Resumo do episódio 2 do "The Agent Factory" sobre sistemas…

INEMA

O episódio 2 do “The Agent Factory” fala sobre sistemas multiagentes, conceitos e padrões usados para construir arquiteturas de IA mais resilientes e escaláveis. Vou resumir os principais pontos de forma simples:

1. Software 3.0 e o papel dos agentes⌗

Antes: Software 1.0 (código tradicional) e 2.0 (treinar redes neurais).
Agora: Software 3.0 onde usamos prompts e contextos como o “novo código”.
LLMs são vistos como o novo sistema operacional e o gerenciamento de contexto (RAM limitada) virou crítico.

2. Context Engineering⌗

É a evolução do prompt engineering. Vai além de só criar prompts.
Três estratégias principais:
Isolar: enviar só dados relevantes para cada subagente.
Persistir: resgatar memórias úteis conforme relevância.
Comprimir: resumir contextos para caber no espaço limitado da LLM.

3. Quando usar multiagentes⌗

Agente único: bom para tarefas simples, mas falha quando acumula funções complexas.
Multiagente: essencial quando há múltiplas competências (como equipes humanas com especialistas diferentes).

4. Padrões de arquitetura multiagente⌗

Supervisor (Router):
Um agente coordena vários especialistas (ex: um pesquisador coleta dados, outro escreve o resumo).
Pode ser sequencial (passa de um para outro) ou paralelo (vários agentes trabalham ao mesmo tempo).
Fluxos Determinísticos:
Sequencial: estilo linha de montagem.
Circular: permite ciclos, como entre codificador e testador até passar nos testes.
Swarm (Enxame):
Todos os agentes se comunicam entre si (modelo caótico, mas muito flexível).
Mais colaborativo, menos controle central.

5. Ferramentas e avanços⌗

A2A Protocol (Agent to Agent): padrão open source para comunicação entre agentes de diferentes empresas.
A2A Inspector: ferramenta para debug e análise de conversas entre agentes.
Gemini CLI: traz o poder dos LLMs para o terminal com suporte a tarefas complexas.

6. Desafios e soluções⌗

Dificuldade em rastrear decisões na nuvem.
Solução: usar observabilidade com logs detalhados, rastreamento de tarefas (traces e spans) e ferramentas como OpenTelemetry e Google Cloud Trace.

Exemplo prático mostrado⌗

Sistema com 4 agentes: Orquestrador, Analista de Negócios, Engenheiro de Dados e BI Engineer.
Fluxo dinâmico: se o usuário pede ajuste no gráfico, o orquestrador só aciona o BI Engineer.

Multi Agent System - Software 3.0

chatgpt.com ↗