Paralelização de Agentes
Ir para notas que citam estaParalelização de agentes é o padrão em que vários agentes, ou vários modelos, processam a mesma entrada ao mesmo tempo e um agregador combina as respostas numa saída única.
O padrão existe para obter uma resposta mais completa ou mais confiável do que a de um único agente. Em vez de depender de uma só leitura, o sistema coleta várias e consolida o que cada uma trouxe. Ele se distingue do padrão com Agente Orquestrador: na paralelização a mesma tarefa vai para vários executores equivalentes; no orchestrator-workers, agentes diferentes cuidam de tarefas diferentes e o orquestrador escolhe qual acionar.
Quando o padrão compensa
Há duas formas úteis. Na primeira, vários agentes interpretam o mesmo documento, e o agregador consolida o entendimento de todos ou escolhe a melhor resposta, por votação ou pela proximidade com o resultado esperado. Na segunda, cada parte da tarefa vai para quem a trata melhor: agentes específicos por tipo de documento ou formato, cujas leituras independentes são juntadas no final. A mesma ideia cabe dentro de um único agente, com vários LLMs tratando a entrada, um mais forte em português e outro em inglês, por exemplo, e as saídas combinadas numa interpretação mais rica.
Um agente de investigação de incidentes que consulta banco de dados, servidor e repositório, e entrega as respostas a um sumarizador que monta o relatório, segue esse formato: fontes independentes, consolidação no fim.
O papel do agregador e o custo
O agregador é a peça que dá sentido ao padrão: sem ele, sobram várias respostas soltas. Ele precisa saber consolidar, e não só concatenar.
Aplicar paralelização em todas as etapas de um fluxo produz um resultado mais completo, e multiplica o Custo de Tokens pelo número de agentes ou modelos envolvidos. O padrão vale onde a qualidade extra justifica o gasto, não como regra geral.
Pode ser combinado com o Loop de Validação entre Agentes, validando a saída agregada antes de devolvê-la.