Sistema multiagente

É uma arquitetura em que vários agentes especializados cooperam para resolver uma tarefa. Um agente supervisor pode delegar a subagentes (um pesquisa, outro redige, outro revisa); um roteador pode escolher o agente adequado para cada tipo de pedido; agentes podem passar o trabalho uns aos outros por handoff. Cada agente tem contexto, instruções e ferramentas próprios, o que reduz confusão e permite que trabalhem em paralelo. O custo é mais coordenação, mais tokens consumidos e mais formas de o sistema falhar. Um erro de comunicação entre agentes pode ser difícil de rastrear.

Em Produto, a arquitetura multiagente só se justifica quando um agente único fica confuso com muitas ferramentas ou contextos muito longos. A recomendação é começar com um agente e ferramentas bem descritas, e dividir apenas quando o registro de execução mostrar que ele se perde. Se a divisão for necessária, cada agente precisa de um contrato claro (o que faz, o que recebe, o que devolve), e os handoffs precisam passar contexto suficiente para que o próximo agente não recomece do zero. Por exemplo, um supervisor recebe um chamado e o roteia para o agente de cobrança ou de suporte técnico, cada um com as ferramentas do seu domínio.

Use sistema multiagente quando há especializações claras e um agente único comprovadamente degradou. Use agente único com boas ferramentas para a maioria dos casos. Use workflow quando a divisão de trabalho é fixa e não exige decisão do modelo. Uma forma simples de diferenciar: um agente com muitas ferramentas é um generalista sobrecarregado; vários agentes especializados são um time, com o custo de coordenação que todo time tem.

Área clássica da IA distribuída (anos 1980-90); ressurgiu com LLMs em frameworks como AutoGen (Microsoft, 2023), CrewAI e LangGraph.

Anthropic, How we built our multi-agent research system (2025); Microsoft AutoGen documentation