Pular para o conteúdo
LabS Atlas
Agentic AI
Entrar
Sessões

Workshop Construindo Agentes de IA N8N Dúvidas sobre Arquitetura e Automações (2026-03-30)

30 mar 20261h 01min
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 foi dedicada principalmente a dúvidas sobre arquitetura de agentes e automações no n8n. Foi explicado que o uso de um classificador de intenção seguido por um Switch permite encaminhar cada solicitação para agentes especializados, como geração de código, esclarecimento de dúvidas ou tratamento de saudações e entradas fora de contexto. Essa separação reduz a mistura de contextos, o consumo de tokens e a chance de alucinações, especialmente quando a base de conhecimento não está totalmente organizada. No projeto apresentado, a especialização ocorre principalmente por meio dos prompts, mas poderia ser ampliada com ferramentas e bases de dados específicas. Também se discutiram arquiteturas lineares, agentes supervisores, fluxos com feedback e execuções paralelas; o n8n pode usar subworkflows para distribuir tarefas, embora a estrutura atual escolha apenas uma intenção por vez e não processe múltiplas solicitações simultaneamente.

A conversa também abordou aplicações práticas do n8n, como um fluxo que monitora e-mails, resume mensagens importantes com IA e envia alertas pelo Telegram, além de integrações locais com Google, webhooks, HTTP Request e ferramentas de consulta de CEP. Foram compartilhadas orientações para nomear ferramentas, descrever parâmetros e permitir que a IA construa URLs completas com base nos dados recebidos. Houve ainda relatos sobre desempenho, gargalos de nós nativos, uso de código para acelerar workflows, escalabilidade com workers e alternativas como LangGraph. Como encaminhamentos, ficou aberta a possibilidade de criar um desafio sobre execução de múltiplos agentes e apresentar workflows pessoais em encontros futuros; também foi anunciada a flexibilização da exigência de presença integral para participação nas recompensas, mantendo a necessidade de inscrição prévia.

Gerado por IA a partir da transcrição.
Capítulos · 28
00:08
Abertura e formato da sessão de dúvidas
Assistir
01:24
Dúvida sobre o design de multiagentes e o uso do Switch
Assistir
03:53
Motivação para dividir agentes por especialidade
Assistir
05:39
Classificador de intenção, proteção e redução de alucinações
Assistir
07:15
Agentes de código, dúvidas e fluxo de escape
Assistir
08:40
Como o Switch direciona as solicitações
Assistir
10:24
Especialização por prompts e uso de ferramentas
Assistir
16:34
Arquiteturas lineares versus agentes orquestrados
Assistir
19:28
Contexto isolado e vantagens do encadeamento
Assistir
21:23
Execução sequencial, simultânea e decomposição de tarefas
Assistir
26:14
Subworkflows e execução paralela no n8n
Assistir
30:17
Sugestões de desafios e apresentação de projetos
Assistir
33:12
Automação de e-mails com Gmail, IA e Telegram
Assistir
37:04
Configuração local do n8n e limitações de APIs
Assistir
39:34
Desempenho, gargalos e escalabilidade do n8n
Assistir
41:45
Próximo workshop com LangGraph
Assistir
43:09
Exposição local com domínio, servidor e Cloudflare Tunnel
Assistir
44:26
Embeddings, tools e requisições HTTP no ambiente local
Assistir
45:43
Configurando a URL e os parâmetros da ferramenta de IA
Assistir
48:38
Ensinando o agente a construir a URL com o CEP
Assistir
49:54
Nomeando a ferramenta e testando o buscador de CEP
Assistir
51:15
Uso de múltiplos HTTP requests e contexto do agente
Assistir
52:33
Preparação para o desafio e acesso externo à máquina
Assistir
53:46
Túneis, domínio e limitações de IP público
Assistir
54:58
Como solicitar IP público à operadora
Assistir
56:45
Limites de tráfego em túneis para servidores de streaming
Assistir
58:13
Cloudflare, Docker e orquestração inteligente entre sistemas
Assistir
59:44
Simplificando os desafios de IA e encerramento da sessão
Assistir
Cortes · 9
Por que usar múltiplos agentes especializados
A equipe explica a decisão de dividir o sistema em agentes especializados, usando um classificador de intenção e um nó Switch para encaminhar cada solicitação. O objetivo é reduzir alucinações, evitar perda de contexto e proteger o fluxo contra perguntas fora do escopo.
03:53 – 12:08Assistir
Modelos de orquestração de agentes
A conversa compara arquiteturas lineares, hierárquicas e simultâneas para sistemas multiagentes. São apresentados exemplos de agentes que trabalham em sequência, em paralelo ou com um orquestrador que divide uma tarefa complexa entre especialistas.
19:28 – 24:05Assistir
Execução paralela e feedback entre agentes
Os participantes discutem por que o fluxo apresentado executa as tarefas em sequência e como subworkflows poderiam permitir execução paralela no n8n. Também é abordada a importância de o agente orquestrador receber o resultado ou erro dos agentes delegados para conseguir dar feedback ao usuário.
24:05 – 30:17Assistir
Automação de e-mails importantes pelo Telegram
É apresentado um workflow pessoal que monitora novos e-mails do Gmail, filtra remetentes ou mensagens relevantes, gera um resumo com IA e envia o resultado pelo Telegram. O exemplo mostra como o n8n pode transformar uma necessidade cotidiana em uma automação útil, como alertas de mudanças em voos ou respostas de processos seletivos.
33:12 – 38:22Assistir
Desempenho e escalabilidade no n8n
Os participantes comparam o tempo de execução do n8n com frameworks baseados em código e relatam ganhos ao substituir nós lentos por JavaScript ou Python. Também explicam o uso de workers e do modo queue para distribuir execuções e reduzir gargalos.
39:34 – 41:45Assistir
Como expor um n8n local para integrações externas
É descrita uma solução de baixo custo para disponibilizar um n8n hospedado em uma máquina antiga: domínio próprio, servidor local, proxy reverso e túnel da Cloudflare. A configuração permite contornar limitações de APIs e callbacks externos, como os exigidos por integrações do Google.
43:09 – 44:26Assistir
Como configurar um HTTP Request para buscar CEP
A conversa explica como tornar um HTTP Request mais confiável para um agente de IA: descrever o campo de URL, informar o formato esperado e ensinar o agente a montar a URL completa a partir do CEP. Também é mostrado que dar um nome claro à ferramenta, como “Buscador CEP”, melhora a assertividade, e o teste final retorna o endereço corretamente.
45:43 – 52:32Assistir
Expondo uma máquina local com túnel e IP público
Os participantes discutem o uso de serviços de túnel, como o Cloudflare, para liberar acesso externo a uma máquina local. Eles comparam desempenho, limites de tráfego, domínio próprio e as dificuldades de obter um IP público ou fixo com provedores que usam CGNAT.
52:33 – 54:58Assistir
Orquestração inteligente entre sistemas
O grupo relaciona um desafio de IA à integração entre sistemas existentes. A proposta é aproveitar APIs e HTTP Requests já disponíveis, fazendo com que agentes diferentes cuidem de funções ou telas específicas, como criar e excluir pastas.
58:13 – 59:48Assistir
Perguntas desta sessão
Por que usar um nó Switch com um classificador de intenção para encaminhar solicitações entre agentes de código, dúvidas e escape em uma arquitetura multiagentes?
O classificador analisa a intenção do usuário e transforma o resultado em uma variável com opções predefinidas; o Switch usa essa variável para encaminhar a solicitação ao agente adequado. Essa separação mantém cada agente focado em uma tarefa, evita que perguntas fora de contexto gerem loops e reduz alucinações e consumo excessivo de tokens.
01:25 – 11:00Assistir
Como os agentes de código, dúvidas e escape são especializados nessa arquitetura?
No projeto apresentado, a diferenciação ocorre principalmente por meio dos prompts. A especialização pode ser ampliada com ferramentas e bases de conhecimento próprias, incluindo bancos relacionais e documentos extraídos.
11:00 – 12:08Assistir
É obrigatório usar uma arquitetura linear e encadeada para organizar agentes, ou é possível usar um agente supervisor para controlar outros agentes?
Não existe uma única estrutura obrigatória. É possível usar abordagens lineares, encadeadas, supervisoras ou multiagentes paralelas. A arquitetura encadeada facilita o isolamento de contexto e pode reduzir loops e consumo de tokens, enquanto um supervisor pode distribuir tarefas e receber retornos dos agentes especializados; a escolha depende do problema.
19:28 – 24:06Assistir
Como executar agentes especializados simultaneamente no n8n?
A execução simultânea é mais complexa do que a configuração apresentada no workshop. No n8n, uma alternativa é usar subworkflows, isto é, workflows executados dentro de outro workflow, para estruturar e disparar agentes ou etapas independentes.
24:14 – 26:50Assistir
Quais restrições existem ao configurar callbacks do Google para um n8n executado localmente?
O Google pode bloquear URLs públicas ou diferentes de localhost por motivos de segurança. Ao executar o n8n localmente, é necessário configurar o callback usando localhost; essa limitação dificulta a comunicação com algumas APIs.
37:27 – 38:22Assistir
Como configurar uma ferramenta HTTP para que a IA construa automaticamente a URL usando um parâmetro, como um CEP?
Deve-se informar o nome e o tipo do campo, fornecer uma descrição detalhada — preferencialmente em inglês — e definir a URL base. A instrução deve dizer à IA para concatenar a URL base com o valor recebido, como o CEP, permitindo que ela gere a URL completa.
46:32 – 47:10Assistir
Como configurar uma ferramenta HTTP para que um agente de IA construa a URL completa a partir dos parâmetros recebidos?
É preciso ensinar o agente, por meio do prompt e da descrição da ferramenta, a montar a URL completa, concatenando a URL base com o parâmetro recebido, como um CEP. Dar um nome e uma descrição claros à ferramenta também torna a seleção mais assertiva.
48:02 – 50:29Assistir
Qual serviço pode ser usado para expor externamente uma máquina local com n8n?
Pode-se usar o Cloudflare Tunnel. É necessário apontar um domínio para a infraestrutura da Cloudflare, que cria um túnel até a máquina local, permitindo expor o n8n sem depender diretamente de um IP público fixo.
53:14 – 53:59Assistir
Um túnel usado para expor um servidor local tem limite de tráfego ou transferência de dados?
Sim, túneis podem ter limites de tráfego. Foi mencionado que o limite do Cloudflare Tunnel é relativamente alto e que ele é usado continuamente para automações, mas o volume de dados deve ser considerado em aplicações mais pesadas, como streaming.
57:42 – 58:18Assistir