas de pesquisa, como Wikipedia e busca na web. Em seguida, foi utilizado o n8n para construir um fluxo automatizado que coleta notícias de feeds, resume e classifica os conteúdos com um modelo de linguagem e envia o resultado por e-mail em horário programado. A atividade mostrou que ferramentas no-code facilitam a criação de agentes, embora ainda exijam configuração, validação dos resultados e, em cenários mais complexos, algum conhecimento de código. Participantes relataram experiências iniciais, incluindo dificuldades na integração com planilhas e um agente para consultar horários, reforçando a importância da experimentação.

Também foram divulgados desafios da bancada sobre agentes, com recompensas, e um programa de estágio voltado prioritariamente a estudantes da UFBA, incluindo prova, capacitação e possibilidade de contratação. Ficou combinado que os encontros seguintes aprofundarão temas como agentes, desafios práticos e a demonstração de um projeto no dia 9 de outubro. Permaneceram como pontos em aberto a evolução dos experimentos dos participantes, a validação de fluxos mais complexos e a coleta de feedback da turma convidada.

Gerado por IA a partir da transcrição.
Capítulos · 31
00:12
Abertura do Open Labs e recepção dos participantes
Assistir
04:22
Problemas de acesso ao chat e alternativas de comunicação
Assistir
09:38
Agenda do encontro e introdução ao tema de agentes
Assistir
12:11
Bancada de agentes: desafios, orquestração e monitoramento
Assistir
13:29
Programa de estágio para estudantes da UFBA
Assistir
17:24
Desafios da bancada e próximos encontros sobre agentes
Assistir
18:38
O que são agentes inteligentes?
Assistir
21:11
Referenciais teóricos para definir agentes
Assistir
22:28
Sensores, atuadores e racionalidade dos agentes
Assistir
26:17
LangChain e LangGraph na construção de agentes
Assistir
28:57
Workflows, padrões multiagentes e orquestração
Assistir
31:33
MCP e integração de agentes com ferramentas externas
Assistir
34:07
Demonstração prática de criação de agentes com Dify
Assistir
36:39
Agente especialista em futebol com pesquisa e base de conhecimento
Assistir
40:33
Decisão autônoma de ferramentas pelo agente
Assistir
41:50
Introdução ao n8n para automações com agentes
Assistir
43:07
Configuração de workflows e gatilhos no n8n
Assistir
44:23
Templates e estrutura básica de um agente
Assistir
45:41
Agentes sem código e níveis de controle
Assistir
46:59
Execução manual e agendamento automático
Assistir
48:19
Configurando o prompt e o modelo de IA
Assistir
49:31
Usando o Gemini e configurando credenciais
Assistir
50:48
Agente de notícias com resumo por e-mail
Assistir
52:02
Limites de contexto e excesso de tokens
Assistir
54:44
Execução bem-sucedida e resultado no e-mail
Assistir
57:19
Feedback sobre dificuldades na construção de fluxos
Assistir
59:52
Uso de código e validação das respostas
Assistir
1:01:10
Conceitos de agentes e próximos encontros
Assistir
1:03:42
Criando um agente para consultar o horário
Assistir
1:04:59
Simplicidade dos agentes com blocos visuais
Assistir
1:06:17
Encerramento e próximos passos
Assistir
Cortes · 8
O que são agentes inteligentes?
A sessão apresenta diferentes exemplos de agentes, como assistentes autônomos, chatbots, robôs aspiradores e dispositivos com sensores. Em seguida, explica os conceitos de agente racional, objetivo, contexto, ferramentas e memória, destacando como a métrica de desempenho pode produzir comportamentos inesperados.
18:38 – 26:17Assistir
Ferramentas, workflows e comunicação entre agentes
O conteúdo compara LangChain e LangGraph, mostrando como essas ferramentas estruturam aplicações com modelos de linguagem, workflows e fluxos multiagentes. Também é explicado o papel do MCP na integração de agentes com sistemas externos por meio de APIs e linguagem natural.
26:17 – 34:07Assistir
Construindo um agente com Dify
A demonstração apresenta o Dify como uma ferramenta open source para criar agentes, configurar contexto, adicionar bases de conhecimento e conectar ferramentas externas. Um agente especializado em futebol pesquisa informações na web, consulta a Wikipédia e utiliza um documento próprio para responder perguntas.
34:07 – 41:50Assistir
Prática de automação no n8n
A sessão começa a orientar uma atividade prática no n8n, ferramenta no-code para criar automações e workflows. São mostrados o período de teste, a configuração de uma chave da OpenAI e os primeiros elementos disponíveis, como gatilhos manuais, webhooks, chat e formulários.
41:50 – 44:23Assistir
Criando um agente de notícias automatizado
É demonstrado como usar templates e blocos visuais para criar um agente com memória, modelo de linguagem e ferramentas externas. O fluxo coleta notícias de feeds, resume e classifica os conteúdos em português e envia o resultado por e-mail, podendo ser executado automaticamente todos os dias por um gatilho agendado.
44:23 – 57:15Assistir
Desafios práticos na criação de agentes
Uma participante relata sua experiência tentando criar um fluxo para atualizar indicadores a partir de dados do Excel, destacando dificuldades, falhas nas execuções e a necessidade de estudar a ferramenta. A conversa também aborda o uso de código gerado por IA e a importância de validar esses scripts antes de utilizá-los.
57:19 – 1:01:10Assistir
Como a prática materializa o conceito de agente
Os participantes relacionam a prática realizada no n8n aos conceitos de agentes, acionamento de ferramentas e automação. A demonstração é apresentada como uma forma simples de experimentar esses conceitos e transformar ideias sobre agentes em fluxos concretos.
1:01:10 – 1:02:27Assistir
Consultando o horário com uma ferramenta
É apresentado um agente simples criado com a API do Gemini para consultar o horário atual. Como o modelo retornava uma data incorreta, foi adicionada uma ferramenta externa que informa o horário de Brasília; também é sugerido o uso de uma função para obter a data e hora diretamente.
1:03:42 – 1:04:59Assistir
Perguntas desta sessão
O que são agentes inteligentes?
Agentes inteligentes são sistemas autônomos orientados a um objetivo. Eles percebem o ambiente por meio de sensores, processam informações e agem sobre ele usando atuadores; exemplos incluem assistentes conversacionais, GPTs customizados e robôs aspiradores.
19:33 – 20:41Assistir
O que caracteriza um agente como inteligente?
A inteligência de um agente pode ser analisada pela racionalidade: ele deve selecionar ações que maximizem uma medida de desempenho, considerando o objetivo, o critério de sucesso, o conhecimento prévio sobre o ambiente, as ações disponíveis e o histórico de percepções. Em abordagens modernas, isso se relaciona a objetivo, contexto, ferramentas e memória.
20:53 – 24:06Assistir
Por que usar o MCP para integrar aplicações em vez de conectar um agente diretamente às APIs dessas aplicações?
O MCP permite que agentes utilizem APIs e ferramentas externas por meio de linguagem natural, sem exigir que as requisições sejam previamente estruturadas e definidas para cada aplicação. Ele funciona como um protocolo de comunicação entre LLMs, agentes e sistemas externos, oferecendo mais flexibilidade para executar ações.
32:13 – 32:59Assistir
É possível criar agentes usando n8n sem saber programar?
Sim. O n8n é uma ferramenta no-code que permite criar automações e agentes usando blocos pré-construídos, embora também ofereça a possibilidade de inserir código quando necessário.
45:41 – 46:40Assistir
Quais tipos de gatilho podem iniciar um workflow no n8n?
Um workflow pode ser executado manualmente ou automaticamente por meio de gatilhos, como um agendamento. Por exemplo, um fluxo ativo pode ser configurado para rodar todos os dias às 7 horas da manhã.
46:55 – 47:24Assistir
O que faz o agente de notícias criado no n8n?
O agente usa feeds de notícias como ferramentas e segue um prompt que define seu objetivo: ler as notícias, ignorar comentários, identificar as mais recorrentes, gerar um resumo em português, criar um ranking por quantidade de menções e formatar o resultado com um título prefixado.
47:59 – 48:50Assistir
Como funciona o agente de notícias automatizado apresentado no n8n?
O agente é iniciado por um gatilho agendado, coleta notícias de três feeds de tecnologia, usa um modelo de linguagem para produzir um resumo e um ranking e envia o resultado por e-mail. Ativado para as 7 horas da manhã, o workflow executa essa rotina diariamente.
50:42 – 51:31Assistir