Learning Prototype Padrões de Agentes e Comparação entre CrewAI LangGraph e LangFlow (2025-02-27)
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 começou com a discussão sobre a documentação do protótipo, especialmente a necessidade de registrar claramente entradas, saídas, formatos de arquivos e o propósito de cada componente representado no Miro. Foi reforçada a importância de manter esse material atualizado como um acervo do projeto, facilitando a entrada de novos integrantes e preservando o histórico das decisões, testes e aprendizados. Também foram compartilhados recursos de estudo sobre automação, agentes e ferramentas como CrewAI, LangGraph e LangFlow, além de referências de cursos, apresentações e conteúdos práticos, destacando-se a dificuldade de encontrar materiais avançados em português.
A maior parte do encontro foi dedicada aos padrões de arquitetura de agentes, incluindo roteamento, orquestração, execução paralela, agregação de respostas, validação e loops de refinamento. Discutiu-se a possibilidade de um agente utilizar vários modelos de linguagem, ou de um time de agentes especializados interpretar diferentes aspectos de um documento antes de consolidar uma resposta. Também foram comparadas abordagens com Python puro e frameworks, considerando que o LangGraph parece mais robusto, embora tenha uma curva de aprendizado maior, enquanto CrewAI e LangFlow podem acelerar a prototipação, mas adicionam camadas e abstrações que talvez precisem ser removidas posteriormente.
Como encaminhamento, o grupo decidiu buscar um cenário comum para comparar as tecnologias, provavelmente usando uma história de usuário em formato TXT como entrada. O fluxo inicial deverá interpretar a história e, em seguida, gerar um plano ou cenário de testes, permitindo avaliar separadamente essas duas etapas. Ficou em aberto definir os critérios de comparação, os formatos exatos de entrada e saída, a estrutura dos prompts e quais ferramentas serão exploradas por cada pessoa. Também foi combinado que os participantes continuarão estudando suas respectivas tecnologias e trarão implementações, referências e dificuldades nas próximas sessões.