Ir para o conteúdo

Lab 7.2: Arquitetura de um agente de IA

A seguir, vamos entender os componentes básicos de um agente de Inteligência Artificial, e as principais arquiteturas utilizadas atualmente.

Arquitetura básica de agente de IA:

Podemos equiparar um Agente de IA com um "assistente digital". Logo, os seus componentes devem emular como uma pessoa trabalha para resolver seus problemas. Abaixo, pontuamos e exemplificamos os principais componentes básicos da arquitetura de um AI Agent.

1. O Cérebro e Motor de Raciocínio (O LLM):

Este é o "cérebro" do agente, geralmente um Modelo de Linguagem Amplo (como GPT, Llama, Claude). Ele é responsável por "pensar".

  • O que faz: Interpreta o seu pedido em linguagem natural (ex: "faça um resumo das vendas do último trimestre"), raciocina e cria um plano de ação com os passos necessários para atingir o objetivo.

2. As Ferramentas (APIs, Funções e Habilidades):

São as "mãos e braços" do agente. Um cérebro sozinho não age no mundo real; ele precisa de ferramentas para executar tarefas.

  • O que faz: Permite que o agente interaja com outros sistemas. Cada ferramenta dá ao agente uma habilidade específica, como:

    • Acessar a internet para pesquisas.

    • Conectar-se a um banco de dados interno (um CRM ou ERP).

    • Executar um código Python para fazer cálculos.

    • Enviar um e-mail.

3. A Memória (Curto e Longo Prazo):

O Agente tem a capacidade de reter informações ao longo do tempo, melhorando sua capacidade de atuação e resposta de acordo com a complexidade do problema.

Existem dois tipos de memória:

  • Curto Prazo: Mantém o contexto da conversa e dos passos já executados na tarefa atual ("Ok, já consultei o banco de dados, agora preciso enviar o e-mail").

  • Longo Prazo: Armazena aprendizados de tarefas passadas para melhorar seu desempenho futuro, evitando repetir os mesmos erros.

4. Limitadores de comportamento:

Ponto crucial para identificar o que o Agent NÃO deve fazer. Os limitadores de comportamento são chamados de guardrails, e são peças fundamentais para melhorar a performance e acurácia do seu agent, evitando alucinações.

Veja alguns exemplos de aplicação dos guardrails

  • Filtrar linguagem ofensiva.

  • Não retornar resultados de busca que não sejam do ano atual.

  • Não gerar respostas com dados sensíveis.

Juntos, esses componentes permitem que um Agente de IA não apenas siga instruções, mas que entenda um objetivo, planeje como alcançá-lo e execute as ações necessárias de forma autônoma e traga resultados mais satisfatórios.

Principais arquiteturas empregadas na construção de AI Agents:

1. Arquitetura ReAct (Reason and Act - Raciocinar e Agir):

Esta é a arquitetura mais fundamental e popular para a maioria dos agentes de IA hoje. O nome descreve exatamente o que ela faz: o agente opera em um ciclo contínuo de raciocínio e ação.

Como Funciona:

  • Raciocinar (Reason): O agente recebe um objetivo e usa o LLM para "pensar em voz alta", descrevendo qual é o seu plano para o próximo passo e qual ferramenta usar.

  • Agir (Act): Ele executa a ação decidida (ex: faz uma busca na web, consulta uma API, etc.).

  • Observar (Observe): Ele recebe o resultado da ação.

  • Repetir: Ele analisa o resultado da observação e volta ao passo 1 para raciocinar sobre a próxima ação, até que o objetivo final seja alcançado.

  • Analogia: Pense em um detetive resolvendo um caso. Ele não sabe a solução final, então ele pensa ("Preciso verificar o álibi do suspeito"), age (faz uma ligação), observa o resultado (confirma o álibi) e, com base nisso, raciocina sobre o próximo passo.

Ideal para

Tarefas que exigem interação com ferramentas externas para coletar informações, como responder perguntas sobre eventos atuais, buscar dados em sistemas ou executar tarefas simples que dependem de APIs.

Ponto de Atenção

Pode se perder em tarefas muito longas ou complexas, pois não cria um plano completo no início.

2. Arquitetura Hierárquica (Sistemas Multi-Agente):

Esta é a arquitetura mais avançada e poderosa, envolvendo múltiplos agentes que colaboram para resolver um problema extremamente complexo.

Como Funciona:

  • Orquestração: Um "agente gerente" ou "orquestrador" recebe o objetivo principal.

  • Delegação: O gerente quebra o objetivo em várias subtarefas e as delega para "agentes especialistas", cada um com uma função específica (ex: um agente pesquisador, um agente programador, um agente redator, um agente revisor).

  • Execução e Colaboração: Os agentes especialistas executam suas tarefas, podendo até se comunicar entre si.

  • Síntese: O agente gerente coleta os resultados dos especialistas e os sintetiza para formar a solução final.

  • Analogia: Pense em um gerente de projetos construindo um prédio. Ele não assenta os tijolos nem instala a parte elétrica. Ele contrata e coordena uma equipe de especialistas (engenheiros, eletricistas, arquitetos) e integra o trabalho de todos para entregar o projeto final.

Ideal para

Metas muito abertas e complexas que exigem diferentes "habilidades", como "criar um plano de negócios completo para uma startup de IA", "desenvolver e testar um aplicativo web" ou "realizar uma pesquisa de mercado aprofundada".

Ponto de Atenção

É a arquitetura mais cara (pois usa mais chamadas de LLM) e complexa de implementar e gerenciar.

A seguir, vamos abordar as boas práticas para desenvolver AI Agents e como lidar com dados sensíveis.