> ## Documentation Index
> Fetch the complete documentation index at: https://docs.evo-ai.co/llms.txt
> Use this file to discover all available pages before exploring further.
# Task Agent
> Atribua tarefas específicas a agentes com prompts estruturados e outputs esperados, inspirado no CrewAI
## Visão Geral
O **Task Agent** é inspirado na funcionalidade de tarefas do **CrewAI**, permitindo atribuir tarefas específicas e bem definidas a agentes individuais. Cada Task Agent encapsula uma única tarefa com prompt estruturado, expected output e agente responsável, criando uma unidade de trabalho clara e focada.
Este padrão é fundamental para criar sistemas de agentes organizados, onde cada agente tem responsabilidades específicas e bem definidas, similar ao conceito de "tasks" no CrewAI que permite orquestração eficiente de equipes de agentes especializados.
**Inspirado no CrewAI**: Implementação baseada no conceito de [Tasks do CrewAI](https://docs.crewai.com/core-concepts/Tasks/) para atribuição estruturada de tarefas a agentes especializados.
## Características Principais
Cada Task Agent encapsula exatamente uma tarefa específica
Prompt de tarefa claro e detalhado para o agente atribuído
Definição clara do resultado esperado da tarefa
Seleção de agente específico responsável pela execução
## Quando Usar Task Agent
**✅ Use Task Agent quando:**
* **Tarefas bem definidas**: Você tem uma tarefa específica e clara
* **Responsabilidade única**: Um agente deve ser responsável por uma tarefa
* **Output estruturado**: Você sabe exatamente o que esperar como resultado
* **Especialização**: Agente tem expertise específica para a tarefa
* **Orquestração simples**: Tarefa faz parte de um processo maior
**Exemplos práticos:**
* Análise de sentimento de um texto específico
* Geração de resumo executivo de um relatório
* Validação de dados de entrada
* Tradução de conteúdo para idioma específico
* Extração de informações de documentos
**❌ Evite Task Agent quando:**
* **Múltiplas tarefas**: Precisa executar várias tarefas relacionadas
* **Workflow complexo**: Requer lógica condicional ou loops
* **Interação entre agentes**: Agentes precisam colaborar diretamente
* **Processo dinâmico**: Fluxo de trabalho muda baseado em resultados
* **Tarefa muito simples**: Pode ser resolvida com prompt direto
## Criando um Task Agent
### Passo a Passo na Plataforma
1. Na tela principal do Evo AI, clique em **"New Agent"**
2. No campo **"Type"**, selecione **"Task Agent"**
3. Você verá campos específicos para configuração de tarefa
**Name:** Nome descritivo da tarefa
```
Exemplo: analise_sentimento_reviews
```
**Description:** Resumo da tarefa específica
```
Exemplo: Analisa sentimento de reviews de produtos para
identificar satisfação dos clientes e pontos de melhoria
```
**Goal:** Objetivo específico da tarefa
```
Exemplo: Fornecer análise precisa de sentimento com score
numérico e insights acionáveis sobre reviews de produtos
```
**Assigned Agent:** Escolha o agente que executará a tarefa
**Opções disponíveis:**
* Agentes LLM existentes na plataforma
* Agentes A2A configurados
* Agentes especializados criados anteriormente
**Critérios de seleção:**
* Especialização do agente na área da tarefa
* Capacidades técnicas necessárias
* Performance histórica em tarefas similares
* Disponibilidade e recursos
**Exemplo:**
```
Assigned Agent: sentiment_analysis_specialist
- Especializado em análise de sentimento
- Treinado em dados de e-commerce
- Alta precisão em classificação emocional
```
**Task Prompt:** Prompt detalhado e específico para a tarefa
**Estrutura recomendada:**
```markdown theme={null}
# Análise de Sentimento de Reviews
## Contexto:
Você é um especialista em análise de sentimento focado em reviews de produtos.
## Tarefa:
Analise o sentimento dos reviews fornecidos e forneça insights detalhados.
## Input:
- Reviews de produtos em formato texto
- Metadados do produto (categoria, preço, etc.)
## Processo:
1. Leia cada review cuidadosamente
2. Identifique sentimentos: positivo, negativo, neutro
3. Calcule score de sentimento (-1 a +1)
4. Identifique temas principais mencionados
5. Extraia insights acionáveis
## Critérios de qualidade:
- Precisão na classificação de sentimento
- Identificação de nuances emocionais
- Insights relevantes para melhoria do produto
- Análise contextual considerando categoria do produto
## Formato de análise:
Para cada review, forneça:
- Score de sentimento
- Classificação (positivo/negativo/neutro)
- Temas principais
- Aspectos específicos mencionados
```
**Expected Output:** Descrição clara e detalhada do resultado esperado
**Estrutura do output esperado:**
```json theme={null}
{
"task_summary": {
"total_reviews": 150,
"analysis_date": "2024-01-15",
"product_category": "electronics"
},
"sentiment_analysis": {
"overall_sentiment": {
"score": 0.65,
"classification": "positive",
"confidence": 0.89
},
"distribution": {
"positive": 65,
"neutral": 20,
"negative": 15
}
},
"detailed_insights": {
"positive_themes": [
"qualidade do produto",
"entrega rápida",
"bom custo-benefício"
],
"negative_themes": [
"problemas de durabilidade",
"atendimento ao cliente"
],
"improvement_suggestions": [
"Melhorar controle de qualidade",
"Treinamento da equipe de suporte"
]
},
"individual_reviews": [
{
"review_id": "rev_001",
"sentiment_score": 0.8,
"classification": "positive",
"key_aspects": ["qualidade", "preço"],
"summary": "Cliente satisfeito com qualidade e preço"
}
]
}
```
**Especificações do output:**
* **Formato**: JSON estruturado
* **Campos obrigatórios**: Todos os campos principais devem estar presentes
* **Tipos de dados**: Especificar tipos (string, number, array, object)
* **Validação**: Critérios para validar se output está correto
* **Exemplos**: Exemplos concretos do formato esperado
**Timeout:** Tempo limite para execução da tarefa
```
Recomendado: 120-300 segundos (dependendo da complexidade)
```
**Retry Policy:** Política de tentativas em caso de falha
```
Opções:
- No Retry (para tarefas críticas)
- Retry Once (padrão)
- Retry with Validation (retry se output não atender expected)
```
**Output Validation:** Validação automática do resultado
```
- Schema Validation (JSON Schema)
- Content Validation (verificar campos obrigatórios)
- Quality Checks (verificar qualidade do conteúdo)
```
**Context Injection:** Injeção de contexto adicional
```
- Previous Task Results (resultados de tarefas anteriores)
- System Context (informações do sistema)
- User Context (dados do usuário)
```
**Campo `Output Key` na interface:**
O Output Key permite que o Task Agent salve o resultado da tarefa em uma variável específica no estado compartilhado, tornando-o disponível para outros agentes ou tarefas subsequentes.
**Como funciona:**
* Configure o campo `Output Key` com um nome descritivo
* O resultado da tarefa será salvo automaticamente nessa variável
* Outros agentes podem acessar usando placeholders `{{output_key_name}}`
* Funciona em workflows, loops e sistemas multi-agente
**Exemplos de configuração:**
```markdown theme={null}
Output Key: "analise_sentimento"
→ Salva resultado em state.analise_sentimento
Output Key: "resumo_executivo"
→ Salva resultado em state.resumo_executivo
Output Key: "dados_validados"
→ Salva resultado em state.dados_validados
```
**Uso em tarefas subsequentes:**
```markdown theme={null}
# Em Task Prompts de outras tarefas:
"Analise o pedido: {{user_input}} e baseie-se na análise: {{analise_sentimento}}"
"Use este resumo: {{resumo_executivo}}"
"Processe os dados: {{dados_validados}}"
```
**Boas práticas:**
* Use snake\_case: `resultado_tarefa`, `dados_processados`
* Seja específico: `validacao_formulario` em vez de `validacao`
* Evite conflitos com outras variáveis no estado
* Documente o formato do output nas instruções
* Use nomes que reflitam o conteúdo da tarefa
## Exemplos Práticos
### 1. Análise de Sentimento de Reviews
**Cenário:** Analisar sentimento de reviews de produtos para e-commerce
**Configuração do Task Agent:**
**Basic Information:**
* **Name:** `sentiment_analysis_task`
* **Description:** `Análise detalhada de sentimento em reviews de produtos`
* **Goal:** `Fornecer insights acionáveis sobre satisfação dos clientes`
**Agent Assignment:**
* **Assigned Agent:** `sentiment_specialist_v2`
* **Agent Type:** LLM Agent especializado
* **Specialization:** Análise de sentimento em português
**Task Prompt:**
```markdown theme={null}
# Tarefa: Análise de Sentimento de Reviews
Você é um especialista em análise de sentimento para e-commerce.
## Input recebido:
- Lista de reviews de produtos
- Metadados do produto (nome, categoria, preço)
## Sua missão:
1. Analise cada review individualmente
2. Calcule score de sentimento (-1 a +1)
3. Classifique como positivo/neutro/negativo
4. Identifique aspectos específicos mencionados
5. Extraia insights para melhoria do produto
## Foque em:
- Precisão na classificação
- Identificação de nuances
- Insights acionáveis
- Análise contextual
```
**Expected Output:**
```json theme={null}
{
"summary": {
"total_reviews": "number",
"overall_sentiment": "number (-1 to 1)",
"classification": "positive|neutral|negative"
},
"insights": {
"positive_aspects": ["array of strings"],
"negative_aspects": ["array of strings"],
"improvement_suggestions": ["array of strings"]
},
"detailed_analysis": [
{
"review_id": "string",
"sentiment_score": "number",
"classification": "string",
"key_aspects": ["array"],
"summary": "string"
}
]
}
```
### 2. Geração de Resumo Executivo
**Cenário:** Gerar resumo executivo de relatórios longos
**Configuração do Task Agent:**
**Basic Information:**
* **Name:** `executive_summary_task`
* **Description:** `Geração de resumos executivos concisos e informativos`
* **Goal:** `Criar resumos que capturem pontos-chave para tomada de decisão`
**Agent Assignment:**
* **Assigned Agent:** `document_summarizer_pro`
* **Specialization:** Sumarização de documentos corporativos
**Task Prompt:**
```markdown theme={null}
# Tarefa: Geração de Resumo Executivo
Você é um especialista em criar resumos executivos para liderança corporativa.
## Input:
- Relatório completo (texto longo)
- Contexto do negócio
- Audiência-alvo (C-level, gerentes, etc.)
## Objetivo:
Criar resumo executivo que permita tomada de decisão rápida e informada.
## Estrutura obrigatória:
1. **Situação Atual** (2-3 frases)
2. **Principais Descobertas** (3-5 pontos)
3. **Recomendações** (2-4 ações específicas)
4. **Próximos Passos** (timeline e responsáveis)
## Critérios:
- Máximo 300 palavras
- Linguagem executiva (clara e direta)
- Foco em ações e resultados
- Dados quantitativos quando relevantes
```
**Expected Output:**
```json theme={null}
{
"executive_summary": {
"current_situation": "string (2-3 sentences)",
"key_findings": [
"string (finding 1)",
"string (finding 2)",
"string (finding 3)"
],
"recommendations": [
{
"action": "string",
"priority": "high|medium|low",
"impact": "string",
"effort": "string"
}
],
"next_steps": [
{
"action": "string",
"timeline": "string",
"responsible": "string"
}
]
},
"metadata": {
"word_count": "number",
"reading_time": "string",
"confidence_score": "number"
}
}
```
### 3. Validação de Dados de Entrada
**Cenário:** Validar dados de formulários antes do processamento
**Configuração do Task Agent:**
**Basic Information:**
* **Name:** `data_validation_task`
* **Description:** `Validação inteligente de dados de entrada`
* **Goal:** `Garantir qualidade e completude dos dados antes do processamento`
**Agent Assignment:**
* **Assigned Agent:** `data_validator_agent`
* **Specialization:** Validação e limpeza de dados
**Task Prompt:**
```markdown theme={null}
# Tarefa: Validação de Dados de Entrada
Você é um especialista em validação e qualidade de dados.
## Input:
- Dados de formulário (JSON)
- Schema de validação
- Regras de negócio específicas
## Validações obrigatórias:
1. **Formato**: Verificar tipos de dados e formatos
2. **Completude**: Identificar campos obrigatórios faltantes
3. **Consistência**: Verificar lógica entre campos
4. **Qualidade**: Detectar dados suspeitos ou inválidos
5. **Segurança**: Identificar possíveis ameaças
## Para cada erro encontrado:
- Identifique o campo específico
- Descreva o problema
- Sugira correção quando possível
- Classifique severidade (crítico/alto/médio/baixo)
```
**Expected Output:**
```json theme={null}
{
"validation_result": {
"is_valid": "boolean",
"overall_score": "number (0-100)",
"total_errors": "number",
"total_warnings": "number"
},
"field_validation": {
"field_name": {
"is_valid": "boolean",
"errors": ["array of error messages"],
"warnings": ["array of warning messages"],
"suggestions": ["array of suggestions"]
}
},
"errors": [
{
"field": "string",
"type": "format|required|consistency|quality|security",
"severity": "critical|high|medium|low",
"message": "string",
"suggestion": "string"
}
],
"cleaned_data": {
"description": "Data with automatic fixes applied",
"data": "object with cleaned values"
}
}
```
## Integração com Outros Agentes
### Usando Task Agents em Workflows
**Exemplo: Pipeline de Processamento de Conteúdo**
```markdown theme={null}
Sequential Workflow:
1. **Task Agent: Extração de Dados**
- Agent: data_extractor
- Task: Extrair informações de documento
- Output: structured_data
2. **Task Agent: Validação**
- Agent: data_validator
- Task: Validar dados extraídos
- Input: {{structured_data}}
- Output: validation_result
3. **Task Agent: Enriquecimento**
- Agent: data_enricher
- Task: Enriquecer com dados externos
- Input: {{structured_data}}
- Output: enriched_data
4. **Task Agent: Geração de Relatório**
- Agent: report_generator
- Task: Gerar relatório final
- Input: {{enriched_data}}
- Output: final_report
```
**Exemplo: Análise Completa de Produto**
```markdown theme={null}
Parallel Workflow:
Executar simultaneamente:
- **Task Agent: Análise de Preços**
- Agent: price_analyzer
- Task: Analisar competitividade de preços
- **Task Agent: Análise de Reviews**
- Agent: sentiment_analyzer
- Task: Analisar sentimento dos clientes
- **Task Agent: Análise de Especificações**
- Agent: spec_analyzer
- Task: Comparar especificações técnicas
- **Task Agent: Análise de Disponibilidade**
- Agent: availability_checker
- Task: Verificar estoque e disponibilidade
Resultados são agregados em relatório unificado.
```
**Exemplo: Workflow Visual Complexo**
```markdown theme={null}
Workflow com Task Agents como nodes:
Start → Task Agent (Extração) → Condition (Dados Válidos?)
↓ ↓
Task Agent (Validação) Task Agent (Correção)
↓ ↓
Task Agent (Processamento) ← ← ← ← ← ← ← ←
↓
Task Agent (Relatório) → End
Cada Task Agent tem responsabilidade específica e bem definida.
```
## Monitoramento e Performance
### Acompanhando Task Agents
**Métricas específicas para Task Agents:**
**Execution Metrics:**
```
Task Agent: sentiment_analysis_task
Performance Overview:
├── Total Executions: 2,847
├── Success Rate: 97.2%
├── Avg Execution Time: 4.3s
├── Avg Output Quality: 8.7/10
└── Last 24h: 156 executions
Output Validation:
├── Schema Compliance: 99.1%
├── Content Quality: 94.5%
├── Expected Format: 98.8%
└── Validation Failures: 2.8%
Agent Performance:
├── Agent: sentiment_specialist_v2
├── Specialization Match: 95%
├── Task Completion Rate: 97.2%
└── Quality Consistency: 92.1%
```
**Problemas comuns com Task Agents:**
**1. Output Format Mismatch**
```
Sintoma: Agent retorna formato diferente do esperado
Causa: Prompt não específico o suficiente
Solução: Refinar prompt com exemplos concretos
```
**2. Task Scope Creep**
```
Sintoma: Agent executa além do escopo da tarefa
Causa: Prompt muito amplo ou ambíguo
Solução: Definir limites claros na tarefa
```
**3. Quality Inconsistency**
```
Sintoma: Qualidade varia entre execuções
Causa: Agent não especializado ou prompt inconsistente
Solução: Usar agent mais especializado ou melhorar prompt
```
**4. Performance Degradation**
```
Sintoma: Tempo de execução aumentando
Causa: Agent sobrecarregado ou tarefa muito complexa
Solução: Otimizar tarefa ou usar agent mais poderoso
```
## Melhores Práticas
**Princípios para Task Agents eficazes:**
* **Responsabilidade única**: Uma tarefa específica e bem definida
* **Prompt claro**: Instruções precisas e sem ambiguidade
* **Output estruturado**: Formato de saída bem especificado
* **Agent adequado**: Escolha agent com especialização apropriada
* **Validação robusta**: Critérios claros para validar resultado
**Matching tarefa-agente:**
* **Análise de texto**: Use agents especializados em NLP
* **Processamento de dados**: Use agents com capacidades analíticas
* **Geração de conteúdo**: Use agents criativos e especializados
* **Validação**: Use agents focados em qualidade e precisão
* **Tradução**: Use agents multilíngues especializados
**Garantindo execução consistente:**
* **Testing**: Teste tarefas com diferentes inputs
* **Validation**: Implemente validação automática de outputs
* **Monitoring**: Monitore performance e qualidade continuamente
* **Feedback loop**: Use resultados para melhorar prompts
* **Version control**: Mantenha histórico de mudanças em tarefas
## Casos de Uso Comuns
**Tarefas Analíticas:**
* Análise de sentimento
* Extração de entidades
* Classificação de texto
* Sumarização de documentos
**Tarefas de Dados:**
* Validação de entrada
* Limpeza de dados
* Transformação de formatos
* Enriquecimento de informações
**Tarefas Criativas:**
* Geração de resumos
* Criação de relatórios
* Tradução de textos
* Formatação de documentos
**Tarefas de Controle:**
* Verificação de compliance
* Controle de qualidade
* Auditoria de dados
* Validação de regras
## Próximos Passos
Use Task Agents em workflows visuais complexos
Combine Task Agents em sequências ordenadas
Entenda os agentes que executam as tarefas
Use agentes externos como executores de tarefas
***
O Task Agent é perfeito para criar unidades de trabalho bem definidas e especializadas. Use-o quando quiser atribuir responsabilidades específicas a agentes especializados, seguindo o padrão do CrewAI para organização eficiente de equipes de agentes.