Tipos de Agentes

Conheça todos os tipos de agentes disponíveis na plataforma Evo AI e escolha o ideal para seu caso de uso

Visão Geral

A plataforma Evo AI oferece diferentes tipos de agentes, cada um otimizado para cenários específicos de uso. Desde agentes simples baseados em LLM até workflows complexos com múltiplas etapas, você pode escolher a abordagem que melhor se adapta às suas necessidades.

Escolha Inteligente: Cada tipo de agente foi projetado para resolver problemas específicos. Use este guia para identificar qual tipo melhor atende ao seu caso de uso.

Tipos Disponíveis

Agentes Fundamentais

LLM Agent

Agente base com LLM

Agente fundamental baseado em Large Language Models, ideal para conversas, análises de texto e tarefas que requerem compreensão de linguagem natural.

Quando usar:

• Conversas inteligentes
• Análise de texto
• Geração de conteúdo
• Tarefas de NLP

Características:

• Interface de chat
• Múltiplos modelos LLM
• Configuração de personalidade
• Sistema de sub-agentes

A2A Agent

Integração com protocolo A2A

Integra agentes externos que implementam o protocolo Agent-to-Agent (A2A) do Google, permitindo interoperabilidade com sistemas externos.

Quando usar:

• Integração com sistemas legados
• Agentes especializados externos
• Microserviços de IA
• APIs de terceiros

Características:

• Protocolo JSON-RPC 2.0
• Comunicação padronizada
• Health checks automáticos
• Circuit breakers

Agentes de Orquestração

Sequential Agent

Execução sequencial ordenada

Executa múltiplos sub-agentes em sequência ordenada, onde cada agente recebe o output do anterior como input.

Quando usar:

• Pipelines de processamento
• Workflows lineares
• Dependências entre etapas
• Transformação de dados

Características:

• Execução passo a passo
• Passagem de dados entre agentes
• Controle de falhas
• Logs detalhados

Parallel Agent

Execução paralela simultânea

Executa múltiplos sub-agentes simultaneamente, ideal para tarefas independentes que podem ser processadas em paralelo.

Quando usar:

• Análises independentes
• Processamento distribuído
• Otimização de tempo
• Tarefas não relacionadas

Características:

• Execução simultânea
• Agregação de resultados
• Controle de concorrência
• Speedup significativo

Loop Agent

Execução iterativa com refinamento

Executa sub-agentes em loop iterativo, refinando resultados a cada iteração até atingir critérios de convergência.

Quando usar:

• Refinamento iterativo
• Otimização de parâmetros
• Melhoria progressiva
• Convergência de resultados

Características:

• Iterações controladas
• Critérios de parada
• Monitoramento de convergência
• Prevenção de loops infinitos

Workflow Agent

Workflows visuais complexos

Cria workflows complexos com interface visual usando LangGraph e React Flow, oferecendo máximo controle e flexibilidade.

Quando usar:

• Lógica de negócio complexa
• Condições e ramificações
• Workflows visuais
• Controle granular

Características:

• Interface drag-and-drop
• Múltiplos tipos de nodes
• Condições e delays
• Teste integrado

Agentes Especializados

Task Agent

Tarefas específicas e estruturadas

Inspirado no CrewAI, permite atribuir tarefas específicas a agentes com prompts estruturados e outputs esperados bem definidos.

Quando usar:

• Tarefas bem definidas
• Responsabilidade única
• Output estruturado
• Especialização de agentes

Características:

• Uma tarefa por agente
• Prompt estruturado
• Expected output definido
• Validação automática

Comparação Rápida

Tipo	Complexidade	Casos de Uso	Execução	Configuração
LLM Agent	Baixa	Chat, análise de texto	Única	Simples
A2A Agent	Média	Integração externa	Única	Moderada
Sequential	Média	Pipelines lineares	Sequencial	Moderada
Parallel	Média	Análises independentes	Paralela	Moderada
Loop	Alta	Refinamento iterativo	Iterativa	Complexa
Workflow	Muito Alta	Lógica complexa	Visual/Condicional	Muito Complexa
Task	Baixa-Média	Tarefas específicas	Única	Simples-Moderada

Guia de Escolha

Por Complexidade do Problema

Problemas Simples

Para tarefas diretas e conversas:

• LLM Agent: Chat, análise de texto, geração de conteúdo
• Task Agent: Tarefas específicas com output estruturado

Características:

• Configuração rápida
• Execução direta
• Ideal para começar

Problemas Médios

Para processos com múltiplas etapas:

• Sequential Agent: Quando etapas dependem umas das outras
• Parallel Agent: Quando etapas são independentes
• A2A Agent: Quando precisa integrar sistemas externos

Características:

• Orquestração de múltiplos agentes
• Controle de fluxo básico
• Reutilização de agentes existentes

Problemas Complexos

Para lógica de negócio sofisticada:

• Loop Agent: Quando precisa refinar resultados iterativamente
• Workflow Agent: Quando precisa de controle granular e condições

Características:

• Lógica condicional avançada
• Controle de fluxo sofisticado
• Monitoramento detalhado

Por Padrão de Execução

Execução Única

Agentes que executam uma vez:

• LLM Agent: Resposta direta a uma pergunta
• A2A Agent: Chamada para sistema externo
• Task Agent: Execução de tarefa específica

Ideal para:

• Consultas pontuais
• Análises simples
• Integrações diretas

Execução Sequencial

Agentes que executam em ordem:

• Sequential Agent: Pipeline com dependências

Ideal para:

• Transformação de dados
• Workflows lineares
• Processamento em etapas

Execução Paralela

Agentes que executam simultaneamente:

• Parallel Agent: Análises independentes

Ideal para:

• Otimização de tempo
• Análises comparativas
• Processamento distribuído

Execução Iterativa

Agentes que executam em loop:

• Loop Agent: Refinamento progressivo

Ideal para:

• Otimização de parâmetros
• Melhoria iterativa
• Convergência de resultados

Execução Condicional

Agentes com lógica complexa:

• Workflow Agent: Fluxos com condições e ramificações

Ideal para:

• Lógica de negócio complexa
• Decisões condicionais
• Workflows visuais

Exemplos de Casos de Uso

E-commerce

Análise de Produtos

Cenário: Análise completa de produtos para otimização

Solução recomendada: Parallel Agent

• Análise de preços (sub-agente especializado)
• Análise de reviews (sub-agente de sentimento)
• Análise de especificações (sub-agente técnico)
• Análise de concorrência (sub-agente de mercado)

Por que Parallel? Análises independentes que podem ser executadas simultaneamente para otimizar tempo.

Qualificação de Leads

Cenário: Pipeline de qualificação de leads de vendas

Solução recomendada: Sequential Agent

• Enriquecimento de dados (dados públicos)
• Scoring de leads (algoritmo de pontuação)
• Classificação de prioridade (alta/média/baixa)
• Roteamento para vendedor (baseado em especialização)

Por que Sequential? Cada etapa depende da anterior para funcionar corretamente.

Conteúdo e Marketing

Criação de Conteúdo

Cenário: Geração de artigo de blog otimizado

Solução recomendada: Loop Agent

• Geração inicial do conteúdo
• Análise de SEO e otimização
• Revisão de qualidade e legibilidade
• Refinamento baseado em feedback

Por que Loop? Melhoria iterativa até atingir qualidade desejada.

Análise de Performance

Cenário: Relatório de performance de campanhas

Solução recomendada: Task Agent

• Tarefa específica: gerar relatório de métricas
• Input: dados de campanhas
• Output: relatório estruturado com insights

Por que Task? Tarefa bem definida com output estruturado específico.

Atendimento ao Cliente

Suporte Inteligente

Cenário: Sistema de atendimento com escalação

Solução recomendada: Workflow Agent

• Classificação inicial da solicitação
• Tentativa de resolução automática
• Condição: resolvido? → Fim : Escalação
• Roteamento para agente humano especializado

Por que Workflow? Lógica condicional complexa com múltiplos caminhos.

Chat Básico

Cenário: Chat simples para dúvidas frequentes

Solução recomendada: LLM Agent

• Conversa direta com cliente
• Base de conhecimento integrada
• Respostas contextuais

Por que LLM? Interação direta e simples, sem necessidade de orquestração.

Output Keys - Compartilhamento de Estado

Novidade: Todos os tipos de agente agora suportam Output Key para compartilhamento de estado entre agentes e processos.

O que são Output Keys?

O Output Key é um campo disponível em todos os tipos de agente que permite salvar o resultado da execução em uma variável específica no estado compartilhado. Isso facilita a comunicação entre agentes e a construção de sistemas complexos.

LLM Agent

Salva resposta do modelo

A resposta gerada pelo LLM é salva na variável especificada, permitindo que outros agentes acessem o conteúdo gerado.

Output Key: "resposta_analise"
→ state.resposta_analise

Task Agent

Salva resultado da tarefa

O resultado estruturado da tarefa é salvo na variável, permitindo uso em tarefas subsequentes ou workflows.

Output Key: "dados_processados"
→ state.dados_processados

A2A Agent

Salva resposta externa

A resposta do sistema externo via protocolo A2A é salva na variável, permitindo integração com outros agentes.

Output Key: "resultado_externo"
→ state.resultado_externo

Workflow Agents

Salva resultado do workflow

O resultado final do workflow (Sequential, Parallel, Loop, Workflow) é salvo na variável especificada.

Output Key: "workflow_resultado"
→ state.workflow_resultado

Como Usar

Configuração

Na interface da plataforma:

1. Configure o Output Key em qualquer agente
2. Use um nome descritivo em snake_case
3. O resultado é salvo automaticamente no estado
4. Outros agentes acessam via placeholders {{output_key_name}}

Exemplo:

Agente 1 - Output Key: "analise_inicial"
Agente 2 - Instructions: "Analise o pedido: {{user_input}} e baseie-se na análise: {{analise_inicial}}"

Fluxo de Dados

Como os dados fluem entre agentes:

Estado inicial:
{
  "input_usuario": "Analise este produto"
}

Após Agente 1 (output_key: "analise"):
{
  "input_usuario": "Analise este produto",
  "analise": "Produto de alta qualidade..."
}

Após Agente 2 (output_key: "recomendacao"):
{
  "input_usuario": "Analise este produto",
  "analise": "Produto de alta qualidade...",
  "recomendacao": "Recomendo a compra porque..."
}

Boas Práticas

Dicas para usar Output Keys efetivamente:

• Nomenclatura clara: Use nomes que descrevem o conteúdo
• Snake_case: resultado_analise, dados_processados
• Seja específico: analise_sentimento_reviews em vez de analise
• Documente formato: Explique estrutura esperada nas instruções
• Evite conflitos: Não use nomes já existentes no estado
• Considere hierarquia: Use prefixos para agrupar dados relacionados

Gerenciamento de Agentes

Exportação e Importação

Exportando agentes

Funcionalidade de backup e compartilhamento:

Na listagem de agentes, você pode exportar qualquer agente para um arquivo JSON que contém toda a configuração:

O que é exportado:

• ✅ Configurações completas do agente principal
• ✅ Sub-agentes incluídos automaticamente no mesmo arquivo
• ✅ Todas as dependências e configurações aninhadas
• ✅ Estrutura hierárquica preservada
• ✅ Tools e integrações configuradas

Como exportar:

1. Na lista de agentes, localize o agente desejado
2. Clique no menu de ações (⋯) do agente
3. Selecione “Export” ou “Exportar”
4. Arquivo JSON será baixado automaticamente

Exemplo de estrutura exportada:

{
  "name": "copywriter",
  "description": "Creative writer specialized in innovative copywriting.",
  "role": null,
  "goal": null,
  "type": "llm",
  "model": "openai/gpt-4.1-nano",
  "instruction": "You are a senior copywriter with absolute mastery of persuasion techniques",
  "config": {
    "output_key": "new_copy",
    "tools": null,
    "custom_tools": null,
    "mcp_servers": null,
    "custom_mcp_servers": null,
    "agent_tools": null,
    "sub_agents": null,
    "workflow": null
  },
  "id": "7fd77e46-dfcb-40a2-b71f-d2bac56956ac"
}

Importando agentes

Restaurando configurações completas:

Como importar:

1. Na lista de agentes, clique em “Import Agent” ou “Importar Agente”
2. Selecione o arquivo JSON exportado anteriormente
3. Sistema valida a estrutura e dependências
4. Agente principal e sub-agentes são criados automaticamente
5. Configurações aplicadas exatamente como exportadas

Vantagens da importação:

• 🚀 Setup instantâneo de agentes complexos
• 🎯 Replicação exata de configurações testadas
• 👥 Compartilhamento entre equipes
• 🔄 Backup e restore de configurações
• 📦 Migração entre ambientes

Validações automáticas:

• Verificação de estrutura JSON
• Validação de tipos de agente
• Checagem de dependências
• Confirmação de modelos disponíveis
• Verificação de permissões necessárias

Casos de uso:

✅ Backup de agentes críticos
✅ Replicação em ambiente de produção
✅ Compartilhamento de templates
✅ Migração entre organizações
✅ Versionamento de configurações

Sistema de Pastas

Organizando agentes em pastas

Organização hierárquica:

O sistema de pastas permite organizar seus agentes de forma hierárquica e colaborativa:

Funcionalidades principais:

• 📁 Organização visual dos agentes
• 👥 Compartilhamento com outros usuários
• 🔐 Controle de permissões (visualização/edição)
• 🏷️ Categorização por projeto, cliente ou função
• 🔍 Busca dentro de pastas específicas

Como criar pastas:

1. Na tela de agentes, clique em “New Folder” ou “Nova Pasta”
2. Nome da pasta: Use nome descritivo
3. Descrição: Resumo do conteúdo da pasta
4. Configurações de acesso: Defina quem pode acessar
5. Clique em “Create” para criar

Exemplos de organização:

📁 Vendas
├── 🤖 lead_qualifier
├── 🤖 product_demo
└── 🤖 closer_specialist

📁 Suporte Técnico  
├── 🤖 troubleshooter
├── 🤖 documentation_helper
└── 🤖 escalation_manager

📁 Marketing
├── 🤖 content_creator
├── 🤖 social_media_manager
└── 🤖 campaign_analyzer

Compartilhamento de pastas

Colaboração entre usuários:

Como compartilhar uma pasta:

1. Acesse a pasta que deseja compartilhar
2. Clique no ícone de “Share” ou “Compartilhar” (👥)
3. Formulário de compartilhamento será aberto

Configurando permissões:

1. Digite o email do usuário da Evo AI
2. Selecione o nível de acesso:
   • 👁️ Viewer (Visualizador): Pode ver e usar agentes, mas não editar
   • ✏️ Editor: Pode ver, usar, editar e criar novos agentes na pasta
3. Adicione mensagem opcional explicando o compartilhamento
4. Clique em “Share” para enviar convite

Níveis de permissão:

Viewer (Visualizador):

✅ Ver lista de agentes na pasta
✅ Usar agentes em conversas
✅ Ver configurações (somente leitura)
❌ Editar configurações de agentes
❌ Criar novos agentes
❌ Deletar agentes
❌ Compartilhar pasta com outros

Editor:

✅ Todas as permissões de Viewer
✅ Editar configurações de agentes
✅ Criar novos agentes na pasta
✅ Deletar agentes (que criou)
✅ Mover agentes entre pastas
❌ Compartilhar pasta com outros (apenas dono)
❌ Deletar a pasta

Colaboração em equipe

Casos de uso para compartilhamento:

Por departamento:

📁 Pasta "Vendas Empresa ABC"
Compartilhado com: [e-mail]
Permissão: Editor
Uso: Toda equipe pode criar/editar agentes de vendas

Por projeto:

📁 Pasta "Projeto Cliente XYZ"  
Compartilhado com: [e-mail]
Permissão: Viewer
Uso: Gestor acompanha agentes do projeto

Por especialidade:

📁 Pasta "Agentes de IA Técnicos"
Compartilhado com: [e-mail]
Permissão: Editor
Uso: Equipe técnica desenvolve agentes especializados

Para clientes:

📁 Pasta "Agentes Cliente Final"
Compartilhado com: [e-mail]
Permissão: Viewer
Uso: Cliente testa agentes desenvolvidos

Vantagens da colaboração:

• 🤝 Trabalho em equipe facilitado
• 🔄 Sincronização automática de atualizações
• 📊 Visibilidade do trabalho da equipe
• 🎯 Especialização por área/projeto
• 📈 Escalabilidade de desenvolvimento
• 🔐 Controle granular de acesso

Gerenciamento de acesso

Administrando permissões:

Como dono da pasta, você pode:

• ✅ Ver todos os usuários com acesso
• ✅ Alterar permissões de qualquer usuário
• ✅ Remover acesso de usuários específicos
• ✅ Transferir propriedade da pasta
• ✅ Deletar pasta (remove acesso de todos)

Notificações automáticas:

• 📧 Email de convite quando pasta é compartilhada
• 🔔 Notificação quando agente é modificado por outro usuário
• 📊 Relatório de atividades na pasta compartilhada

Auditoria e controle:

• 📝 Log de atividades de todos os usuários
• 👤 Histórico de modificações com responsável
• ⏰ Timestamps de todas as ações
• 🔍 Rastreabilidade completa de mudanças

Boas práticas:

• Use permissão Viewer por padrão
• Conceda Editor apenas quando necessário
• Documente o propósito da pasta no nome/descrição
• Revise permissões periodicamente
• Remova acesso de usuários inativos

---

Dica: Comece sempre com o tipo mais simples que atende ao seu caso de uso. Você pode evoluir para tipos mais complexos conforme suas necessidades crescem.

Próximos Passos

Começar com LLM Agent

Ideal para quem está começando - crie seu primeiro agente conversacional

Explorar Workflows

Para casos complexos - construa workflows visuais avançados

Protocolo A2A

Entenda o protocolo para integração com sistemas externos

Guia Rápido

Configure seu primeiro agente em menos de 2 minutos