Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar

Elementos de um Agente de IA

Ir para notas que citam esta
atualizado há 25 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.

Elementos de um agente de IA são as partes que, combinadas, lhe dão capacidade de agir: modelo, dados, memória, ferramentas e ações, mais autonomia, agência e autoridade.

Decompor um Agente de IA nessas partes serve a dois propósitos. O primeiro é separar o que faz de algo um agente, e não um simples gerador de texto. O segundo é dar a cada agente de um fluxo uma responsabilidade única e clara, como uma classe pequena que faz uma coisa só, o que torna previsível o que cada um faz, recebe e responde. A lógica vale para qualquer framework ou mesmo para uma implementação feita à mão, e não depende de uma biblioteca específica.

O mesmo modelo aparece com nomes diferentes conforme o recorte. A versão conceitual fala em modelo de linguagem, dados, memória, ferramentas e ações. A versão usada para construir agentes na prática fala em pensamento, função, tarefa, memória e ferramentas. As duas descrevem a mesma anatomia.

Os componentes e seus nomes alternativos

  • Modelo de linguagem, ou pensamento: o cérebro do agente, que entende a entrada e gera a resposta. Pode ser um LLM maior ou um modelo pequeno, conforme a tarefa, e inclui os parâmetros configurados nele, como a Temperatura e o limite máximo de tokens de saída.
  • Função: um prompt curto que diz quem o agente é e qual o seu papel no time.
  • Tarefa: um prompt mais longo com as etapas a seguir, o que responder e em que formato, além de regras de preenchimento para quando a entrada vier incompleta. Essa descrição em linguagem natural também permite a um orquestrador saber para quem delegar.
  • Dados: as informações específicas que ajudam o agente a decidir, muitas vezes recuperadas por RAG.
  • Memória: dividida em estado, tudo o que fica guardado ao longo do fluxo, e contexto, o subconjunto do estado que interessa àquele agente. Ela envolve o controle de tokens de entrada e saída: resumir o histórico e repassar o resumo sai mais barato do que carregar tudo. Memória é capacidade e utilidade, não volume; mais memória só ajuda se o agente acessar a informação certa na hora certa.

Ferramentas e function calling

Ferramentas são as ações que o agente executa fora do próprio raciocínio: chamar uma API, buscar na internet, consultar um banco de dados, usar uma calculadora, gerar um arquivo, abrir um card num sistema de tickets. A técnica por trás é o function calling, também chamado de tools: o agente recebe a lista do que pode acionar, que pode incluir funções comuns, APIs, bancos e até outros agentes, e decide quando usar cada item. O MCP surgiu para expor esse catálogo de funções de forma padronizada. São as ações que separam um agente de um modelo que apenas responde.

Autonomia, agência e autoridade

Três conceitos descrevem como e com que poder o agente age. Autonomia é agir sem intervenção humana. Agência é a capacidade de planejar as ações, montando o roteiro do que fazer e com que propósito. Autoridade é o poder efetivamente concedido para executar o plano.

Agência sem autoridade

Um agente que planeja mas não tem autoridade para executar fica restrito a sugerir. A quantidade de autoridade concedida é uma decisão de projeto, não um detalhe técnico.

Quando uma persona não basta

Um prompt de sistema que só dá uma persona ao modelo, do tipo gerador de documentação, funciona mais como um viés do que como um agente completo: falta a liberdade de decidir o que fazer e de agir, inclusive acionando outra função ou outro agente para continuar a tarefa. Em fluxos com etapas definidas de antemão, como os montados em LangGraph, cada participante tem menos teor agêntico do que um agente que pesquisa e se replaneja sozinho, diferença tratada em Workflow versus Agente Autônomo. Mesmo assim, caracterizar cada nó pelos cinco elementos mantém o fluxo legível e fácil de estender.