Loop do agente

É o ciclo básico de funcionamento de um agente de IA. O modelo recebe um objetivo e um contexto, decide uma ação (responder ou chamar uma ferramenta), o sistema executa essa ação, o resultado volta para o contexto e o modelo decide o próximo passo. O ciclo se repete até que a tarefa seja concluída, um limite seja atingido ou o agente peça ajuda. Cada volta do loop é uma nova chamada ao modelo, com custo e latência que se acumulam. Um agente que dá 10 voltas custa e demora cerca de 10 vezes mais do que uma resposta simples. É esse ciclo que diferencia um agente de um chatbot: em vez de responder e parar, ele age, observa e continua.

Em Produto, a decisão mais importante sobre o loop é o que o encerra. É preciso especificar uma condição de sucesso verificável, um número máximo de voltas, limites de tempo e de custo, e o que acontece quando o limite é atingido: entregar um resultado parcial, escalar para uma pessoa, ou informar que não conseguiu. Um loop sem teto é a forma mais comum de custo surpresa em produtos com agentes. O agente entra em uma sequência de tentativas que não resolve, e a conta chega no fim do mês. Por exemplo, um agente que investiga alertas pode consultar logs, verificar métricas e comparar com o histórico, com no máximo 8 voltas; se não concluir, escala para o time de operações com o que já encontrou.

Use loop de agente quando o número de passos necessários não é conhecido de antemão e depende do que o agente encontra pelo caminho. Use workflow quando os passos são conhecidos e fixos, e podem ser definidos por quem constrói o sistema. Use prompt único quando a tarefa se resolve em uma chamada. Uma forma simples de diferenciar: workflow segue um roteiro; loop de agente descobre o roteiro enquanto executa.

Ciclo perceber-raciocinar-agir da IA clássica; a forma atual (modelo + ferramentas em laço) vem do ReAct (2022) e dos SDKs de agentes (2024).

Anthropic, Building Effective Agents (2024); OpenAI Agents SDK documentation