Um agente de IA é um sistema de software construído em torno de um grande modelo de linguagem (LLM) que pode prosseguir objetivos por conta própria, em vez de apenas responder a um prompt de cada vez. Observa a entrada, raciocina sobre o que fazer a seguir e executa ações, como chamar uma API, pesquisar na web, executar código ou escrever numa base de dados, avaliando depois o resultado e decidindo o próximo passo. Este ciclo de perceber, raciocinar e agir é o que distingue um agente de um simples chatbot.
Como funciona um agente de IA
A maioria dos agentes de IA combina três ingredientes: um modelo de base como núcleo de raciocínio, um conjunto de ferramentas que o modelo pode invocar e um ciclo de controlo que mantém o modelo a trabalhar até a tarefa estar concluída. Quando recebe um objetivo, o LLM normalmente produz um plano, seleciona uma ferramenta, observa o resultado dessa ferramenta e atualiza o plano. Este padrão é frequentemente designado por ReAct, abreviatura de raciocínio mais ação.
Por exemplo, um agente ao qual se pede para "resumir as reclamações de clientes desta semana" pode listar ficheiros recentes, ler cada um, extrair temas com uma chamada a um modelo de linguagem e escrever um relatório num documento, tudo sem que um humano escolha cada passo. Muitos agentes também mantêm memória de curto ou longo prazo para poderem transportar contexto entre interações e recuperar de erros. Frameworks como LangGraph, o OpenAI Agents SDK e a API de uso de ferramentas da Anthropic expõem estas primitivas aos programadores.
Por que é importante
Os agentes de IA transformam os modelos de linguagem de respondedores passivos em sistemas capazes de concluir fluxos de trabalho reais, razão pela qual o termo "IA agêntica" se espalhou rapidamente pelo software empresarial. São usados em assistência à investigação, copilots de programação que abrem pull requests, bots de apoio ao cliente que consultam dados de conta e tarefas operacionais como agendamento ou introdução de dados. Como os agentes podem encadear ações e usar ferramentas, também podem falhar de formas novas, através de chamadas de ferramenta erradas, loops infinitos ou injeção de prompts a partir de conteúdo não confiável, pelo que são geralmente implementados com barreiras de proteção, revisão humana e permissões limitadas.
Tipos principais
- Utilizadores de ferramentas de passo único: modelos que fazem uma ou duas chamadas a ferramentas para responder a uma pergunta, como um chatbot que pesquisa na web uma única vez.
- Agentes de tarefas multi-passo: sistemas que planeiam e executam várias ações em sequência, como um agente de investigação que lê, resume e escreve um relatório.
- Sistemas multi-agente: configurações em que agentes especializados passam trabalho entre si, por exemplo um planeador, um programador e um revisor a colaborar numa tarefa de software.
- Agentes de uso computacional e agentes incarnados: agentes que conduzem um navegador, controlam um desktop ou operam robôs ao traduzir objetivos em ações de interface ou físicas.
À medida que os modelos de base melhoram no raciocínio estruturado e no uso de ferramentas, os agentes de IA estão a passar de demonstrações para sistemas em produção que tratam trabalho de ponta a ponta, embora a fiabilidade, a avaliação e a segurança continuem a ser as partes mais difíceis.