Agentes de IA

01

O que diferencia um agente de um chatbot?

Um cliente escreve no chat de atendimento de uma loja online: "O tênis que comprei ontem não serviu. Quero o reembolso." Na cena abaixo, alterne entre o chatbot e o agente.

Um chatbot recebe uma pergunta e escreve uma resposta. Um agente recebe um objetivo e continua trabalhando até alcançá-lo: pensa no que fazer, usa uma ferramenta para fazer de fato, olha o resultado e pensa de novo, várias vezes. O ponto principal é que ninguém define antes quais ferramentas usar nem em que ordem. Quem decide é o modelo, no caminho.

O poder de um agente vem das ferramentas. Mas um LLM só sabe escrever texto. Então, como ele consegue chamar um sistema de pedidos?

02

Como os agentes usam ferramentas (chamada de função)

Um LLM só escreve texto; ele não consegue se conectar sozinho a outros sistemas. Por isso o app envia ao LLM uma lista das ferramentas que ele pode usar, com uma descrição de cada uma: o nome, o que ela faz e quais valores recebe.

Ferramenta: order_lookup
Descrição: Retorna o status e o local de entrega do pedido de um cliente
Parâmetros: order_id (texto, obrigatório)

Quando o LLM decide que precisa de uma ferramenta para responder, ele ainda não responde. Em vez disso, devolve uma solicitação num formato definido, algo como "chame order_lookup com order_id 1042". Quem executa de verdade é o app, que devolve o resultado ao LLM, e o LLM escreve a resposta com base nesse resultado. Isso se chama chamada de função (function calling) ou chamada de ferramenta. Avance as mensagens na cena abaixo.

A descrição da ferramenta é a única pista que o modelo tem para escolhê-la, então deixe claro para que serve cada uma. E o app não deve confiar cegamente na ferramenta e nos valores que o LLM pede: antes de executar qualquer coisa, ele confere se a ferramenta é permitida e se os valores fazem sentido.

Chamar uma ferramenta uma vez é só o começo. O que um agente faz quando, como no reembolso do capítulo 1, precisa usar várias ferramentas em sequência e mudar de rumo conforme os resultados?

03

Pensar, agir, olhar o resultado (ReAct e planejamento)

O agente do capítulo 1 deu várias voltas em pensar → agir → observar. Escrever o que pensa (raciocinar), usar uma ferramenta com base nisso (agir) e levar o resultado para o próximo pensamento se chama ReAct, de reason + act. Escrever o raciocínio primeiro ajuda a escolher melhor o próximo passo, e olhar o resultado antes de pensar de novo permite corrigir o rumo se ele for para o lado errado.

Diante de um trabalho grande, o agente primeiro divide tudo em tarefas menores. Isso se chama planejamento (planning). A cena abaixo mostra um agente preparando uma viagem a trabalho. Avance até o fim uma vez; depois faça a reserva de hotel falhar e avance de novo.

Uma automação que só segue passos fixos para quando aparece algo inesperado. O agente viu o resultado "lotado", mudou o plano e foi procurar outro hotel. Conseguir mudar o próximo passo com base no que acabou de acontecer é justamente o motivo de usar um agente.

O outro lado é que um agente pode ficar preso repetindo a mesma ação para sempre. Por isso você define limites, como um número máximo de passos ou um teto de custo a partir do qual ele para.

Quando um agente trabalha muito tempo em algo, ou conversa várias vezes com o mesmo usuário, às vezes ele precisa lembrar o que aprendeu da última vez.