Avancado
~45 min
5 itens
AI Agents
Progresso do Topico 0%
Este topico aparece nas seguintes trilhas:
Pre-requisitos recomendados:
AI Agents
Na engenharia de IA, agentes referem-se a sistemas ou componentes autonomos que podem perceber seu ambiente, tomar decisoes e executar acoes para atingir objetivos especificos. Agentes frequentemente interagem com sistemas externos, usuarios ou outros agentes para realizar tarefas complexas.
O Que Sao AI Agents?#
AI Agents representam uma evolucao significativa na forma como utilizamos modelos de linguagem. Em vez de simplesmente responder a prompts, um agente pode:
- Perceber o ambiente: Coletar informacoes de APIs, bancos de dados, arquivos ou interacoes com usuarios
- Raciocinar: Analisar a situacao e planejar uma sequencia de acoes
- Agir: Executar acoes concretas como chamar APIs, escrever arquivos ou enviar mensagens
- Aprender: Adaptar comportamento baseado em feedback e resultados
Tipos de Agentes#
1. Agentes Baseados em Regras#
O tipo mais simples, onde o comportamento e determinado por condicoes pre-definidas:
SE usuario_pergunta_sobre_preco ENTAO consultar_tabela_precos
2. Agentes Baseados em LLMs#
Utilizam modelos de linguagem para interpretar situacoes e decidir acoes:
- Mais flexiveis e adaptaveis
- Podem lidar com situacoes nao previstas
- Requerem prompts bem estruturados
3. Agentes Multi-Agente#
Sistemas onde multiplos agentes colaboram:
- Cada agente tem especializacao diferente
- Comunicam-se para resolver problemas complexos
- Exemplo: um agente pesquisa, outro analisa, outro escreve
Arquitetura de um AI Agent#
┌─────────────────────────────────────────┐
│ AI Agent │
├─────────────────────────────────────────┤
│ ┌─────────┐ ┌─────────┐ ┌─────────┐ │
│ │ Memory │ │ Planner │ │ Tools │ │
│ │ (RAG) │ │ (LLM) │ │ (APIs) │ │
│ └────┬────┘ └────┬────┘ └────┬────┘ │
│ │ │ │ │
│ └────────────┼────────────┘ │
│ │ │
│ ┌─────┴─────┐ │
│ │ Executor │ │
│ └───────────┘ │
└─────────────────────────────────────────┘
Componentes Essenciais#
1. Sistema de Memoria#
- Memoria de curto prazo: Contexto da conversa atual
- Memoria de longo prazo: Conhecimento persistente (frequentemente usando RAG)
2. Planejador#
- Decomposicao de tarefas complexas
- Selecao de ferramentas apropriadas
- Ordenacao de acoes
3. Ferramentas (Tools)#
- Funcoes que o agente pode chamar
- APIs externas, calculadoras, buscadores
- Acoes no mundo real (enviar email, criar arquivos)
Frameworks Populares#
LangChain Agents#
Python
from langchain.agents import create_react_agent
from langchain.tools import Tool
tools = [
Tool(name="Search", func=search_web, description="Busca na web"),
Tool(name="Calculator", func=calculate, description="Calculos matematicos")
]
agent = create_react_agent(llm, tools, prompt)
OpenAI Function Calling#
Python
functions = [
{
"name": "get_weather",
"description": "Obtem previsao do tempo",
"parameters": {
"type": "object",
"properties": {
"location": {"type": "string"}
}
}
}
]
Desafios e Consideracoes#
Seguranca#
- Agentes com acesso a ferramentas podem causar danos
- Sempre validar e limitar acoes possiveis
- Implementar sandboxing quando necessario
Custos#
- Loops de raciocinio consomem muitos tokens
- Balancear autonomia vs. eficiencia
Confiabilidade#
- Agentes podem entrar em loops infinitos
- Implementar timeouts e limites de iteracao
- Logging detalhado para debugging