Pular para o conteúdo principal
O bloco Agente serve como interface entre seu fluxo de trabalho e os Modelos de Linguagem Grandes (LLMs). Ele executa solicitações de inferência contra vários provedores de IA, processa entradas de linguagem natural de acordo com as instruções definidas e gera saídas estruturadas ou não estruturadas para consumo posterior.
Blocks

​
Visão geral

O bloco Agente permite:
1
Processar linguagem natural: Analisar a entrada do usuário e gerar respostas contextuais
2
Executar tarefas impulsionadas por IA: Realizar análise de conteúdo, geração e tomada de decisões
3
Chamar ferramentas externas: Acessar APIs, bancos de dados e serviços durante o processamento
4
Gerar saída estruturada: Retornar dados JSON que correspondam aos requisitos do seu esquema

​
Opções de configuração

​
Prompt do sistema

O prompt do sistema estabelece os parâmetros operacionais e as restrições de comportamento do agente. Esta configuração define o papel do agente, a metodologia de resposta e os limites de processamento para todas as solicitações recebidas. 
You are a helpful assistant that specializes in financial analysis.
Always provide clear explanations and cite sources when possible.
When responding to questions about investments, include risk disclaimers.

​
Prompt do usuário

O prompt do usuário representa os dados de entrada principais para o processamento de inferência. Este parâmetro aceita texto em linguagem natural ou dados estruturados que o agente analisará e aos quais responderá. As fontes de entrada incluem:
  • Configuração estática: Entrada de texto direta especificada na configuração do bloco
  • Entrada dinâmica: Dados passados de blocos anteriores através de interfaces de conexão
  • Geração em tempo de execução: Conteúdo gerado programaticamente durante a execução do fluxo de trabalho

​
Seleção de modelo

O bloco Agente suporta múltiplos provedores de LLM através de uma interface de inferência unificada. Os modelos disponíveis incluem:
  • Modelos OpenAI: GPT-5, GPT-4o, o1, o3, o4-mini, gpt-4.1 (inferência baseada em API)
  • Modelos Anthropic: Claude 3.7 Sonnet (inferência baseada em API)
  • Modelos Google: Gemini 2.5 Pro, Gemini 2.0 Flash (inferência baseada em API)
  • Provedores alternativos: Groq, Cerebras, xAI, DeepSeek (inferência baseada em API)
  • Implantação local: Modelos compatíveis com Ollama (inferência auto-hospedada)

​
Temperatura

Controla a criatividade e aleatoriedade das respostas:
  • Baixa (0-0.3)
  • Média (0.3-0.7)
  • Alta (0.7-2.0)
Respostas mais determinísticas e focadas. Ideal para tarefas factuais, atendimento ao cliente e situações onde a precisão é crítica.
O intervalo de temperatura (0-1 ou 0-2) varia dependendo do modelo selecionado.

​
Chave API

Sua chave API para o provedor de LLM selecionado. É armazenada de forma segura e utilizada para autenticação.

​
Ferramentas

As ferramentas ampliam as capacidades do agente através de integrações de API externas e conexões de serviços. O sistema de ferramentas permite a chamada de funções, permitindo ao agente executar operações além da geração de texto. Processo de integração de ferramentas:
  1. Acesse a seção de configuração de Ferramentas dentro do bloco do Agente
  2. Selecione entre mais de 80 integrações predefinidas ou defina funções personalizadas
  3. Configure os parâmetros de autenticação e as restrições operacionais
Categorias de ferramentas disponíveis:
  • Comunicação: Gmail, Slack, Telegram, WhatsApp, Microsoft Teams
  • Fontes de dados: Notion, Google Sheets, Airtable, Supabase, Pinecone
  • Serviços web: Firecrawl, Google Search, Exa AI, automação de navegador
  • Desenvolvimento: GitHub, Jira, gerenciamento de repositórios e problemas no Linear
  • Serviços de IA: OpenAI, Perplexity, Hugging Face, ElevenLabs
Controle de execução de ferramentas:
  • Auto: O modelo determina a invocação de ferramentas de acordo com o contexto e a necessidade
  • Obrigatório: A ferramenta deve ser chamada durante cada solicitação de inferência
  • Nenhum: Definição de ferramenta disponível mas excluída do contexto do modelo

​
Formato de resposta

O parâmetro de formato de resposta impõe a geração de saídas estruturadas através da validação de esquemas JSON. Isso garante respostas consistentes e legíveis por máquina que se ajustam a estruturas de dados predefinidas: 
{
  "name": "user_analysis",
  "schema": {
    "type": "object",
    "properties": {
      "sentiment": {
        "type": "string",
        "enum": ["positive", "negative", "neutral"]
      },
      "confidence": {
        "type": "number",
        "minimum": 0,
        "maximum": 1
      }
    },
    "required": ["sentiment", "confidence"]
  }
}
Esta configuração restringe a saída do modelo para que cumpra o esquema especificado, evitando respostas de texto livre e garantindo a geração de dados estruturados.

​
Acesso aos resultados

Depois que um agente completa sua tarefa, você pode acessar suas saídas:
  • <agent.content>: O texto de resposta ou dados estruturados do agente
  • <agent.tokens>: Estatísticas de uso de tokens (prompt, completado, total)
  • <agent.tool_calls>: Detalhes de qualquer ferramenta que o agente utilizou durante a execução
  • <agent.cost>: Custo estimado da chamada à API (se disponível)

​
Funcionalidades avançadas

​
Memória + Agente: Histórico de conversação

Utilize um bloco Memory com um id consistente (por exemplo, chat) para persistir mensagens entre execuções e incluir esse histórico no prompt do agente.
  • Adicione a mensagem do usuário antes do agente
  • Leia o histórico de conversação para contexto
  • Adicione a resposta do agente depois que ele for executado
Consulte a referência do bloco Memory para mais detalhes.

​
Entradas e saídas

  • Configuração
  • Variáveis
  • Resultados
  • Prompt do sistema: Instruções que definem o comportamento e papel do agente
  • Prompt do usuário: Texto ou dados de entrada para processar
  • Modelo: Seleção do modelo de IA (OpenAI, Anthropic, Google, etc.)
  • Temperatura: Controle de aleatoriedade de resposta (0-2)
  • Ferramentas: Array de ferramentas disponíveis para chamadas de funções
  • Formato de resposta: Esquema JSON para saída estruturada

​
Exemplos de casos de uso

​
Automação de atendimento ao cliente

​
Cenário: Gerenciar consultas de clientes com acesso a banco de dados

  1. O usuário envia um ticket de suporte através do bloco API
  2. O agente verifica pedidos/assinaturas no Postgres e busca na base de conhecimentos
  3. Se for necessário escalonamento, o agente cria uma ocorrência no Linear com o contexto relevante
  4. O agente redige uma resposta clara por e-mail
  5. O Gmail envia a resposta ao cliente
  6. A conversa é salva no Memory para manter o histórico para mensagens futuras

​
Análise de conteúdo com múltiplos modelos

​
Cenário: Analisar conteúdo com diferentes modelos de IA

  1. O bloco de função processa o documento carregado
  2. O agente com GPT-4o realiza análise técnica
  3. O agente com Claude analisa o sentimento e tom
  4. O bloco de função combina os resultados para o relatório final

​
Assistente de pesquisa potenciado por ferramentas

​
Cenário: Assistente de pesquisa com busca web e acesso a documentos

  1. Consulta do usuário recebida através de entrada
  2. O agente busca na web utilizando a ferramenta de Google Search
  3. O agente acessa o banco de dados do Notion para documentos internos
  4. O agente compila um relatório de pesquisa completo

​
Melhores práticas

  • Seja específico nos prompts do sistema: Defina claramente o papel do agente, o tom e as limitações. Quanto mais específicas forem suas instruções, melhor o agente poderá cumprir seu propósito pretendido.
  • Escolha a configuração de temperatura adequada: Use configurações de temperatura mais baixas (0-0.3) quando a precisão é importante, ou aumente a temperatura (0.7-2.0) para respostas mais criativas ou variadas
  • Aproveite as ferramentas de forma eficaz: Integre ferramentas que complementem o propósito do agente e melhorem suas capacidades. Seja seletivo sobre quais ferramentas você fornece para evitar sobrecarregar o agente. Para tarefas com pouco sobreposição, use outro bloco de Agente para obter os melhores resultados.