Análises Frameworks de agentes e automação
Um agente ou uma equipe? Como escolher a arquitetura de um agente de IA, e quando mais agentes pioram o resultado
Por ReviewRamble editors ·
A maioria dos produtos de IA que se apresentam como agentes funcionaria melhor, e custaria menos, como um trecho curto de código comum que chama um modelo duas ou três vezes. As formas de construir com modelos de linguagem vão de uma receita fixa a uma equipe de modelos que trocam mensagens entre si, e cada degrau acima compra flexibilidade com dinheiro, velocidade e previsibilidade. Aqui está o que cada padrão faz, quando ele merece seu lugar e as evidências de que adicionar agentes muitas vezes piora a resposta.
Nossa posição é simples. Comece pelo desenho mais simples que resolve o trabalho. Passe para um único agente quando você não conseguir escrever os passos. Passe para vários agentes só quando puder nomear a falha que um agente comete repetidamente, e mostrar que dividir o trabalho a corrige.
A primeira pergunta: quem escolhe o próximo passo?
Cada desenho deste texto responde de um jeito diferente a uma pergunta: é o seu código que decide o que acontece a seguir, ou é o modelo? O guia de engenharia da Anthropic, Building effective agents, traça a linha com clareza. Um workflow é um sistema em que modelos e ferramentas são "orquestrados por caminhos de código predefinidos". Um agente é um sistema em que o modelo dirige "seus próprios processos e o uso de ferramentas". Nosso verbete do glossário sobre workflow versus agente explica a diferença em mais detalhes.
Pense no serviço de lembretes de um consultório odontológico e numa agência de viagens. O serviço de lembretes executa os mesmos três passos toda noite: buscar as consultas de amanhã, escrever uma mensagem educada, enviá-la. Ninguém quer que esse software improvise. O trabalho da agência de viagens muda a cada ligação: o voo está lotado, então veja o trem, o que empurra a reserva do hotel em um dia. O workflow é o serviço de lembretes. O agente é a agência de viagens, e o julgamento dela se paga em tokens, tempo e uma ou outra curva errada.
O guia da Anthropic vai além do que a maioria dos fornecedores iria. A abordagem mais simples, diz o texto, "pode significar não construir sistemas agênticos", e para muitas aplicações basta uma única chamada ao modelo bem preparada, com busca de documentos e alguns exemplos no prompt.
Cinco workflows que cobrem a maioria dos produtos
Encadear prompts: uma tarefa pequena por chamada
Uma cadeia divide a tarefa em passos, e cada chamada ao modelo trabalha sobre a saída da anterior. A gravação de uma ligação de vendas vira um resumo, o resumo vira uma lista de retornos prometidos e a lista vira um rascunho de e-mail. Entre os passos, código comum pode servir de controle: se o resumo não cita data para a próxima reunião, a cadeia para e sinaliza isso em vez de enviar um e-mail que invente uma.
A troca, nas palavras da Anthropic, é latência por precisão. Cada chamada tem uma tarefa mais fácil, então erra menos, e o conjunto demora mais. Quando um único prompt insiste em ignorar uma de seis instruções, uma cadeia costuma ser a solução.
Roteamento: uma recepção antes dos especialistas
Um roteador lê o pedido, decide de que tipo ele é e o envia pelo caminho correspondente. Uma caixa de suporte separa reembolsos, trocas de senha e reclamações em prompts distintos, cada um ajustado à sua tarefa, de modo que melhorar a resposta sobre reembolsos não consegue estragar em silêncio a de senhas. O mesmo truque manda perguntas fáceis para um modelo pequeno e barato e as difíceis para um grande, como explica nosso verbete sobre roteamento de LLM.
Tudo depende da triagem. Um roteador que classifica um estorno como pergunta sobre senha manda a um cliente já irritado as instruções erradas com total confiança, então meça o classificador sozinho antes de confiar no que vem depois dele.
Paralelização: divisão em seções e votação
Alguns trabalhos se dividem em partes que não dependem umas das outras, e essas partes podem rodar ao mesmo tempo, com código juntando os resultados. A Anthropic descreve duas versões.
Na divisão em seções, cada chamada recebe uma parte diferente do trabalho. O contrato de aluguel de um inquilino vai para três chamadas ao mesmo tempo: uma lê o aluguel e o depósito, outra as obrigações de reparo, outra a cláusula de rescisão. Cada uma lê uma só coisa com toda a atenção, e um passo final, em código, monta o relatório. Uma combinação comum põe uma chamada para filtrar abusos no pedido enquanto outra redige a resposta.
Na votação, várias chamadas recebem a mesma tarefa e as respostas são comparadas. Três revisões separadas de uma mudança de código em busca de falhas de segurança, com a regra de que um único alerta a envia para uma pessoa, encontram mais do que uma revisão. O limite é você quem define: um voto em três para um alerta de segurança, dois em três antes de ocultar a publicação de um cliente.
Avaliador-otimizador: um autor e um editor
Uma chamada escreve; uma segunda confere o resultado com critérios declarados e o devolve com anotações; o ciclo se repete até o revisor ficar satisfeito. Um restaurante que traduz o cardápio para o japonês é um bom exemplo: o avaliador confere que cada prato mantém o aviso de alérgenos, que os preços não mudaram e que nenhum nome de prato foi traduzido ao pé da letra até virar bobagem.
A Anthropic aponta dois sinais de que o padrão serve: o retorno de uma pessoa melhoraria claramente o rascunho, e um modelo consegue dar esse tipo de retorno sozinho. Onde nenhum dos dois vale, o editor aprova tudo ou implica sem fim. Imponha um limite rígido de rodadas, e veja nosso verbete sobre LLM como juiz para entender como um modelo avaliador erra.
Orquestrador e trabalhadores: a dobradiça
A Anthropic classifica este entre os workflows, mas é o ponto em que o modelo começa a escrever o plano. Um modelo principal lê a tarefa, decide de quais partes precisa, entrega cada uma a uma chamada trabalhadora e combina o que volta. Diferente da divisão em seções, as partes não são fixadas de antemão: renomear um produto em todo um site pode significar mexer em três arquivos ou em trinta, e só lendo o código dá para saber. Ele volta mais abaixo, porque também é a forma habitual de um sistema multiagente.
O loop de um único agente
Quando você não consegue escrever os passos, dá ao modelo ferramentas e um objetivo e o deixa trabalhar em loop. A Anthropic descreve agentes como "normalmente apenas LLMs usando ferramentas com base no retorno do ambiente, em um loop". O padrão que a maioria segue vem de ReAct: Synergizing Reasoning and Acting in Language Models, um artigo de 2022 de Shunyu Yao e colegas de Princeton e do Google, publicado na ICLR 2023. O modelo alterna uma linha curta de raciocínio e uma ação: pensar, chamar uma ferramenta, ler o que voltou, pensar de novo.
Imagine uma encomenda perdida. O agente lê a página de rastreamento e vê o pacote parado num centro de distribuição, consulta os avisos desse centro, encontra uma suspensão de entregas, verifica se o pedido pode ser reenviado e redige um pedido de reembolso quando não pode. Ninguém conseguiria roteirizar esse caminho com antecedência, porque cada passo depende do que o anterior encontrou. No artigo, intercalar raciocínio e ações superou métodos de imitação e de aprendizado por reforço em 34 e 10 pontos de taxa de sucesso absoluta em duas tarefas interativas, ALFWorld e WebShop, com apenas um ou dois exemplos resolvidos no prompt.
É no loop que está a maior parte da engenharia. Nossos verbetes sobre o loop do agente, o ReAct e o harness do agente, o software em volta do modelo que executa as ferramentas e aplica as regras, descrevem as peças. Duas importam mais. Uma é uma condição de parada, como um número máximo de passos, para que um agente confuso não passe a noite gastando. A outra são as próprias ferramentas: o terceiro princípio da Anthropic é documentá-las e testá-las com o mesmo cuidado do prompt, porque uma descrição vaga de ferramenta é uma instrução vaga.
Planejar e executar: primeiro a lista
Um agente ReAct decide um passo de cada vez, o que é flexível e às vezes sem rumo: ele pode repetir uma busca, entrar numa rua lateral ou perder o objetivo de vista lá pelo passo vinte. Planejar e executar (plan-and-execute) separa o pensar do fazer. Um planejador escreve a lista inteira no início, um executor a percorre item por item e, depois de cada item ou quando algo falha, o planejador pode revisar o que falta.
É assim que uma pessoa sensata se muda: escreve a lista (reservar o caminhão, cancelar a internet, redirecionar a correspondência), vai riscando e reescreve a lista quando a transportadora está sem horário. O plano escrito dá a você algo para mostrar a um usuário, ou para uma pessoa aprovar, antes que qualquer coisa aconteça, e o executor muitas vezes pode ser um modelo menor e mais barato. O custo é um plano que envelhece. Se o planejador nunca olha de novo, o executor cumpre com zelo passos que deixaram de fazer sentido três itens atrás.
Orquestrador e trabalhadores, como equipe de agentes
Um sistema multiagente dá a vários agentes suas próprias instruções, ferramentas e contexto, e alguma forma de orquestração decide quem trabalha e quando. A forma comum é um agente principal que inicia subagentes, cada um com uma janela de contexto limpa, e junta os relatórios curtos deles.
O recurso de pesquisa da própria Anthropic é o caso público mais forte a favor. No relato de junho de 2025, um Claude Opus 4 no comando de subagentes Claude Sonnet 4 superou um único agente Opus 4 em 90,2% na avaliação interna de pesquisa da Anthropic. O mesmo texto mostra a conta: agentes usam cerca de quatro vezes os tokens de um chat, e sistemas multiagente cerca de 15 vezes. Na análise da Anthropic sobre o benchmark BrowseComp, o uso de tokens sozinho explicou 80% da variância no desempenho. Boa parte do ganho, em outras palavras, é a leitura extra que os agentes extras pagam. A Anthropic também diz que esses sistemas se encaixam mal quando os agentes precisam compartilhar o mesmo contexto ou dependem uns dos outros, e que a maioria das tarefas de programação tem menos partes realmente paralelas do que a pesquisa.
A pesquisa combina com o padrão porque é amplitude: dez empresas para investigar, cada uma independente das outras, cada uma gerando mais páginas do que cabem numa janela de contexto.
Transferências: passar a ligação a um especialista
Todo mundo conhece a ligação que dá errado na transferência. Você explica o problema à primeira pessoa, é transferido para o financeiro e recomeça do número da sua conta. Uma transferência (handoff) é o mesmo movimento entre agentes, e bem feita ela leva a conversa junto.
No OpenAI Agents SDK (4,4), uma transferência aparece para o modelo como uma ferramenta: a transferência para um agente de reembolso vira uma ferramenta chamada transfer_to_refund_agent, e chamá-la passa o controle. Por padrão, o novo agente "vê todo o histórico anterior da conversa", segundo a documentação de handoffs. Um input_filter pode cortar o que passa para o outro lado, e um callback on_handoff pode conferir o motivo que o modelo dá e interromper a transferência. A alternativa é um agente usado como ferramenta, em que o primeiro agente mantém o controle, faz ao especialista uma pergunta específica e recebe uma resposta, como um vendedor que liga para o estoque em vez de passar o telefone para você.
Transferências servem para uma recepção que encaminha conversas a especialistas, cada um dono das próprias ferramentas: o agente de reembolso pode emitir reembolsos e o de rastreamento de pedidos não. Essa separação de permissões é um motivo real para dividir. O risco é o outro lado de carregar o histórico: tudo o que o cliente disse, e cada resultado de ferramenta, viaja com a ligação a menos que você filtre.
Pontos de aprovação humana
Um agente pode parar e perguntar a uma pessoa antes de continuar, e a Anthropic conta isso como parte do padrão de agente: agentes "fazem uma pausa para receber o retorno humano em pontos de verificação ou quando encontram um bloqueio". Nosso verbete sobre human-in-the-loop descreve a mecânica, e o LangGraph (4,6) foi feito para agentes que precisam parar, manter seu estado depois de uma reinicialização e esperar que alguém aprove.
Ponha o ponto de verificação onde uma ação não pode ser desfeita: antes de o dinheiro sair, antes de um e-mail chegar ao cliente, antes de uma mudança ser mesclada. O agente de uma equipe financeira pode reunir faturas e preparar o lote de pagamentos sozinho; uma pessoa aprova o lote. Pedir aprovação a cada passo ensina as pessoas a clicar em sim sem ler, algo que examinamos em quem aperta sim quando um agente de IA pergunta. Poucos pontos bem colocados são lidos; dezenas por dia, não.
Quando mais agentes pioram os resultados
O teste mais cuidadoso da aposta multiagente até agora vem do Google Research, do Google DeepMind e do MIT. Em Towards a Science of Scaling Agent Systems, de Yubin Kim, Xin Liu e colegas, publicado pela primeira vez em dezembro de 2025 e resumido no blog do Google Research em janeiro de 2026, os autores compararam um único agente com quatro desenhos multiagente: agentes independentes cujas respostas são unidas no fim, um orquestrador central, pares que debatem e um híbrido dos dois últimos. Mantiveram iguais as ferramentas, os prompts e o orçamento de tokens, e usaram modelos da OpenAI, do Google e da Anthropic. A versão atual do artigo cobre 260 configurações em seis benchmarks.
Os resultados se dividem pelo formato da tarefa.
- O trabalho paralelo ganhou. No Finance Agent, um benchmark de análise financeira cujas perguntas se dividem em frentes separadas (notícias, documentos regulatórios, operações), um orquestrador central pontuou 80,8% melhor que um único agente, 0,631 contra 0.349.
- O trabalho sequencial perdeu, sempre. No PlanCraft, um quebra-cabeça de fabricação no Minecraft em que cada passo depende do anterior, todos os desenhos multiagente foram piores que um único agente: 39,1% pior no híbrido e até 70,0% pior com agentes independentes. O agente único marcou 0,568; os agentes independentes, 0.170.
- Erros se espalham sem quem confira. Agentes independentes amplificaram os erros 17,2 vezes em relação a um único agente, porque nada barrava o erro de um agente antes que chegasse à resposta final. Um orquestrador central conteve isso em 4,4 vezes ao conferir o trabalho antes de combiná-lo.
- Um agente único forte deixa pouco a ganhar. Quando um agente já acertava mais de cerca de 45% das vezes, adicionar agentes tendia a piorar os resultados.
- Tarefas cheias de ferramentas pagam um imposto. Com o orçamento de tokens fixo, dividi-lo entre agentes deixava cada um com pouco para lidar com muitas ferramentas. O exemplo do artigo é um fluxo de negócios com 16 ferramentas.
O próprio exemplo do artigo é a imagem mais clara. Encarregado de fabricar um muro de diorito, o agente único buscou a receita, moveu a pedra para a grade e fabricou o muro: três turnos. Uma equipe com coordenação central dividiu o mesmo trabalho entre um pesquisador de receitas, um conferente de inventário e um fabricante, dois deles redundantes, e gastou o orçamento em mensagens sobre o trabalho em vez de no trabalho. Quatro cozinheiros em volta de uma omelete.
A lição não é que equipes de agentes fracassam. Elas ajudam quando o trabalho se divide em partes independentes e algo confere as partes, e atrapalham quando o trabalho é uma cadeia de passos dependentes. Usando características mensuráveis da tarefa, o modelo do artigo escolheu o melhor desenho em 87% das configurações que não tinha visto, o que orienta melhor do que a demonstração de qualquer framework.
Uma ordem para decidir
- Teste uma única chamada ao modelo com boa busca de documentos e exemplos. Meça com 30 a 50 casos reais, como no nosso guia para testar apps e agentes de IA, antes de construir qualquer outra coisa.
- Se ela pula passos, encadeie. Se as entradas são de tipos diferentes, roteie. Se as partes são independentes, rode em paralelo; se um leitor deixa passar coisas, faça vários votarem. Se a qualidade tem um padrão verificável, adicione um avaliador com limite de rodadas.
- Se os passos não podem ser escritos, use um único loop de agente, com limite de passos, ferramentas bem descritas e logs que alguém lê.
- Se esse agente se perde, faça-o escrever um plano primeiro e revisar o plano pelo caminho.
- Adicione agentes só para uma falha que você consiga nomear: o material estoura uma janela de contexto, o trabalho se divide em buscas independentes, ou passos diferentes precisam de permissões diferentes. Ponha no comando um orquestrador que confere os resultados, nunca um monte de agentes independentes.
- Onde uma ação não puder ser desfeita, pare e pergunte a uma pessoa.
O que os frameworks pressupõem
Um framework empurra você para o padrão em torno do qual foi construído. O LangGraph (4,6) faz você desenhar o grafo explicitamente, o que combina com workflows e agentes de longa duração com etapas de aprovação, ao custo de mais código. O OpenAI Agents SDK (4,4) é pequeno, gira em torno de transferências e guardrails, e envia os traces para a OpenAI a menos que você desligue isso. O CrewAI (4,1) põe para rodar rápido uma equipe de agentes com papéis; nossa análise constatou que equipes em produção acabam escrevendo seus Flows fixos em vez de crews livres. O Pydantic AI (4,5) leva saídas tipadas a um único agente, e o Claude Agent SDK (4,2) entrega pronto o loop e as ferramentas do Claude Code. O AutoGen (2,6), o influente framework multiagente da Microsoft, está arquivado. Nosso verbete sobre frameworks de agentes cobre o que eles têm em comum.
O guia da Anthropic sugere começar direto com as APIs dos modelos, já que "muitos padrões podem ser implementados em poucas linhas de código", e avisa que frameworks podem esconder os prompts que você precisa ver ao depurar e tornar tentadora a complexidade extra. Uma cadeia ou um roteador são poucas linhas em qualquer linguagem. Um framework merece seu lugar pelo que faz bem, como estado durável ou tracing, não por um padrão que você escreveria numa tarde.
O porém: as evidências são mais finas do que a confiança com que se fala delas. O estudo do Google fixou o orçamento de tokens, então uma equipe que simplesmente gaste mais pode ver resultados diferentes, e os benchmarks dele não são o seu produto. Os 90,2% da Anthropic vêm da avaliação interna da própria empresa, e o guia de padrões é de dezembro de 2024, com uma nota dizendo que as ferramentas mudaram desde então. Trate tudo isso como motivo para medir a sua própria tarefa, não como veredito.
Nossa opinião: construa um sistema de agentes do jeito que uma pequena empresa contrata. Ninguém abre uma padaria nomeando um diretor de operações, um de logística e um de experiência do cliente; contrata-se um bom padeiro e escrevem-se as receitas. A segunda pessoa chega quando a primeira está comprovadamente sobrecarregada por trabalho que pode ser feito lado a lado, e alguém confere as assadeiras antes de saírem. O agente extra deve ser a resposta a um problema que você já viu.
Fontes
- Erik Schluntz e Barry Zhang, Anthropic: Building effective agents, dezembro de 2024.
- Anthropic: How we built our multi-agent research system, junho de 2025.
- Yubin Kim, Xin Liu e colegas, Google Research, Google DeepMind e MIT: Towards a Science of Scaling Agent Systems, arXiv 2512.08296.
- Blog do Google Research: Towards a science of scaling agent systems: when and why agent systems work, janeiro de 2026.
- OpenAI Agents SDK: documentação de Handoffs.
- Shunyu Yao e colegas: ReAct: Synergizing Reasoning and Acting in Language Models, ICLR 2023.