Desenvolvimento de agentes de IA
Agentes criados para os seus sistemas, com uma pessoa no comando
Projetamos e construímos agentes que realizam trabalho de várias etapas nas suas ferramentas. Eles leem o ticket, reúnem o contexto, redigem a alteração e param para revisão antes de publicá-la.
Construímos os agentes dos clientes da mesma forma que os nossos no Jobshout: ferramentas com esquemas rigorosos, loops limitados, aprovação humana e um rastro de cada etapa.
Agentes que construímos
Cada um recebe uma descrição de função, um responsável e uma lista do que não pode fazer.
Agentes de suporte
Fazem a triagem dos tickets recebidos, consultam o histórico de pedidos e da conta, redigem respostas baseadas nas suas políticas e encaminham qualquer caso incomum para uma pessoa.
Agentes de vendas e CRM
Enriquecem leads, atualizam o CRM após as chamadas, redigem follow-ups e sinalizam negócios parados. Nada chega a um cliente sem aprovação.
Agentes de operações e SRE
Leem alertas, logs e dashboards, resumem o incidente e propõem uma correção. A automação cresce passo a passo, apenas para as ações em que você confia.
Ler o artigo sobre o KubePilot: Agentes de operações e SREAgentes de processamento de documentos
Extraem campos de faturas, contratos e formulários, conferem-nos com os seus registros e enviam-nos ao sistema certo, com uma fila para tudo o que for incerto.
Ler o caso da declaração de IVA: Agentes de processamento de documentosAgentes de código e revisão
Revisam pull requests, escrevem testes e abrem alterações para os seus engenheiros fazerem o merge. O PR Reviewer do Jobshout faz isso nos nossos próprios repositórios.
Ver Jobshout: Agentes de código e revisãoFluxos multiagente
Um planejador distribui o trabalho entre agentes especializados e um supervisor verifica o resultado, tenta novamente ou escala. Útil quando uma tarefa atravessa vários sistemas.
Como construímos um agente
Um agente é um loop. O modelo escolhe uma ferramenta, a ferramenta é executada e o resultado volta ao modelo. A maioria das falhas vem do loop e não do modelo, por isso é aí que concentramos o esforço.
As ferramentas são tipadas e validadas antes de serem executadas. Os loops têm orçamentos de etapas, tempo e custo. Os prompts são versionados como código, e cada execução deixa um rastro que você pode ler.
- Planejador, executor, memória e supervisor como partes separadas
- Ferramentas orientadas a esquemas com validação rigorosa
- Novas tentativas determinísticas e loops limitados
Stack tecnológico
Escolhemos por projeto. Estas são as ferramentas que os nossos engenheiros usam e sobre as quais escrevem nos nossos artigos.
Modelos
- Claude via API da Anthropic ou Amazon Bedrock
- Modelos da OpenAI
- Modelos abertos: Llama, Mistral, Qwen, Kimi
Frameworks de agentes
- Claude Agent SDK e subagentes do Claude Code
- LangChain e LangGraph
- AutoGen
- Airflow 3 para pipelines agendados
Integração
- Servidores MCP com OAuth
- Conectores REST e webhook
- Amazon Bedrock AgentCore
Hospedagem e inferência
- vLLM, TGI e Ollama para modelos auto-hospedados
- Kubernetes e k3s
- Amazon Bedrock e Azure AI Foundry
Memória e recuperação
- Busca vetorial, incluindo NebulaDB
- Armazenamentos chave-valor para o estado do agente
- Recuperação com citação das fontes
Observabilidade
- Rastros do OpenTelemetry
- Métricas do Prometheus
- Orçamentos de custo e latência por agente
Salvaguardas
Os limites fazem parte do design. Nós os colocamos por escrito antes de começar a construção.
Aprovação humana
Ações que enviam, gastam ou excluem aguardam uma pessoa designada. O agente pode redigir. Ele só age sozinho nas etapas que você decidiu que são seguras para automatizar.
Credenciais com escopo limitado
Os agentes nunca guardam chaves de longa duração. O WSL Vault emite credenciais de curta duração por agente e por tarefa, e registra cada uso.
Controles na borda
O tráfego de modelos e ferramentas pode passar pelo WSL Proxy, que adiciona regras de WAF, limites de taxa e uma trilha de auditoria na borda.
Listas de permissões e orçamentos
Cada agente recebe uma lista explícita de ferramentas e fontes de dados, além de limites de etapas, tempo e custo para cada execução.
Avaliação e implantação
Um agente está pronto quando passa nos testes em produção, não quando a demo funciona.
Criar um conjunto de avaliação
Exemplos reais do seu trabalho, cada um com a resposta que um bom colega daria. Cada alteração é pontuada com base neles.
Rastrear e medir
Sucesso da tarefa, erros de ferramentas, latência e custo por execução, extraídos dos rastros do OpenTelemetry.
Release por anéis
O Ring Promoter move cada release de int para test, acc e prod somente quando as verificações de saúde passam, e faz rollback quando falham.
Acompanhar em produção
Monitoramento, alertas e uma revisão regular de falhas e custos. Cada falha vira um novo caso de avaliação.
Perguntas sobre projetos de agentes
Vocês usam um framework ou constroem do zero?
Ambos. Se um framework como LangGraph ou o Claude Agent SDK se encaixa, nós o usamos. Se a tarefa é simples, um loop pequeno com ferramentas tipadas é mais fácil de testar e manter.
O agente pode rodar no nosso próprio hardware?
Sim. Hospedamos modelos abertos com vLLM ou Ollama nos seus servidores. Se você precisar das máquinas, nossa empresa irmã Workstation especifica e monta estações de trabalho e clusters de GPU.
Como vocês impedem que um agente faça algo prejudicial?
Ele só pode chamar as ferramentas da sua lista de permissões, com credenciais de escopo limitado, dentro de limites de etapas e custo. Tudo o que envia, gasta ou exclui aguarda aprovação, e cada execução é registrada.
De quem é o agente quando o projeto termina?
Seu. O código, os prompts, os conjuntos de avaliação e os runbooks ficam no seu repositório desde o primeiro commit.
Descreva uma tarefa que você quer que um agente faça
Responderemos com um design do agente, os riscos e como o comprovaríamos em um piloto.