Nos últimos anos, a IA superou a fase de apenas "responder perguntas" e passou a, dado um objetivo, pensar sozinha nos passos, usar ferramentas e executar várias etapas até concluir a tarefa. Isso é um agente de IA. As consultas de empresas para adoção dispararam e tecnologias de conexão como o MCP se espalharam de uma vez. Este é um curso prático voltado a desenvolvedores para projetar e construir você mesmo esses agentes de IA. Em 7 capítulos, ele guia da compreensão do funcionamento ao primeiro agente, à integração com MCP, aos multiagentes, à avaliação, às medidas de segurança e à operação em produção.
A meta é "construir e operar com segurança uma IA que age sozinha ao receber um objetivo"
O que é um agente de IA
Um agente de IA é um sistema de IA que, dado um objetivo (meta), pensa sozinho nos passos para alcançá-lo, chama ferramentas e executa várias etapas de forma autônoma. O chat tradicional apenas devolvia "uma resposta para uma pergunta", mas o agente roda um laço de "investigar, decidir, executar, verificar e, se preciso, refazer".
Por exemplo, ao pedir "compile as vendas da semana passada e monte um relatório", o agente conduz sozinho toda a sequência — ① achar onde estão os dados → ② obtê-los → ③ compilar → ④ redigir → ⑤ revisar o resultado —, incluindo as decisões pelo caminho. A característica é agir a partir do objetivo, sem que o humano precise instruir cada passo.
💡 A fronteira entre "chat esperto" e "agente". Se apenas conversa, é chat. Quando passa a agir sobre ferramentas e ambientes externos e decidir a próxima ação olhando o resultado, aí é um agente. Se o conceito ainda está nebuloso para você, comece por O que é um agente de IA (explicação básica) para seguir com mais fluidez.
Os 4 componentes de um agente
Qualquer agente, ao ser decomposto, é feito de 4 peças. Guardar essa estrutura na cabeça torna os capítulos seguintes bem mais fáceis de entender.
O centro que entende a situação e decide o que fazer a seguir. É o papel de um grande modelo de linguagem, como o Claude.
As mãos que agem no mundo externo: busca, cálculo, chamada de API, manipulação de arquivos. A qualidade das ferramentas define a capacidade.
Guarda o histórico e as informações obtidas. O desenho do contexto (context engineering) decide o sucesso ou o fracasso.
O mecanismo que repete "pensar → agir → ver o resultado". Inclui também decidir quando parar.
Neste curso, no Capítulo 2 vamos primeiro construir um agente mínimo combinando esses 4 elementos e, a partir do Capítulo 3, aprofundar um a um: ferramentas (MCP), memória (contexto) e controle (multiagentes, avaliação, segurança). Quem quiser conhecer mais a fundo o desenho de contexto pode consultar também Context engineering.
Diferença em relação a RPA e chatbots
"Mas em que isso difere do RPA ou dos chatbots de sempre?" — é uma dúvida comum. A diferença decisiva está em "executar passos predefinidos" ou "avaliar a situação e agir".
| Tipo | Como age | Forte em | Fraco em |
|---|---|---|---|
| RPA | Repete com exatidão passos definidos (mãos) | Rotineiro, em volume, rigoroso | Exceções, julgamento, mudança |
| Chatbot | Responde uma pergunta por vez (boca) | Conversa, orientação, resposta | Executar várias etapas |
| Agente de IA | Avalia a situação e age sozinho (cabeça + mãos) | Não rotineiro, julgamento, orquestração de ferramentas | Reprodutibilidade rigorosa, risco de descontrole |
📊 Não é rivalidade, é combinação. O agente "cabeça" decide e o RPA "mãos" executa com precisão — essa divisão de papéis é poderosa. Quem quiser saber mais sobre as diferenças, veja Agente de IA vs RPA; para os casos de uso no trabalho, vá a Exemplos de uso de agentes.
Quando construir um agente e quando não
O agente não é uma solução universal. Antes de construir, discernir "se um agente é realmente necessário" é o primeiro passo de um bom desenvolvedor.
- Os passos não podem ser fixados de antemão (mudam com a situação)
- Atravessa várias ferramentas e fontes de dados
- Exige julgamento e tentativa e erro
- Dá para detectar falhas e refazer (há testes e revisão)
- Os passos estão totalmente definidos (→ RPA ou código comum)
- Uma única chamada ao LLM basta (→ uso simples de API)
- Áreas em que o erro é inaceitável e não há como refazer
- Não há valor que justifique o custo e a latência
⚠️ Tente primeiro o método simples. Em vez de montar de cara um agente de vários estágios, a regra de ouro é subir os degraus: "um prompt único → se faltar, adicione uma ferramenta → se ainda faltar, um agente". Adicione complexidade só quando ela for necessária.
O mapa deste curso
Este curso tem 7 capítulos. Na ordem "conhecer → construir → conectar → multiplicar → medir → proteger → operar", ele avança até você conseguir projetar, construir e operar um agente.
Uma configuração mínima com os 4 elementos, na prática.
Ir ao Capítulo 2 →Conectar-se de forma padronizada a ferramentas e dados externos.
Ir ao Capítulo 3 →Dividir e coordenar tarefas entre vários agentes (A2A).
Ir ao Capítulo 4 →Medir a qualidade e tornar o comportamento visível.
Ir ao Capítulo 5 →Desenho para evitar descontrole, erro e uso indevido.
Ir ao Capítulo 6 →Da escolha do SDK ao deploy e à operação.
Ir ao Capítulo 7 →Antes de começar
Este curso é voltado a desenvolvedores. Ainda assim, não há por que se intimidar. Com os pré-requisitos abaixo, dá muito bem para acompanhar.
Ler e escrever um pouco de Python ou JavaScript já basta. Não é preciso conhecimento aprofundado.
Um ambiente com acesso a uma API de IA como o Claude. O plano gratuito já serve para começar.
Tenha à mão um objetivo pequeno, algo como "pesquisar e resumir alguma coisa".
✅ Se você só quer "usar" sem escrever código, vá a outro curso. Se a intenção é apenas aproveitar agentes no trabalho, o curso "IA no trabalho" é o caminho; se quer montar rápido algo que funcione, Como construir um agente de IA (introdução) é um atalho. Este curso é para desenvolvedores que querem "projetar e construir por conta própria".
- Agente de IA = uma IA que, dado um objetivo, pensa nos passos, usa ferramentas e executa de forma autônoma.
- São 4 os componentes — cérebro (LLM), ferramentas, memória e laço (controle).
- RPA (mãos, rigoroso) / chatbot (boca, uma pergunta por vez) / agente (cabeça + mãos, julgamento) têm papéis diferentes, e a combinação é forte.
- Antes de construir, discirna "se um agente é realmente necessário". Comece pelo método simples e suba os degraus.
Então, mãos à obra. No próximo Capítulo 2 "Construir o primeiro agente", vamos colocar de fato para rodar um agente mínimo com os 4 elementos combinados.