Introdução a Agentes

O que é um Agente

Diferenças práticas entre chatbot, assistente e agente orientado a tarefas.

Intermediário 25 min 25 pontos Leitura 0%

Nesta aula você vai

  • Classificar chatbot vs assistente vs agente
  • Identificar quando adicionar tools vale a pena
  • Evitar over-engineering prematuro

O que é um Agente

Objetivos

  • Entender o conceito moderno de agente sem buzzword
  • Saber quando seu chatbot já virou agente

Todo mundo quer um "agente de IA"

O termo virou moda. Slide de vendas promete "agente autônomo que resolve tudo". Na prática, muitos projetos só precisam de FAQ com cache — e está tudo bem.

Nesta aula separamos três níveis de maturidade. O objetivo não é impressionar com jargão; é saber quando dar o próximo passo — e quando não dar.

Três níveis

Nível Capacidade Exemplo
Chatbot Só texto, sem dados externos FAQ estático via prompt
Assistente Memória + contexto do usuário Lembra nome, histórico da sessão
Agente Decide e executa ações via tools Busca pedido real no ERP e responde status

A diferença chave do agente: loop percepção → decisão → ação → observação.

Usuário: "Meu pedido saiu?"
  → LLM: preciso de buscar_pedido
  → Código: GET /internal/orders/8842
  → LLM: formata resposta com dado real

Sem a tool, o modelo inventa status. Com a tool, ele consulta e depois explica — como um atendente que olha o sistema antes de falar.

Comparação lado a lado:

Chatbot: "Seu pedido provavelmente está a caminho!"
Agente: "Pedido 8842 enviado em 12/06. Rastreio BR123456789."

O que NÃO define agente

  • Ter nome cute no UI ("Luna", "Max")
  • Usar LangChain/CrewAI
  • Responder em markdown bonito
  • Dizer "Como agente de IA, vou..."

Marketing não muda arquitetura. Agente é código que executa ação baseada na decisão do modelo.

Agente mínimo viável (este curso)

  1. LLM com system prompt de domínio
  2. Uma função registrada (buscar_pedido, listar_produtos, buscar_faq)
  3. Parser de intenção: LLM retorna JSON { "tool": "...", "args": {...} } ou function calling nativo da API
  4. Seu código executa tool e devolve resultado ao LLM
  5. LLM gera resposta final ao usuário

Sem orquestrador multiagente. Sem autonomia infinita. Uma tool bem feita já entrega valor real.

Diálogo de escopo:

CEO: "Quero cinco agentes especializados."
Tech lead: "Começa com um que consulta pedido. Funciona? Mede. Depois expande."
CEO: "E o LangChain?"
Tech lead: "Depois que entendermos o loop sem framework."

Quando NÃO criar agente

  • FAQ com 20 perguntas fixas → cache + busca, LLM opcional
  • Relatório batch noturno → script ETL, não agente
  • Tarefa 100% determinística → código tradicional

Agente brilha em linguagem natural + dados dinâmicos — quando o usuário pergunta de mil formas e a resposta depende do sistema ao vivo.

Resumo

  • Agente = LLM + tools + loop de decisão
  • Assistente com memória ainda não é agente até agir no mundo real
  • Comece com uma tool bem definida

Na próxima aula detalhamos as tools — como expor funções do seu sistema ao modelo com segurança.