Enfim, o capítulo final. Até aqui, você entendeu a estrutura do agente, construiu o primeiro, conectou ferramentas, dividiu em vários, mediu com avaliação e protegeu com guardrails. Resta um tema — transformar isso em um "sistema de produção que roda todo dia". Neste capítulo, tratamos de como escolher o framework, os dois caminhos para construir com o Claude e os pontos-chave da operação: deploy, monitoramento, custo e confiabilidade. O desenho defensivo que você aprendeu no Capítulo 6, guardrails e segurança, dá frutos aqui, como operação.
A meta é "transformar o protótipo em um agente de produção que roda estável"
Do zero ou com framework
"Devo construir o agente com um framework ou escrever o laço eu mesmo?" — é a pergunta em que todos hesitam de início. A resposta é simples: enquanto é pequeno, aprenda o funcionamento fazendo do zero; quando crescer, ganhe produtividade com SDK ou framework. Montar a configuração mínima à mão no Capítulo 2 foi exatamente esse estágio de "primeiro entender fazendo do zero". Se você enxerga o miolo, mesmo que depois migre para um framework, opera mantendo a compreensão do que acontece. Ao contrário, delegar a um framework sem conhecer o funcionamento faz você ficar de mãos atadas quando empaca.
💡 Critério de decisão. Quando escrever você mesmo o laço, as chamadas de ferramenta e a gestão de estado começa a pesar, é o sinal para adotar um framework. Ao contrário, se ainda é pequeno e experimental, um código caseiro enxuto é mais rápido e aprofunda a compreensão. Adote não "porque é conveniente", e sim "porque reduz a duplicação".
Como escolher o framework
Há muitos frameworks, mas, antes de perseguir nomes e versões, é importante ter a régua de "com base em que escolher". As ferramentas mudam, mas este ponto de vista dura. Avalie os candidatos pelos 5 critérios a seguir.
Quanto mais alto, menos código para funcionar, mas menos visível o que acontece por dentro. Escolha pelo equilíbrio com aprendizado e debug.
Dá para encaixar laço e controle próprios? Quanto mais elaborado o requisito, mais rende um desenho flexível com saídas de escape.
A robustez de peças de integração, documentação, exemplos e comunidade. Achar informação quando empaca rende na prática.
Traz mecanismos de trace, log e avaliação? Sustenta de fábrica a "visibilidade" que você aprendeu no Capítulo 5?
Não fica preso demais a um modelo ou base específica? Facilidade de troca e conveniência do aprisionamento são um trade-off.
Organizar os exemplos representativos em categorias amplas melhora a visão. Orquestração genérica (bibliotecas que montam o processamento de LLM em cadeias ou grafos, o chamado grupo estilo LangChain), multiagente (frameworks focados na divisão e coordenação de vários agentes) e SDKs oficiais de cada empresa (kits que o provedor do modelo lança, otimizados para aquele modelo). Na maioria dos casos, eles não são excludentes e podem ser combinados.
📊 Escolha por "critério", não por nome. O mapa de forças dos frameworks se move rápido, e o padrão do ano passado não é necessariamente o de hoje. Justamente por isso, o certeiro é usar os 5 critérios acima como régua e aplicá-los aos seus requisitos. Os nomes concretos por categoria e como escolher entre eles, confira a formação mais atual em Comparação de frameworks de agentes de IA.
Duas opções para construir com o Claude
Este curso teve o Claude como eixo. Ao produtizar um agente com o Claude, há basicamente dois caminhos. Ambos são opções reais, e a diferença essencial é "quem hospeda o laço e o sandbox do agente".
O kit para rodar o laço, a execução de ferramentas e a gestão de estado do agente no seu ambiente (servidor ou container). O controle é fino e dá para integrar profundamente ao sistema existente.
Quando usar: quer acoplar fortemente a ambiente, ferramentas e dados próprios.
O modo em que o laço e o sandbox (ambiente de execução isolado) do agente são hospedados no lado do servidor pela Anthropic. Reduz o encargo de operar a base de execução e permite rodar num ambiente isolado e seguro.
Quando usar: quer reduzir a preocupação com o ambiente de execução e subir algo rápido e seguro.
Em linhas gerais, dá para captar pelo eixo quer controlar fino você mesmo, SDK; quer delegar a preocupação da operação, gerenciado. Ambos, sobre a base da capacidade do Claude, aproveitam diretamente a conexão de ferramentas, a avaliação e os guardrails que você aprendeu nos capítulos anteriores. Como a configuração concreta e o escopo de suporte podem mudar, deixamos os detalhes aos artigos explicativos e à documentação oficial.
💡 Primeiro o conceito; os detalhes, na fonte primária. "Girar o laço por conta própria (SDK)" ou "deixar hospedado (gerenciado)" — basta ter esse contraste na cabeça. Para os passos de implementação, veja Introdução ao Claude Agent SDK; para a ideia do modo gerenciado, O que são os Managed Agents. Como a especificação é atualizada, o seguro é, no fim, recorrer à documentação oficial como fonte primária.
Os pontos-chave da operação em produção
A diferença entre protótipo e produção está no salto de "funciona uma vez" para "continua funcionando". A demo se sustenta se der certo algumas vezes, mas a produção é exposta a entradas diárias, em volume e variadas. Fixemos, em 6 caixas, os pontos-chave que fazem diferença aqui.
Gerencie chaves por variáveis de ambiente e separe configuração de código. Publique de forma reproduzível (containers) e mantenha como reverter a qualquer momento.
Ligue à produção a observabilidade do Capítulo 5. Olhe sempre trace de cada passo, taxa de sucesso e latência e perceba anomalias cedo.
Torne o consumo de tokens visível e configure alertas de teto. Corte reexecuções inúteis e contextos longos demais, e use modelos conforme o uso.
Contando com tetos de API e falhas temporárias, persista com backoff exponencial (espaçar e tentar de novo). Evite retry infinito; defina um teto.
Salve e restaure com segurança o estado intermediário da conversa e do trabalho. Um desenho que retoma do ponto mesmo após uma queda sustenta tarefas longas.
Atualizações de modelo ou SDK, só depois de conferir o comportamento no conjunto de avaliação. Comparando antes e depois, não deixe escapar uma mudança silenciosa de qualidade.
⚠️ O custo é decidido pelo "desenho". Como o agente chama o modelo várias vezes por tarefa, é uma estrutura em que o custo salta fácil. Mande para o modelo barato as etapas em que ele basta e passe do contexto só o necessário — esses cuidados discretos rendem. Técnicas concretas de redução estão, bem práticas, em Otimização de custo em coding com IA, e se aplicam diretamente à operação de agentes.
Desenho para não desmoronar
Um agente em produção, uma hora, vai encontrar sem falta entradas inesperadas, falhas de API externa e caprichos do modelo. O importante não é "nunca falhar", mas montar de modo que, mesmo falhando, o dano não se espalhe e ele se recupere em silêncio. Vamos acabar de dar forma aos guardrails do capítulo anterior, como mecanismo de operação.
Não abra a todos de cara; comece por poucos usuários ou parte do tráfego. Se estiver bem, amplie; se estiver ruim, reverta na hora.
Quando ferramenta ou modelo não respondem, recue para uma rota alternativa ou uma resposta-padrão segura. Prefira a degradação parcial à parada total.
Antes de operações irreversíveis ou de grande impacto, intercale a confirmação de uma pessoa (ver Capítulo 6). Defina a fronteira em que a segurança deve vencer a velocidade.
Passar uma vez não é o fim. As tendências de entrada e o modelo mudam. Rode o conjunto de avaliação periodicamente e detecte a degradação de qualidade.
✅ Desenhe o "conserto silencioso". Um bom sistema de produção não vira alvoroço quando dá problema. O lançamento gradual mantém o impacto pequeno, o fallback faz a degradação parcial, o gate de aprovação evita o golpe fatal e a reavaliação antecipa a degradação. Só quando os quatro engrenam é que se "não desmorona".
O aprendizado daqui em diante
Por fim, um pouco sobre o que vem à frente. O ecossistema dos agentes — frameworks, SDKs, modelos, padrões de conexão — vai continuar se movendo numa velocidade feroz. A melhor solução de hoje não é necessariamente a melhor no ano que vem. Justamente por isso, o que se deve perseguir não é o nome da ferramenta da moda, mas o fundamento que não muda.
📊 O que vira ativo é o fundamento. Os 4 componentes (cérebro, ferramentas, memória, laço) do Capítulo 1, a avaliação e a observabilidade do Capítulo 5 e o desenho de segurança do Capítulo 6 — estes são o alicerce que vale por mais que qualquer framework vire moda. A cada nova ferramenta, você usa essa régua para enxergar depressa "o que isto está abstraindo". As ferramentas passam; o fundamento fica. A compreensão que você acumulou até aqui é o seu maior ativo.
Depois, é só colocar de fato uma coisa, por menor que seja, em produção. Rodar, medir, corrigir — a experiência de girar esse laço no seu próprio projeto vale mais do que qualquer material de estudo.
- Enquanto pequeno, aprenda do zero; quando crescer, ganhe produtividade com framework. Adote por "reduz duplicação", não por "é conveniente".
- Escolha o framework pelos 5 critérios abstração, liberdade, ecossistema, observabilidade e dependência de fornecedor. A régua, não o nome.
- Com o Claude, o Claude Agent SDK de laço próprio ou os Managed Agents hospedados. Escolha entre controle e praticidade.
- Os pontos-chave da produção são deploy, monitoramento, custo, retry, gestão de estado e atualização. E não desmorone com lançamento gradual, fallback, gate de aprovação e reavaliação.
- O ecossistema se move rápido. O fundamento — 4 elementos, avaliação e segurança — é o ativo que rende por muito tempo.
Parabéns pelos 7 capítulos. Você percorreu todo o caminho — projetar, construir, conectar, multiplicar, medir, proteger e operar um agente. Daqui em diante, é a sua vez de pôr a mão na massa no seu próprio produto.
Para quem quer dar um passo atrás de quem constrói e afiar o olhar de aproveitar a IA no trabalho.
Ir ao curso IA no trabalho →Para quem quer dominar ferramentas de coding como o Claude Code.
Ir ao curso Coding com IA →Para quem quer transformar o agente que criou em um produto de desenvolvimento solo lançado ao mundo.
Ir ao curso Desenvolvimento solo com IA →