3.9 TRILHA 3 - AVANCADO ~50 min

Orquestracao Multi-Agente

Construa sistemas com multiplos agentes de IA trabalhando em conjunto. Aprenda a criar, coordenar e supervisionar um exercito de agentes especializados.

6 topicos | Nivel: Avancado | Pre-requisitos: Modulo 3.8
1

Exercito de Agentes

O que e:

Sistema com multiplos agentes de IA especializados trabalhando em conjunto. Cada agente tem funcao especifica (pesquisador, escritor, revisor, publicador) e colaboram para completar tarefas complexas.

Por que aprender:

Problemas complexos exigem especializacao. Um unico agente generico e limitado. Multi-agente permite divisao de trabalho inteligente e resultados superiores.

Conceitos-chave:

Multi-agent system, Agent specialization, Task distribution, Coordination, Collaborative AI.

Tipos de Agentes em um Sistema

Pesquisador
  • - Busca informacoes
  • - Web scraping
  • - Analise de dados
Criador
  • - Gera conteudo
  • - Escreve textos
  • - Cria imagens
Revisor
  • - Valida qualidade
  • - Corrige erros
  • - Aprova/rejeita
Executor
  • - Publica conteudo
  • - Envia emails
  • - Atualiza CRM
Monitor
  • - Acompanha metricas
  • - Detecta problemas
  • - Envia alertas
Orquestrador
  • - Coordena agentes
  • - Distribui tarefas
  • - Resolve conflitos

Arquitetura Multi-Agente

                    [Orquestrador]
                          |
        +-----------------+------------------+
        |                 |                  |
  [Pesquisador]     [Criador]          [Executor]
        |                 |                  |
        +-------->[Revisor]<---------+
                          |
                    [Monitor]
2

10 Niveis de Automacao IA

O que e:

Framework que categoriza automacoes de simples a complexas em 10 niveis. Cada nivel adiciona capacidades: de regras basicas ate sistemas autonomos que aprendem e evoluem.

Por que aprender:

Entender onde voce esta e para onde pode ir. Framework orienta aprendizado e permite planejar evolucao das automacoes de forma estruturada.

Conceitos-chave:

Automation maturity, Level progression, Capability assessment, Roadmap planning.

Os 10 Niveis

1
Manual: Sem automacao, tudo feito a mao
2
Trigger-Action: If-this-then-that simples
3
Multi-Step: Fluxos com multiplas acoes sequenciais
4
Branching: Routers e logica condicional
5
AI-Enhanced: LLM para processamento de texto
6
RAG: IA com conhecimento contextual
7
Single Agent: Agente autonomo com tools
8
Multi-Agent: Agentes colaborando entre si
9
Self-Improving: Sistema que aprende com feedback
10
Autonomous: Sistema que define proprios objetivos
3

Agentes especializados

O que e:

Criar agentes focados em tarefas especificas com prompts, tools e conhecimento dedicados. Um agente pesquisador, outro escritor, outro revisor - cada um excelente em uma coisa.

Por que aprender:

Agente generalista e mediocre em tudo. Agente especialista e excelente em algo. Composicao de especialistas gera excelencia geral.

Conceitos-chave:

Agent roles, Specialization design, Task boundaries, Expertise focus, System prompt engineering.

Templates de Agentes Especializados

Agente Pesquisador
System Prompt:
Voce e um pesquisador especializado em [nicho].
Sua funcao e encontrar informacoes precisas e atuais.
SEMPRE cite fontes. NUNCA invente dados.
Tools: web_search, scrape_url, read_document
Agente Escritor
System Prompt:
Voce e um copywriter especializado em [tipo].
Escreva de forma clara, engajante e persuasiva.
Siga o tom de voz: [descricao do tom].
Tools: generate_text, rewrite, expand_outline
Agente Revisor
System Prompt:
Voce e um editor rigoroso.
Verifique: gramatica, clareza, tom, fatos.
Aponte problemas especificos com sugestoes.
Output: lista de correcoes ou "APROVADO"
4

Coordenacao entre agentes

O que e:

Sistemas e padroes para agentes passarem tarefas entre si, compartilharem contexto, resolverem conflitos e trabalharem em harmonia. O "cola" que une o exercito.

Por que aprender:

Multi-agente sem coordenacao e caos. Orquestracao transforma caos em fluxo. A diferenca entre time disfuncional e time de alta performance.

Conceitos-chave:

Agent communication, Task handoff, Shared memory, Conflict resolution, State management.

Padroes de Coordenacao

Pipeline

Agentes em sequencia, output vira input do proximo

A -> B -> C -> D
Hub-and-Spoke

Orquestrador central distribui e coleta

O <-> A, B, C, D
Voting

Multiplos agentes dao opiniao, maioria vence

A, B, C -> Vote -> Result
Debate

Agentes discutem ate consenso

A <-> B until agree

Implementacao no Make

Cenario Orquestrador:
1. Webhook recebe tarefa
2. Chama cenario "Pesquisador" via HTTP
3. Com resultado, chama cenario "Escritor"
4. Resultado vai para cenario "Revisor"
5. Se aprovado -> cenario "Publicador"
   Se rejeitado -> volta para "Escritor"
6. Retorna status final

Cada agente = cenario separado
Comunicacao = webhooks + HTTP requests
5

GPT que fala com Make

O que e:

Custom GPT na OpenAI que usa function calling para executar acoes no Make. Usuario conversa naturalmente com o GPT, que traduz em chamadas de webhook que disparam automacoes.

Por que aprender:

Interface mais natural para automacoes. Usuario conversa, sistema executa. Democratiza acesso a automacoes complexas para qualquer pessoa.

Conceitos-chave:

Custom GPT, Function calling, Make actions, Conversational interface, OpenAPI schema.

Como Configurar

  1. Crie cenario Make com webhook que aceita POST
  2. Defina parametros esperados (ex: acao, dados)
  3. Crie Custom GPT no ChatGPT
  4. Em "Actions", adicione schema OpenAPI apontando para webhook
  5. Configure system prompt explicando as acoes disponiveis
  6. Teste conversando com o GPT

Exemplo de Schema OpenAPI

{
  "openapi": "3.0.0",
  "info": {"title": "Make Actions", "version": "1.0"},
  "servers": [{"url": "https://hook.us1.make.com"}],
  "paths": {
    "/xxxx": {
      "post": {
        "operationId": "executeAction",
        "summary": "Executa acao no Make",
        "requestBody": {
          "content": {
            "application/json": {
              "schema": {
                "type": "object",
                "properties": {
                  "action": {"type": "string"},
                  "parameters": {"type": "object"}
                }
              }
            }
          }
        }
      }
    }
  }
}
6

Autonomia e supervisao

O que e:

Balancear quanto agentes podem fazer sozinhos vs quando precisam de aprovacao humana. Definir guardrails, limites e checkpoints para controle sem eliminar beneficios da automacao.

Por que aprender:

Autonomia total e arriscado (erros caros). Supervisao total anula beneficios (muito trabalho). Equilibrio correto maximiza valor com risco controlado.

Conceitos-chave:

Human-in-the-loop, Approval workflows, Risk thresholds, Guardrails, Escalation rules.

Matriz de Autonomia

Acao Risco Autonomia
Gerar rascunho de post Baixo Automatico
Publicar em redes Medio Aprovacao rapida
Responder cliente Medio Aprovacao/template
Enviar proposta comercial Alto Sempre humano
Transacao financeira Muito Alto Multi-aprovacao

Guardrails Essenciais

  • 1. Limites de valor: Acima de X, precisa aprovacao
  • 2. Rate limits: Max N acoes por hora/dia
  • 3. Blacklist: Acoes/palavras que sempre bloqueiam
  • 4. Logging: Tudo registrado para auditoria
  • 5. Kill switch: Botao para parar tudo imediatamente

Proximo Modulo

3.10 - Projeto Final: Sistema Completo

Continuar ->
<- Modulo 3.8 Voltar para Trilha 3