IA Agêntica: A Pilha de Engenharia de Agentes

O autor, um usuário do Habr, percebe que muitos candidatos a vagas de engenheiro Python agêntico enfrentam dificuldades com conceitos e ferramentas comuns na área. Para ajudar, ele fornece uma visão geral prática. Ele define um agente como uma entidade com um prompt, um LLM e ferramentas, mas crucialmente com um loop e feedback: o modelo decide cada próximo passo, agindo e observando resultados, ao contrário de uma cadeia pré-definida. Ele observa que, enquanto as cadeias têm uma rota fixa, os agentes têm um conjunto de capacidades e um objetivo, com a rota emergindo dinamicamente. O loop envolve declarações de ferramentas via esquema de API (JSON Schema), o modelo solicitando chamadas de ferramentas, e o runtime executando-as e retornando resultados ao contexto. Condições de parada, como o modelo decidir que a tarefa está concluída ou limites de iteração, são importantes. O PydanticAI é destacado como um framework type-safe para construir agentes, usando modelos Pydantic para validação de saída, ferramentas com anotações de tipo e docstrings, injeção de dependência via RunContext, e validadores de saída. O LangGraph é apresentado como uma abordagem baseada em grafos para fluxos de trabalho com estado, permitindo aprovação humana e checkpoints. O smolagents da Hugging Face usa agentes de código que escrevem código Python para execução. O CrewAI oferece uma abordagem baseada em papéis com agentes tendo papéis, objetivos e biografias, orquestrados em uma equipe. O artigo também menciona o MCP (Model Context Protocol), um padrão aberto da Anthropic para conectar ferramentas, descrito como USB-C para IA, permitindo interoperabilidade. O material tem como objetivo ajudar os leitores a passar em entrevistas, reconhecendo que o campo evolui rapidamente.