Parte IV · Cap. 30 — Agente (Agentic AI)
Híbrida · Multimodal + ferramentas · LLM + loop de raciocínio/ação. Um modelo que planeja, age, observa e itera rumo a um objetivo — não apenas responde. Card:
../02-tipos-de-ia/06-hibrida-neuro-simbolica.kmd.
🎨 Figura
F-IV.30.0— O laço perceber-pensar-agir. Brief: ciclo fechado: LLM (pensar) → chamada de ferramenta (agir) → resultado (observar) → de volta ao LLM; memória ao lado; objetivo no topo.
1. Definição e história curta
Acopla um LLM (cap. 01) a um laço de controle com ferramentas, memória e planejamento. Linhagem: ReAct (2022) → AutoGPT → tool use Reflexion para corrigir rota ([metáfora]: não é introspecção consciente).
- Multiagente — vários agentes cooperando/verificando.
4. Insumos
- Hardware: inferência de LLM (GPU); orquestração em CPU.
- Dados: traces de uso de ferramenta, ambientes/sandboxes, eval de tarefas.
- Estruturas de dados: grafo de tarefas, memória vetorial, histórico de ações.
- Sistemas: runtime de ferramentas, sandbox, fila de ações, observabilidade.
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Definir tarefas-alvo, ferramentas disponíveis, limites de autonomia |
| 1 Dados | Traces de ações bem-sucedidas, ambientes de treino/eval |
| 2 EDA | Cobertura de cenários, taxa de sucesso por tipo de tarefa |
| 3 Modelagem | LLM base + esquema de ferramentas + política de planejamento/memória |
| 4 Treino | Pós-treino para tool use; RL de agente; fine-tune em traces |
| 5 Avaliação | Taxa de conclusão de tarefa, passos, custo, segurança |
| 5.5 Homologação | Red team de ações perigosas, sandbox, limites/permissões |
| 6 Produção | Loop com ferramentas reais; guardrails; aprovação humana em ações sensíveis |
| 7 Monitoramento | Sucesso, custo por tarefa, ações arriscadas, loops infinitos |
| 8 Retreino | Novos traces, novas ferramentas |
| 9 Governança | Autonomia, permissões, auditoria de ações, responsabilidade |
6. Capacidades, modos e modalidades
Intelectual + executivo: programação, pesquisa, automação de software, operação de computador, fluxos multi-etapa. Combina raciocínio do LLM com ação no mundo digital; base de assistentes que fazem, não só respondem.
7. Limites, riscos e ética
Erros compostos ao longo de muitos passos; ações irreversíveis; *prompt injection* via ferramentas/conteúdo; custo; necessidade de autorização e guardrails. Autonomia exige auditoria e limites claros.
8. Estado da arte e exemplos
Claude Code (agente de engenharia), agentes de computer use, frameworks multiagente; tendência: agentes mais confiáveis, verificação adversária, memória persistente e cooperação entre agentes.