Pular para o conteúdo
LabS Atlas
Solutis LabS
Entrar

Bancada Agentic AI

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.

A Bancada Agentic AI é a frente do Solutis LabS que explora o potencial de agentes autônomos capazes de executar tarefas complexas, adaptativas e colaborativas.

A inspiração da frente é deliberadamente simples de enunciar: múltiplos agentes colaborando e resolvendo problemas de forma autônoma. O objetivo técnico decorre dela, e o learning prototype que a sustenta é a construção de um sistema multiagente capaz de agir autonomamente a partir do ambiente, ou seja, capaz de observar, decidir e agir sem que cada passo seja disparado por uma pessoa.

É a mais nova das frentes contínuas do programa e nasceu de um conjunto anterior de explorações, os Agentic AI Challenges, em que a comunidade experimentou autonomia, memória e arranjos multiagentes antes que existisse uma Bancada dedicada ao tema. Essa origem explica o formato dos primeiros desafios publicados: desafios de aproximação, pensados para introduzir agentes a quem nunca tinha construído um, com recompensa em SOL$ e reconhecimento para quem os concluísse.

Os domain sets que sustentam o protótipo

O mapa de conhecimento da bancada, descrito em Domain Set, cobre seis blocos:

Domain SetFoco
Fundamentos de Agentic AIAutonomia, resiliência e adaptação
Multi-Agent SystemsArquiteturas distribuídas de agentes
Orquestração de AgentesCoordenação entre agentes
Memória e ContextoRecuperação e utilização de conhecimento histórico
Percepção e DecisãoObservação, raciocínio e ação
Transparência e GovernançaCustos, escalabilidade e explicabilidade

A ordem conta uma história: começa em fundamentos, passa pela arquitetura e pela coordenação, resolve o problema de memória, fecha em percepção e decisão e termina em governança. O último bloco não é um apêndice burocrático. Ele trata de custo, escalabilidade e explicabilidade, exatamente os três pontos que decidem se um sistema de agentes pode sair de um experimento e sustentar uso real.

Da aproximação à governança de agentes

A evolução da frente segue esse mesmo arco. Depois dos desafios de aproximação, o foco se desloca para a construção de agentes autônomos, a orquestração de múltiplos agentes e uma ênfase forte em AgentOps e governança, isto é, em como operar, observar e responsabilizar sistemas que tomam decisões sozinhos.

A formação prática da comunidade acontece principalmente por Workshop, com construção de agentes usando ferramentas de orquestração como N8N e frameworks de grafos de agentes como o LangGraph. A escolha por formatos mão na massa é coerente com o tema: agentes são difíceis de entender apenas por descrição, porque o comportamento interessante só aparece quando o sistema encontra um caso que ninguém previu.

Como participar da frente

Os caminhos de entrada são os mesmos de qualquer bancada, com um peso maior no Mural de Desafios, já que a frente usou os desafios como porta de entrada desde o início. Quem prefere um caminho mais estruturado acompanha os workshops e as sessões da bancada; quem quer se aprofundar entra no Learning Prototype em construção.

Na identidade visual do programa, a bancada é representada pelo planeta azul, na faixa de azul e ciano que também é o acento assinatura do estilo do LabS.