Uma visão geral em camadas dos principais conceitos de IA agente. Vamos entendê-lo camada por camada. 1) LLMs (camada de fundação) No núcleo, você tem LLMs como GPT, DeepSeek, etc. Ideias centrais aqui: - Parâmetros de tokenização e inferência: como o texto é dividido em tokens e processado pelo modelo. - Engenharia rápida: projetando entradas para obter melhores resultados. - APIs LLM: interfaces programáticas para interagir com o modelo. Este é o motor que alimenta todo o resto. 2) Agentes de IA (construídos em LLMs) Os agentes envolvem LLMs para dar a eles a capacidade de agir de forma autônoma. Principais responsabilidades: - Uso de ferramentas e chamada de função: conectando o LLM a APIs/ferramentas externas. - Raciocínio do agente: métodos de raciocínio como ReAct (raciocínio + ato) ou Cadeia de Pensamento. - Planejamento e decomposição de tarefas: dividir uma grande tarefa em tarefas menores. - Gerenciamento de memória: acompanhar o histórico, o contexto e as informações de longo prazo. Os agentes são os cérebros que tornam os LLMs úteis em fluxos de trabalho do mundo real. 3) Sistemas agenciais (sistemas multiagentes) Ao combinar vários agentes, você obtém sistemas agenciais. Características: - Comunicação entre agentes: agentes conversando entre si, fazendo uso de protocolos como ACP, A2A, se necessário. - Roteamento e agendamento: decidir qual agente lida com o quê e quando. - Coordenação do estado: garantir consistência quando vários agentes colaboram. - RAG multiagente: usando geração aumentada por recuperação entre agentes. - Funções e especialização do agente: Agentes com propósitos exclusivos - Estruturas de orquestração: ferramentas (como CrewAI, etc.) para criar fluxos de trabalho. Essa camada é sobre colaboração e coordenação entre os agentes. 4) Infraestrutura Agêntica A camada superior garante que esses sistemas sejam robustos, escaláveis e seguros. Isso inclui: - Observabilidade e registro: rastreamento de desempenho e resultados (usando estruturas como DeepEval). - Tratamento de erros e novas tentativas: resiliência contra falhas. - Segurança e controle de acesso: garantindo que os agentes não ultrapassem. - Limitação de taxa e gerenciamento de custos: controle do uso de recursos. - Automação do fluxo de trabalho: integração de agentes em pipelines mais amplos. - Controles human-in-the-loop: permitindo supervisão e intervenção humana. Essa camada garante confiança, segurança e escalabilidade para ambientes corporativos/de produção. A IA agente, como um todo, envolve uma arquitetura empilhada, em que cada camada externa adiciona confiabilidade, coordenação e governança sobre as camadas internas.