Agentes
Os “Agentes” orquestram as interações entre modelos, Skills e fluxos de automação na camada de Inteligência Artificial do Skyone Studio. Eles atuam como “intérpretes” que processam comandos, executam as configurações estabelecidas e retornam a resposta final ao usuário.
Cada agente:
Está vinculado a um modelo;
Pode utilizar uma ou mais Skills;
Pode operar isoladamente como assistente ou em cooperação com outros agentes.
Diferença entre Assistente e Cooperação
Para otimizar o uso de Inteligência Artificial, é fundamental compreender a distinção entre um Agente Assistente e uma arquitetura de Cooperação. A escolha entre um ou outro depende da complexidade da tarefa e da necessidade de especialização.
Agente Assistente
O Agente Assistente é um modelo de interação centralizado. Ele atua como um assistente generalista que possui acesso a um conjunto amplo de ferramentas e conhecimentos para resolver diversas demandas em um único fluxo.
Ponto único de contato: O usuário interage com um único agente que processa a requisição do início ao fim.
Contexto Amplo: É ideal para tarefas lineares onde o volume de informações não compromete a assertividade da IA.
Funcionamento: Ele recebe o comando, consulta sua base de conhecimento ou Skills configuradas e entrega a resposta final diretamente.
Agente de Cooperação
O Agente Cooperação utiliza uma arquitetura de Multiagentes, onde há o gerenciamento da interação cooperativa entre agentes.
Divisão de Especialidades: Em vez de um único agente processar todos os temas, a carga de trabalho é segmentada. Em uma estrutura de atendimento, por exemplo, o Agente de Cooperação identifica se a solicitação refere-se a Logística ou Suporte, direcionando a tarefa instantaneamente ao agente especializado correspondente
Tomada de Decisão (Roteamento): O Agente de Cooperação atua com uma triagem lógica. Ele analisa a intenção do usuário e delega a execução para o agente que possui o melhor domínio técnico para aquele tema.
Eficiência e Precisão: Como cada agente trabalha com um escopo reduzido de dados, o risco de erros (alucinações) diminui e a velocidade de resposta aumenta, pois a busca por informações é direcionada e não global.
Criar um Agente
Acesse o menu lateral e clique em “Agentes”.
Clique em "Novo Agente".
Escolha o tipo de agente: Assistente ou Cooperação.
Selecione a aba correspondente (Assistente ou Cooperação) para acessar as instruções de criação específicas de cada modalidade:
Preencha ou selecione os seguintes campos:
Configurações Principais
Nome do agente: nome para identificação do agente.
Prompt do sistema: escreva o prompt para o agente. Caso deseje adicionar mais prompts, basta clicar em “Adicionar prompt”.
Diferentes prompts no mesmo agente são úteis para separar tarefas e facilitar manutenção.
Modelo: selecione um modelo já existente. Ele será a base de interpretação do agente.
Tipo de resposta: o agente poderá responder por três modos diferentes:
Texto: o agente responderá por texto
Áudio: o agente responderá por áudio. Ao selecionar esta opção, as seguintes configurações de voz tornam-se necessárias:
Voz do agente: selecione, entre as opções disponíveis na plataforma, a identidade vocal que melhor representa o seu agente.
Instruções de fala: descreva o tom de voz desejado (ex.: empático, formal, entusiasta) e outras possíveis orientações de locução.
Híbrido: possui a capacidade de alternar entre texto e áudio, entregando uma experiência mista dentro da mesma interação. Ao selecionar esta opção, as configurações de voz mencionadas acima são necessárias.
Disponibilizar geração de imagens: ativa o recurso e libera a seleção do modelo.
Modelo de geração de imagens: define o modelo a ser utilizado. Atualmente, apenas a opção Nano Banana está disponível.
Disponibilizar geração de gráficos: ativa a criação de gráficos a partir dos dados do agente.
O formato de gráfico teia não é suportado.
Mensagem de erro padrão: defina uma mensagem para os momentos em que o agente não consiga interpretar o prompt ou encontrar uma resposta adequada.
Limite de mensagens de contexto: define a quantidade máxima de mensagens anteriores do histórico da conversa que serão mantidas na memória e enviadas ao modelo de linguagem (LLM) a cada nova interação.
Guardrails
Permitem adicionar camadas ordenadas de validação para as entradas (inputs) e saídas (outputs) do agente. Para configurar um Guardrail, preencha os campos abaixo:
Nome: identificação do guardrail.
Tipo: define se a validação será aplicada na entrada (pergunta do usuário) ou na saída (resposta do agente).
Instrução: a diretriz ou regra que o modelo deve seguir. Exemplo: "Bloquear perguntas com teor discriminatório."
Mensagem de erro: O texto que será exibido ao usuário caso a validação falhe.
Modelo base: O modelo de linguagem (LLM) opcional que executará especificamente esta validação.
Regras
Nesta área é possível adicionar capacidades específicas e ordenadas ao agente. Ao clicar em Adicionar regra, configure as seguintes opções:
Aplicar sempre: quando ativado, força a aplicação desta habilidade em todas as interações do usuário, ignorando a necessidade de classificação contextual.
Descrição: explicação detalhada de em quais cenários ou contextos esta habilidade deve ser ativada (essencial para que o agente saiba quando usá-la).
Instrução: o comando prático ou comportamento direcionado que a habilidade deve executar quando for acionada.
Gerencie suas tools
Adicione uma ou mais Skills para definir as capacidades técnicas e funções que o agente poderá executar durante o fluxo de automação.
Base de Conhecimento
Permite vincular documentos (como arquivos PDF) para que o agente os utilize como fonte de consulta. Você pode selecionar arquivos existentes na plataforma ou realizar o upload de novos documentos diretamente nesta etapa.
Configurações avançadas
As opções de configurações avançadas podem variar conforme o modelo de IA escolhido.
Nesta área, você pode ajustar os parâmetros técnicos que regem a geração de respostas do modelo de IA. Essas configurações permitem equilibrar criatividade, precisão, velocidade e custo operacional. Sendo que:
top_k: limita o vocabulário do modelo às k palavras mais prováveis em cada etapa da geração. Por exemplo, se configurado em 50, o modelo escolherá a próxima palavra apenas entre as 50 melhores opções ranqueadas pelo contexto.
top_p: amostragem de núcleo (Nucleus Sampling). Filtra as palavras candidatas com base na soma cumulativa de suas probabilidades. Por exemplo: se definido em 0,9, o modelo considera apenas o subconjunto de palavras que, juntas, somam 90% da probabilidade de ocorrência, descartando opções irrelevantes.
Temperatura: define o nível de previsibilidade da resposta.Valores baixos (ex.: 0.2) têm respostas mais diretas e exatas, ideal para análises técnicas. Valores altos (ex.: 0.8) incentivam respostas mais livres e criativas.
token_limit: determina o limite de geração de tokens. Exemplo: Define quantos tokens (palavras ou fragmentos de palavras) o modelo pode gerar na resposta, auxiliando no controle de custos e evitando respostas excessivamente longas.
context_limit: define o limite de memória da conversa. Esse limite determina o volume máximo de tokens (histórico de mensagens e instruções) que o modelo consegue processar simultaneamente para manter a coerência e o fluxo da conversa.
repeat_penalty: ajusta o rigor do modelo para evitar repetição excessiva de palavras, termos ou frases idênticas em uma mesma resposta.
max_completion_tokens: define o limite máximo de tokens (palavras ou fragmentos de texto) que o modelo pode gerar em uma única resposta.
Carregamento de tools
Define como as ferramentas (tools), a base de conhecimento e os agentes de cooperação serão carregados dura
Tudo (padrão): inicializa e carrega todos os recursos simultaneamente no momento da execução do agente.
Agêntico: os recursos sob demanda, baseando-se no cálculo de proximidade e relevância contextual entre a solicitação e as ferramentas.
Relevância: carrega por relevância de aproximação x tools.
Configurações de privacidade
Configure o nível de acesso dos agentes entre as seguintes opções:
Público: qualquer pessoa pode visualizar e editar as configurações do agente.
Privado: apenas os usuários selecionados poderão visualizar os detalhes e editar o agente atual.
Configurar usuários: ao selecionar a opção Privado, esta opção torna-se ativa. Escolha os usuários que terão acesso ao agente e, em seguida, clique em "Concluir".
Preencha ou selecione os seguintes campos:
Configurações Principais
Nome do agente: nome para identificação do agente.
Prompt do sistema: escreva o prompt para o agente. Caso deseje adicionar mais prompts, basta clicar em “Adicionar prompt”.
Diferentes prompts no mesmo agente são úteis para separar tarefas e facilitar manutenção.
Modelo: selecione um modelo já existente. Ele será a base de interpretação do agente.
Tipo de resposta: o agente poderá responder por três modos diferentes:
Texto: o agente responderá por texto
Áudio: o agente responderá por áudio. Ao selecionar esta opção, as seguintes configurações de voz tornam-se necessárias:
Voz do agente: selecione, entre as opções disponíveis na plataforma, a identidade vocal que melhor representa o seu agente.
Instruções de fala: descreva o tom de voz desejado (ex.: empático, formal, entusiasta) e outras possíveis orientações de locução.
Híbrido: possui a capacidade de alternar entre texto e áudio, entregando uma experiência mista dentro da mesma interação. Ao selecionar esta opção, as configurações de voz mencionadas acima são necessárias.
Gerencie os agentes para cooperação: selecione dois ou mais agentes previamente criados. Para isso:
Clique em “Selecionar agentes".
No modal, selecione dois ou mais clicando nas respectivas caixas de seleção.
Mensagem de erro padrão: defina uma mensagem para os momentos em que o agente não consiga interpretar o prompt ou encontrar uma resposta adequada.
Limite de mensagens de contexto: define a quantidade máxima de mensagens anteriores do histórico da conversa que serão mantidas na memória e enviadas ao modelo de linguagem (LLM) a cada nova interação.
Guardrails
Permitem adicionar camadas ordenadas de validação para as entradas (inputs) e saídas (outputs) do agente. Para configurar um Guardrail, preencha os campos abaixo:
Nome: identificação do guardrail.
Tipo: define se a validação será aplicada na entrada (pergunta do usuário) ou na saída (resposta do agente).
Instrução: a diretriz ou regra que o modelo deve seguir. Exemplo: "Bloquear perguntas com teor discriminatório."
Mensagem de erro: O texto que será exibido ao usuário caso a validação falhe.
Modelo base: O modelo de linguagem (LLM) opcional que executará especificamente esta validação.
Regras
Nesta área é possível adicionar capacidades específicas e ordenadas ao agente. Ao clicar em Adicionar regra, configure as seguintes opções:
Aplicar sempre: quando ativado, força a aplicação desta habilidade em todas as interações do usuário, ignorando a necessidade de classificação contextual.
Descrição: explicação detalhada de em quais cenários ou contextos esta habilidade deve ser ativada (essencial para que o agente saiba quando usá-la).
Instrução: o comando prático ou comportamento direcionado que a habilidade deve executar quando for acionada.
Configurações de privacidade
Configure o nível de acesso dos agentes entre as seguintes opções:
Público: qualquer pessoa pode visualizar e editar as configurações do agente.
Privado: apenas os usuários selecionados poderão visualizar os detalhes e editar o agente atual.
Configurar usuários: ao selecionar a opção Privado, esta opção torna-se ativa. Escolha os usuários que terão acesso ao agente e, em seguida, clique em "Concluir".
Configurações avançadas
As opções de configurações avançadas podem variar conforme o modelo de IA escolhido.
Nesta área, você pode ajustar os parâmetros técnicos que regem a geração de respostas do modelo de IA. Essas configurações permitem equilibrar criatividade, precisão, velocidade e custo operacional.
Sendo que:
top_k: limita o vocabulário do modelo às k palavras mais prováveis em cada etapa da geração. Por exemplo, se configurado em 50, o modelo escolherá a próxima palavra apenas entre as 50 melhores opções ranqueadas pelo contexto.
top_p: amostragem de núcleo (Nucleus Sampling). Filtra as palavras candidatas com base na soma cumulativa de suas probabilidades. Por exemplo: se definido em 0,9, o modelo considera apenas o subconjunto de palavras que, juntas, somam 90% da probabilidade de ocorrência, descartando opções irrelevantes.
Temperatura: define o nível de previsibilidade da resposta.Valores baixos (ex.: 0.2) têm respostas mais diretas e exatas, ideal para análises técnicas. Valores altos (ex.: 0.8) incentivam respostas mais livres e criativas.
token_limit: determina o limite de geração de tokens. Exemplo: Define quantos tokens (palavras ou fragmentos de palavras) o modelo pode gerar na resposta, auxiliando no controle de custos e evitando respostas excessivamente longas.
context_limit: define o limite de memória da conversa. Esse limite determina o volume máximo de tokens (histórico de mensagens e instruções) que o modelo consegue processar simultaneamente para manter a coerência e o fluxo da conversa.
repeat_penalty: ajusta o rigor do modelo para evitar repetição excessiva de palavras, termos ou frases idênticas em uma mesma resposta.
max_completion_tokens: define o limite máximo de tokens (palavras ou fragmentos de texto) que o modelo pode gerar em uma única resposta.
Para finalizar, clique em “Criar agente".
Pronto! Seu agente foi criado. Teste seus agentes em Playground.
Leia também: Como editar ou excluir seus agentes.
FAQ – Agentes de IA
Atualizado
Isto foi útil?