← Voltar para o Dia 7: Agentes
Multi-agent Systems
O que é
Multi-agent Systems (sistemas multiagentes) são arquiteturas em que vários agentes, cada um com seu papel, ferramentas e instruções, colaboram para resolver uma tarefa.
A ideia é a mesma de uma equipe: em vez de um generalista fazendo tudo, especialistas dividem o trabalho.
Um agente só:
Agente → faz pesquisa, análise, redação e revisão
Multiagentes:
Pesquisador → Analista → Redator → RevisorComo funciona
Arquiteturas comuns:
Supervisor (hierárquica): um agente coordena os demais.
Supervisor
↙ ↓ ↘
Pesquisador Analista RedatorSequencial (pipeline): cada agente passa o resultado ao próximo.
Agente A → Agente B → Agente CHandoff: um agente transfere a conversa para outro mais adequado (padrão do OpenAI Agents SDK).
Triagem → "isso é financeiro" → Agente FinanceiroRede/colaborativa: agentes conversam entre si livremente (estilo AutoGen).
Frameworks populares: LangGraph, CrewAI, AutoGen, OpenAI Agents SDK. Protocolos como A2A (Agent-to-Agent) buscam padronizar a comunicação entre agentes de fornecedores diferentes.
Um exemplo
Tarefa: "Produza um relatório sobre concorrentes no mercado de CRM."
Supervisor divide a tarefa
↓
Agente Pesquisador (tool: busca web)
→ coleta dados de 5 concorrentes (em paralelo)
↓
Agente Analista (tool: Python)
→ compara preços e funcionalidades
↓
Agente Redator
→ escreve o relatório
↓
Agente Revisor
→ verifica fontes e consistência
↓
Supervisor entrega o resultadoPor que é importante
Vantagens:
- especialização: prompts e ferramentas focados funcionam melhor;
- contextos menores: cada agente vê só o que precisa;
- paralelismo: tarefas independentes rodam ao mesmo tempo;
- manutenção: dá para melhorar um agente sem mexer nos outros.
Desvantagens:
- custo e latência bem maiores (muitas chamadas ao LLM);
- falhas de comunicação entre agentes;
- depuração mais difícil.
A recomendação comum é: comece com um agente só. Passe para multiagentes quando houver ganho claro, como tarefas paralelizáveis ou domínios muito diferentes.