Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar
Sessões

Learning Prototype Retrospectiva da Bancada AI for Devs e Protocolo Agent2Agent (2025-04-15)

15 abr 20251h 06min
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 fez uma retrospectiva da bancada AI for Devs e da evolução do Learning Prototype, destacando seu caráter aberto, colaborativo e multidisciplinar. Foram relembrados os ciclos anteriores, que exploraram testes autônomos, interpretação e geração de artefatos, comparação entre diferentes LLMs e uso de ferramentas locais com Python. A experimentação mostrou como tecnologias que antes pareciam imaturas, como CrewAI e LangGraph, evoluíram e passaram a ser relevantes para aplicações reais. Também foi reforçada a importância do laboratório para acompanhar tecnologias emergentes, construir repertório e preparar os participantes para atuar em projetos concretos, mesmo quando ainda não dominam todas as ferramentas envolvidas.

O foco principal foi a arquitetura baseada em agentes e o protocolo Agent2Agent, recentemente apresentado pelo Google, que permite a colaboração entre agentes especializados, modelos, frameworks e fontes de dados distintas. A discussão relacionou esse protocolo a conceitos já explorados no protótipo, como RAG, MCP, embeddings, vector stores e orquestração de agentes, mostrando que a bancada já vinha investigando problemas semelhantes. Foi apresentado um caso real de aplicação envolvendo front-end, back-end, Spring, Java e integração com serviços de IA, evidenciando a necessidade de aprofundar as tecnologias de integração e arquitetura.

Como próximos passos, ficou o convite para novos participantes ingressarem no Learning Prototype, contribuindo com desafios, apresentações e investigações nas reuniões de terças e quintas-feiras. Permanecem em aberto a escolha das tecnologias de front-end e back-end, a avaliação do Google ADK e de outras alternativas de orquestração, além do avanço da documentação comparativa e da implementação prática do protótipo. Também foi mencionada, ainda sem confirmação, a possibilidade de criar algum tipo de recompensa para quem contribuir com o projeto.

Gerado por IA a partir da transcrição.
Capítulos · 28
00:25
A brincadeira com os muitos Victors
Assistir
04:20
Nomes, filosofia e ideias que carregamos
Assistir
06:51
A dificuldade de entender novas tecnologias
Assistir
08:11
Teimosia, filosofia e o desafio de desenvolver
Assistir
09:29
Início da bancada e apresentação da sessão
Assistir
10:46
Objetivos da bancada e importância do Labs
Assistir
12:01
A evolução da bancada e o Lenny Prototype
Assistir
14:37
Comunidade, multidisciplinaridade e exploração tecnológica
Assistir
17:10
Recapitulação dos ciclos e experimentos com IA
Assistir
23:39
Testes autônomos com ChatGPT, Gemini e Python
Assistir
27:34
Do ciclo de testes à exploração de agentes
Assistir
30:10
Tecnologias de agentes no Lenny Prototype
Assistir
34:01
Protocolos de comunicação entre agentes
Assistir
40:25
Padronização de protocolos e evolução do mercado
Assistir
41:41
Como acompanhar tecnologias que impactam o mercado
Assistir
44:17
O Labs como preparação para o futuro da tecnologia
Assistir
46:49
Protocolo de agentes e desafios de orquestração
Assistir
49:26
Aplicação prática em projetos reais
Assistir
52:04
Integração de IA, RAG e desenvolvimento
Assistir
54:37
Apresentação do Lane Prototype
Assistir
55:54
Arquitetura, MCP e tecnologias do projeto
Assistir
57:09
Escolha de tecnologias e colaboração multidisciplinar
Assistir
58:27
Tabela comparativa e convite ao projeto
Assistir
59:46
Discussão sobre front-end, back-end e aprendizado coletivo
Assistir
1:01:02
Novos frameworks e evolução contínua
Assistir
1:02:13
Ambiente colaborativo e compartilhamento de conhecimento
Assistir
1:03:34
Possível recompensa aos participantes
Assistir
1:04:51
Encerramento e próximos encontros
Assistir
Cortes · 8
O propósito da bancada e o Lenny Prototype
A apresentação explica a proposta da bancada, sua relação com o Soluti Labs e a importância da colaboração entre diferentes áreas. Também apresenta o Lenny Prototype como um espaço de aprendizado e exploração de tecnologias ligadas à inteligência artificial.
10:46 – 18:26Assistir
Da geração de testes à autonomia com IA
O trecho mostra como a bancada investigou o uso de IA em testes de software, especialmente na interpretação de artefatos, geração de dados e criação autônoma de aplicações. São citados exemplos de ferramentas capazes de gerar jogos e soluções funcionais a partir de instruções simples.
18:26 – 23:37Assistir
A evolução dos testes autônomos
A apresentação recapitula os ciclos de exploração da bancada, passando do uso de interfaces como ChatGPT e Gemini para abordagens com Python e modelos executados localmente. O grupo também discute os limites e os desafios de construir um fluxo totalmente autônomo para testes.
23:39 – 30:08Assistir
Por que acompanhar tecnologias emergentes
O trecho apresenta o uso de agentes como elemento comum às tecnologias exploradas no Lenny Prototype. Também destaca como a participação no laboratório permite acompanhar ferramentas ainda imaturas, testar seu potencial e observar sua evolução antes de serem amplamente adotadas no mercado.
30:10 – 34:01Assistir
Agentes conversando entre si e a padronização
A discussão explica a colaboração entre agentes especializados, cada um responsável por uma tarefa ou ferramenta diferente. O trecho também aborda protocolos de comunicação entre agentes, como o A2A e o MCP, e a importância de padrões para facilitar a integração e a migração entre serviços.
34:01 – 41:41Assistir
Como o laboratório prepara profissionais para a inovação
A conclusão mostra que acompanhar tecnologias emergentes ajuda profissionais de diferentes áreas a entender conceitos, avaliar seu impacto e aplicá-los na prática. A bancada é apresentada como uma forma de adquirir repertório e participar melhor das discussões sobre o futuro do desenvolvimento.
41:41 – 46:49Assistir
Do protocolo de agentes ao projeto real
A sessão relaciona os desafios de orquestrar múltiplos agentes e o novo protocolo do Google com conhecimentos já explorados pela equipe. Em seguida, mostra como essa base facilita a entrada em um projeto real envolvendo RAG, vector stores, embeddings, templates de prompt e integração com APIs.
46:49 – 54:37Assistir
Arquitetura do protótipo e integração tecnológica
É apresentado o protótipo de aprendizado da equipe, com agentes especializados, uso de RAG e possíveis tecnologias de integração. O trecho discute a separação entre front-end e back-end, opções como Java com Spring ou Python e os cuidados arquiteturais para conectar essas partes.
54:37 – 58:27Assistir
Perguntas desta sessão
Onde foi desenvolvido o Sol Digital?
O Sol Digital foi idealizado e teve seu MVP desenvolvido nas explorações iniciais da bancada, especialmente com contribuições relacionadas a blockchain e Solidity, antes de ser levado para a bancada para continuidade do desenvolvimento.
15:51 – 16:41Assistir
O que foi o ciclo 2 da bancada AI for Devs?
O ciclo 2 foi dedicado à exploração de testes autônomos, incluindo desafios como interpretar artefatos, gerar artefatos e criar massas de testes. Também envolveu o uso de modelos como ChatGPT, Gemini e modelos locais executados via Python para apoiar essas tarefas.
27:34 – 27:43Assistir
Como separar agentes de IA, cada um com seu próprio conjunto de modelos, frameworks, dados, aplicações e integrações, e fazê-los colaborar para realizar uma tarefa única?
A separação e a colaboração entre agentes são desafios centrais discutidos na bancada. O protocolo Agent2Agent (A2A) foi criado para facilitar essa comunicação, e a experimentação prévia com agentes e orquestração no Learning Prototype ajuda a compreender e aplicar o protocolo.
47:08 – 47:36Assistir
Um agente pode ser utilizado com diferentes tecnologias de orquestração, como CrewAI e LangGraph?
Sim. A estrutura de agentes pode ser implementada com diferentes tecnologias, e os agentes podem acessar recursos por meio do MCP, embora essa forma de integração seja diferente de abordagens mais simples.
55:54 – 56:22Assistir