IA agêntica: de chatbots a agentes que fazem o trabalho

Este curso contém o uso de inteligência artificial.Todo mundo está vendendo "agentes" agora. Alguns desses produtos realmente planejam, chamam ferramentas e concluem trabalhos de vários passos. Muitos são chatbots ou fluxos fixos com um rótulo novo. Este curso dá a você uma forma clara e neutra em relação a fornecedores de perceber a diferença, e depois leva você de entender agentes a construir, testar e calcular o custo de um. É uma introdução ampla para profissionais e para quem está começando a construir. Você não precisa de formação em machine learning. Se você usa o ChatGPT, o Claude, o Gemini ou o Copilot com frequência e quer saber o que muda quando o modelo começa a agir, este é o ponto de partida certo. Uma empresa, um piloto, do início ao fimAcompanhamos a Harborline Logistics, um agente de cargas fictício com uma fila de e-mails de status de remessa e papelada aduaneira atrasada. A equipe de operações roda um piloto de agente de 90 dias chamado Relay. Cada conceito do curso é aplicado a esse piloto, então você vê o mesmo agente crescer de um primeiro loop a um sistema testado, supervisionado e com custo calculado. O que o curso cobreSeção 1, O que a IA agêntica é de fato: chatbot, copiloto, fluxo de trabalho e agente; o loop do agente; cinco níveis de autonomia; como identificar o agent washingSeção 2, Como agentes pensam: modelo, ferramentas e instruções; ReAct, planejamento e reflexão; cinco padrões de fluxo e quando não usar um agenteSeção 3, Ferramentas, MCP e uso do computador: chamada de ferramentas, o Model Context Protocol, uso do navegador e do computador, e os modos agente do ChatGPT, do Claude e do GeminiSeção 4, Memória, conhecimento e contexto: engenharia de contexto, recuperação (RAG), habilidades e a fundamentação de um agente nos procedimentos da empresaSeção 5, Agentes sem programar: o panorama no-code, escrever primeiro a especificação do agente e construir um agente de status de remessa no n8nSeção 6, Agentes em Python: escolher um SDK sem ficar preso, um agente funcional em cerca de cinquenta linhas, conectá-lo a um servidor MCP e ler tracesSeção 7, Sistemas multiagente: quando um agente não basta, orquestradores e transferências, o protocolo A2A e uma mesa aduaneira de dois agentesSeção 8, Confiança, valor e adoção: avaliação, modos de falha comuns e barreiras de proteção, aprovação humana, custo por tarefa, KPIs e um roteiro de adoção de 90 diasLaboratórios práticos que rodam no seu próprio computadorOs laboratórios de construção rodam localmente com ferramentas gratuitas: Python, Ollama para modelos locais e n8n no Docker. Nenhuma chave de API paga é necessária. A pasta inicial inclui uma API simulada de rastreamento de remessas, um servidor MCP, doze procedimentos da Harborline e os e-mails de teste e casos aduaneiros usados nos vídeos. Lab 1: rode a mesma tarefa nos modos agente do ChatGPT, do Claude e do Gemini e leia os registros de açõesLab 2: indexe os procedimentos da Harborline e compare respostas com e sem recuperaçãoLab 3: construa um agente de status no-code no n8n e rode-o com dez e-mails de testeLab 4: refaça esse agente em Python, coloque a ferramenta atrás de um servidor MCP e ache um bug plantado pelo traceLab 5: acrescente um segundo agente com uma transferência e compare resultados e uso de tokens com o agente únicoAlgumas observações honestas. O Lab 1 usa o modo agente de um assistente de chat no seu navegador, e os modos agente disponíveis dependem do seu plano e da sua região. Se o seu não oferecer um, você ainda pode acompanhar as sessões gravadas. Modelos locais não são determinísticos, então as suas respostas e taxas de acerto vão variar um pouco em relação aos vídeos. O modelo local usado nos laboratórios precisa de cerca de 6 GB de memória livre. A seção de Python é opcional se você só quiser os conceitos e o caminho no-code. Prática e avaliaçãoCada uma das oito seções tem um quiz e uma tarefa prática com uma resposta modelo comentada. O projeto final pede que você escolha uma tarefa do seu próprio trabalho e produza uma especificação de agente, um nível de autonomia com pontos de aprovação, um conjunto de avaliação de dez casos e uma estimativa de custo com um roteiro de 90 dias. Um exame prático final de 60 perguntas cobre as oito seções. O que este curso não éNão é um curso aprofundado de engenharia sobre um único framework, e não promete emprego, certificação nem um resultado específico. É um mapa da área, com prática suficiente para você avaliar propostas de agentes, rodar um piloto pequeno e decidir o que aprender em seguida. As ferramentas desta área mudam rápido, então o curso ensina peças portáteis (especificação, prompts, ferramentas e avaliações) que continuam valendo quando uma plataforma muda.