Tech Talk Observabilidade de Agentes de IA (2026-06-11)
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.
Notas citadas nas anotações desta sessão.
A sessão apresentou a importância da observabilidade em agentes e sistemas multiagentes de IA, destacando que ela deve ser considerada desde o início do desenvolvimento. Foram discutidos os problemas da “caixa preta” dos modelos, a necessidade de rastrear decisões, chamadas de ferramentas, estados, tokens, custos, latência e erros, além do uso de escopos bem definidos, governança, versionamento, human-in-the-loop e checkpoints. LangGraph foi apresentado como uma opção que oferece maior controle do fluxo, enquanto LangSmith, LangFuse, Phoenix e LangWatch foram citados como ferramentas de tracing, avaliação e monitoramento, com diferenças de integração, custo e possibilidade de hospedagem própria.
A demonstração prática usou uma reimaginação do projeto QAssist, com mais de vinte agentes especializados para interpretar repositórios, planejar tarefas e gerar artefatos de teste. O fluxo mostrou roteamento entre agentes, uso de ferramentas, pausas para aprovação humana, identificação de sessões por thread ID, visualização em tempo real e acompanhamento de custos e tokens. Também foi mostrado como a observabilidade ajuda a detectar saídas malformadas, cancelamentos, falhas de execução e divergências entre o comportamento esperado e o real. Como pontos em aberto, ficou a possibilidade de disponibilizar o projeto para testes, aprofundar a classificação e automação de erros, integrar alertas e avaliações contínuas e explorar cenários de testes de estresse e recuperação automática.