← Voltar para o Dia 7: Agentes
Observations
O que é
Observation (observação) é o resultado que volta para o agente depois de uma ação. É o feedback do ambiente: o retorno de uma API, as linhas de uma consulta SQL, o texto de uma página, uma mensagem de erro.
Action → o agente faz algo
Observation → o agente vê o que aconteceuSem observações, o agente agiria "às cegas". São elas que permitem ajustar o plano.
Como funciona
Depois que a aplicação executa a ferramenta, o resultado é adicionado ao contexto (normalmente como uma mensagem do tipo "tool result"). Na próxima iteração, o LLM lê esse resultado e decide o próximo passo.
Thought: "Vou buscar o cliente"
Action: buscar_cliente(cpf="123")
Observation: {"erro": "CPF não encontrado"}
Thought: "Talvez o CPF esteja formatado errado. Vou tentar com pontuação."
Action: buscar_cliente(cpf="000.000.001-23")
Observation: {"nome": "Maria", "plano": "Premium"}Repare que a observação de erro foi útil: ela permitiu ao agente corrigir o próprio caminho.
Um exemplo
Um agente que escreve código:
Action: executar_python("print(soma([1,2,3]))")
Observation: NameError: name 'soma' is not defined
Thought: "Preciso usar sum()"
Action: executar_python("print(sum([1,2,3]))")
Observation: 6Por que é importante
A qualidade das observações afeta diretamente a qualidade do agente.
Boas práticas:
- retornos concisos: devolver só o que é útil (um JSON de 5.000 linhas consome contexto e confunde o modelo);
- erros informativos: "CPF deve ter 11 dígitos" ajuda mais que "Erro 400";
- formato consistente: o modelo interpreta melhor estruturas previsíveis;
- cuidado com Prompt Injection: uma observação vinda da web ou de um documento pode conter instruções maliciosas. O agente deve tratá-la como dado, não como ordem.