Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Workshop Construindo Agentes de IA Conceituação de Agentes (2026-03-17)

17 mar 20261h 12min
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 introduziu os conceitos fundamentais de agentes de IA como preparação para um workshop prático com n8n e LangGraph. Foi apresentada a evolução dos chatbots passivos para sistemas capazes de interpretar objetivos, planejar etapas, usar ferramentas e executar ações de forma autônoma. A principal diferença entre uma LLM tradicional e um agente está na capacidade de decidir como alcançar uma meta, interagir com APIs, consultar dados, enviar mensagens, atualizar sistemas e delegar tarefas a outros agentes especializados.

Também foram discutidos os cinco pilares de um agente: modelo de linguagem, memória, ferramentas, guardrails e ambiente. A memória pode ser de curto prazo ou vetorial, enquanto as ferramentas permitem acessar bancos de dados, APIs, e-mails e outros serviços. Destacou-se a importância de limites, segurança, permissões e governança para evitar exposição de dados, loops ou custos inesperados. Foram apresentados padrões como ReAct, Plan-and-Solve e sistemas multiagentes, além do uso combinado de modelos grandes e pequenos conforme a complexidade da tarefa.

A sessão explicou que n8n será usado como alternativa visual e low-code, enquanto LangGraph oferece maior controle por meio de código, estados e fluxos voltados à produção. O projeto prático do workshop será uma versão simplificada de uma solução anterior, implementada nas duas plataformas para comparação, podendo também integrar os agentes via APIs e webhooks. Ficou aberto aos participantes desenvolverem seus próprios agentes e fluxos durante os desafios, com recompensas vinculadas à inscrição; a próxima atividade, marcada para 19 de março, será prática e apresentará a construção dos primeiros agentes.

Gerado por IA a partir da transcrição.
Capítulos · 29
00:24
Abertura e espera pelos participantes
Assistir
04:38
Acesso ao chat e inscrição no workshop
Assistir
07:13
Objetivos, recompensas e dinâmica do workshop
Assistir
09:17
Início da apresentação: construção de agentes de IA
Assistir
10:32
Solutis Labs e a evolução até a IA agêntica
Assistir
15:58
Autonomia, ferramentas e definição de agentes
Assistir
23:45
Diferenças entre LLMs tradicionais e agentes
Assistir
25:13
Tools, dados personalizados e tomada de decisão
Assistir
27:09
Especialização de modelos e fine-tuning
Assistir
31:47
Os cinco pilares de um agente de IA
Assistir
35:44
Segurança, permissões e guardrails
Assistir
37:01
Tipos de agentes: ReAct e Plan-Solve
Assistir
38:56
Sistemas multiagentes e divisão de tarefas
Assistir
40:18
Agentes como ferramentas e comunicação em JSON
Assistir
42:01
Guardrails, limites e governança de agentes
Assistir
43:32
SLMs, LLMs e estratégia híbrida
Assistir
43:32
Memória, ferramentas e capacidades dos agentes
Assistir
43:32
N8N: automação low-code para agentes
Assistir
43:32
LangGraph: código, estados e controle
Assistir
51:58
Conceitos de agentes além das plataformas
Assistir
53:38
Caso real: agentes para regras de negócio
Assistir
56:12
Agente orquestrador e RAG especializado
Assistir
59:25
Do N8N ao LangGraph no workshop
Assistir
1:02:35
Comparação prática entre N8N e LangGraph
Assistir
1:05:12
Integração entre agentes via APIs e webhooks
Assistir
1:07:14
Convite e preparação para o workshop
Assistir
1:08:40
Trilha, materiais e vídeos gravados
Assistir
1:09:52
Encerramento e orientações aos participantes
Assistir
1:11:12
Despedida e próximos encontros
Assistir
Cortes · 9
O que são agentes de IA
A apresentação introduz a evolução dos chatbots passivos para agentes autônomos capazes de interpretar objetivos, planejar ações e usar ferramentas externas. O exemplo do trânsito mostra como um agente pode consultar dados atuais, definir restrições e arquitetar uma solução para o usuário.
10:32 – 23:45Assistir
Diferenças entre LLMs e agentes
O trecho explica que um agente recebe uma tarefa, raciocina, decompõe etapas e aciona ferramentas, enquanto uma LLM tradicional apenas gera uma resposta mais generalista. Também são discutidos exemplos de uso de bancos de dados, agentes especializados e ajuste fino de modelos.
23:45 – 31:47Assistir
Os cinco pilares de um agente
São apresentados os cinco pilares de um sistema agente: LLM, memória, ferramentas, guardrails e ambiente. A explicação mostra como memória de conversas, recuperação de dados, integrações e restrições de segurança trabalham juntos para permitir ações controladas.
31:47 – 37:01Assistir
Tipos de agentes e sistemas multiagentes
O trecho apresenta agentes ReAct, que pensam e agem, agentes Plan-and-Solve, voltados a tarefas complexas, e sistemas multiagentes com diferentes especialidades. Também explica como agentes podem ser usados como ferramentas e por que tarefas amplas exigem modelos com mais contexto.
37:01 – 40:16Assistir
Multiagentes e guardrails
A discussão mostra como um agente pode chamar outro agente especializado, como um analista financeiro que retorna dados estruturados em JSON. Em seguida, o trecho detalha guardrails, limites de atuação e regras de negócio para evitar respostas indevidas, vazamento de informações e loops que consumam recursos.
40:18 – 43:31Assistir
SLMs, LLMs e ferramentas para agentes
Explicação sobre quando usar modelos grandes ou pequenos, destacando custo, latência e contexto. O trecho também apresenta a estratégia híbrida de agentes, o uso de memória, ferramentas e integrações no n8n, além da diferença entre uma abordagem low-code e o LangGraph, mais orientado a código e controle.
43:32 – 51:57Assistir
Plataformas são meios, não o conceito
O grupo esclarece que n8n e LangGraph não são as únicas formas de construir agentes. As plataformas são apresentadas como meios didáticos e práticos, enquanto os conceitos fundamentais — agentes, ferramentas, memória, estados e pipelines — podem ser aplicados em diferentes tecnologias.
51:58 – 53:38Assistir
Caso real: agentes para regras de negócio
É apresentado um caso real de construção de agentes para apoiar sistemas de regras de negócio e uma linguagem específica, incluindo dificuldades de padronização, documentação e compreensão das perguntas dos usuários. O relato mostra a criação de agentes especializados, um agente orquestrador e a evolução da solução de n8n para LangGraph.
53:38 – 1:00:44Assistir
Comparando n8n e LangGraph em um projeto
O trecho explica por que um projeto real foi simplificado para o workshop e implementado tanto no n8n quanto no LangGraph. Também mostra que os agentes podem se comunicar por webhooks e APIs, permitindo integrar as duas abordagens e comparar suas vantagens em um mesmo fluxo.
1:02:35 – 1:07:13Assistir
Perguntas desta sessão
Por que aprender sobre agentes de IA?
Aprender sobre agentes de IA permite compreender e criar sistemas que vão além do domínio de uma ferramenta. A tendência é que agentes se tornem parte das operações, colaborando entre si para planejar e concluir solicitações, acessar ferramentas e executar tarefas específicas.
16:03 – 23:47Assistir
O que é uma IA agêntica?
Uma IA agêntica é um sistema orientado a objetivos que atua com autonomia: interpreta a meta, planeja como alcançá-la, toma decisões, pesquisa informações, usa ferramentas e executa ações. Diferentemente de um chatbot passivo, pode integrar APIs, consultar dados e realizar tarefas em sistemas externos.
16:03 – 23:47Assistir
O que muda entre um chatbot passivo e um agente de IA?
O chatbot passivo recebe uma entrada, processa o texto e devolve uma resposta. O agente de IA, além de raciocinar, pode agir: planeja etapas, decide quais ferramentas usar, consulta sistemas externos e executa tarefas, como escrever e enviar um e-mail por meio de uma API.
23:45 – 25:11Assistir
Como agentes especializados podem colaborar em um sistema multiagente?
Um agente principal pode delegar partes da tarefa a especialistas. Por exemplo, um agente escreve um e-mail, outro o revisa quanto à linguagem e às regras de negócio, e o sistema pode então prosseguir com o envio ou outras ações.
24:18 – 25:11Assistir
Qual ferramenta foi usada no exemplo de LLM apresentado na sessão?
Nenhuma ferramenta específica foi usada: o exemplo era apenas uma explicação geral sobre LLMs, como ChatGPT ou Llama, sem uma implementação ou dashboard específico.
27:34 – 28:13Assistir
Com ferramentas low-code ou no-code e modelos especializados, programar deixa de ser a parte mais importante na construção de soluções de IA?
Em muitos casos, sim. A programação pode deixar a solução mais estruturada para receber perguntas, enquanto ferramentas low-code/no-code e a especialização do modelo permitem ingerir dados e direcioná-lo para uma área específica.
28:13 – 30:06Assistir
Os participantes poderão levar uma ideia própria e implementá-la como um agente durante o workshop?
Sim. O workshop ensinará os conceitos e o uso do n8n por meio de exercícios práticos, permitindo que cada participante aplique seus conhecimentos e criatividade para construir uma solução própria, independentemente da abordagem escolhida.
1:00:31 – 1:01:11Assistir
É possível implementar o mesmo projeto de agentes no n8n e no LangGraph, e fazer os agentes dessas plataformas se comunicarem?
Sim. O projeto foi simplificado e implementado nas duas ferramentas para apresentar abordagens diferentes: o n8n oferece uma construção visual e low-code, enquanto o LangGraph exige programação e permite maior controle. Os agentes podem se comunicar por webhooks ou APIs; no exemplo, o n8n usa webhook e o LangGraph usa uma API normal, possibilitando a integração com diferentes sistemas.
1:02:38 – 1:06:08Assistir