Módulo 5: CrewAI - Sistemas Multi-Agentes

Progresso do Módulo 0/25 tópicos

"Sozinho você vai rápido. Em equipe, você vai longe." - Provérbio Africano

Ato 3: A Maestria

Você evoluiu de um conversador para um construtor, e de um construtor para um arquiteto. Agora, você se tornará um orquestrador. Este é o ápice da engenharia de agentes: a criação de sistemas onde múltiplos especialistas de IA colaboram, delegam e resolvem problemas que nenhum agente conseguiria sozinho.

Com CrewAI, você não está mais apenas dando ordens; você está montando uma equipe de elite.

Capítulo 5.1: Conceitos de Multi-Agent Systems

Um Sistema Multi-Agentes (MAS) é uma coleção de agentes autônomos que:
- Interagem entre si
- Compartilham informações
- Colaboram em objetivos comuns
- Competem ou negociam quando necessário
💡 ANALOGIA: Pense em uma equipe de desenvolvimento de software: Product Owner (define o que construir), Arquiteto (planeja a solução), Desenvolvedores (implementam), QA (testa), DevOps (faz deploy). Cada membro tem expertise específica. Juntos, entregam o que nenhum conseguiria sozinho.
1. Especialização

Agente generalista sabe um pouco de tudo, mas é mestre em nada. Uma equipe de especialistas (Pesquisador 95% precisão, Escritor qualidade editorial, Analista insights profundos) oferece qualidade superior em cada subtarefa.

2. Paralelismo

Sequencial (1 agente): 40 minutos total. Paralelo (4 agentes): 12 minutos total com tarefas simultâneas.

3. Robustez

Se um agente falha, outro pode assumir. O sistema continua operacional com degradação graceful.

4. Modularidade

5 agentes de 2.000 linhas cada são mais fáceis de debugar, manter, testar e reutilizar do que um monolito de 10.000 linhas.
1. Agência de Marketing Digital
- Estrategista: Análise de mercado
- Copywriter: Criação de textos
- Designer: Assets visuais
- Analista: Métricas e ROI
2. Consultoria Jurídica
- Pesquisador: Jurisprudência
- Analista: Análise de contratos
- Redator: Pareceres legais
- Revisor: Compliance
3. Desenvolvimento de Software
- Arquiteto: Design do sistema
- Backend Dev: APIs
- Frontend Dev: UI/UX
- QA: Testes automatizados

Capítulo 5.2: A Arquitetura CrewAI

┌─────────────────────────────────────────────┐ │ CREW │ │ ┌───────────────────────────────────────┐ │ │ │ PROCESS │ │ │ │ (Sequential / Hierarchical) │ │ │ └───────────────────────────────────────┘ │ │ │ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │ │ Agent 1 │ │ Agent 2 │ │ Agent 3 │ │ │ │ + Tools │ │ + Tools │ │ + Tools │ │ │ └─────────┘ └─────────┘ └─────────┘ │ │ │ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │ │ Task 1 │ │ Task 2 │ │ Task 3 │ │ │ └─────────┘ └─────────┘ └─────────┘ │ └─────────────────────────────────────────────┘
São os especialistas da sua equipe.

from crewai import Agent agent = Agent( role="Senior Data Analyst", goal="Extrair insights acionáveis de dados complexos", backstory=""" Você é um analista de dados sênior com 10 anos de experiência em análise preditiva e visualização de dados. Você trabalhou em Fortune 500 companies e é conhecido por transformar dados brutos em insights estratégicos. """, tools=[search_tool, calculator, database_query], verbose=True, allow_delegation=False, max_iter=15, memory=True )
São as unidades de trabalho específicas.

from crewai import Task task = Task( description=""" Analise o dataset de vendas Q1 2024 e identifique: 1. Top 5 produtos por receita 2. Tendências sazonais 3. Oportunidades de cross-sell """, expected_output=""" Relatório executivo em formato Markdown com: - Gráficos das métricas principais - Lista de insights com nível de confiança - 3 recomendações acionáveis """, agent=data_analyst, tools=[pandas_tool, visualization_tool] )
Ferramentas permitem que agentes interajam com o mundo externo.

from crewai_tools import SerperDevTool, WebsiteSearchTool # Ferramenta de busca search_tool = SerperDevTool() # Ferramenta customizada from crewai_tools import tool @tool("Database Query Tool") def query_database(query: str) -> str: """Execute SQL query on company database""" # Implementação return results
Sequential Process: Tarefas executadas em ordem linear (A → B → C).

Hierarchical Process: Um agente manager coordena outros agentes, delegando tarefas e revisando resultados.

💡 DICA: Use Sequential para workflows lineares simples. Use Hierarchical quando houver interdependências complexas ou necessidade de revisão/aprovação.
A Crew orquestra tudo.

from crewai import Crew, Process crew = Crew( agents=[researcher, analyst, writer], tasks=[research_task, analysis_task, writing_task], process=Process.sequential, verbose=True, memory=True, max_rpm=10 # Rate limiting ) result = crew.kickoff() print(result)

Capítulo 5.3: Construindo Sua Primeira Crew

Objetivo: Criar uma crew que pesquisa, analisa e escreve relatórios de mercado.

from crewai import Agent, Task, Crew, Process from crewai_tools import SerperDevTool # Ferramentas search_tool = SerperDevTool() # AGENTE 1: Pesquisador researcher = Agent( role="Market Research Specialist", goal="Coletar dados abrangentes sobre mercados e competidores", backstory=""" Você é um pesquisador de mercado experiente com habilidade excepcional em encontrar informações relevantes e validar fontes. """, tools=[search_tool], verbose=True ) # AGENTE 2: Analista analyst = Agent( role="Business Analyst", goal="Transformar dados brutos em insights estratégicos", backstory=""" Você é um analista de negócios sênior com expertise em identificar oportunidades de mercado e avaliar competição. """, tools=[], verbose=True ) # AGENTE 3: Escritor writer = Agent( role="Content Strategist", goal="Criar relatórios executivos claros e acionáveis", backstory=""" Você é um estrategista de conteúdo especializado em comunicar insights complexos de forma acessível. """, tools=[], verbose=True ) # TAREFAS research_task = Task( description=""" Pesquise o mercado de {topic} e colete: 1. Tamanho do mercado (global e regional) 2. Principais players 3. Tendências recentes 4. Tecnologias emergentes """, expected_output="Documento com dados estruturados e fontes", agent=researcher ) analysis_task = Task( description=""" Analise os dados coletados e identifique: 1. Oportunidades de mercado 2. Ameaças competitivas 3. Barreiras de entrada 4. Recomendações estratégicas """, expected_output="Análise SWOT detalhada", agent=analyst ) writing_task = Task( description=""" Escreva um relatório executivo de 500 palavras que: 1. Resume os principais achados 2. Destaca insights críticos 3. Fornece recomendações acionáveis """, expected_output="Relatório em Markdown formatado", agent=writer ) # CREW market_research_crew = Crew( agents=[researcher, analyst, writer], tasks=[research_task, analysis_task, writing_task], process=Process.sequential, verbose=True ) # EXECUTAR result = market_research_crew.kickoff(inputs={"topic": "IA Generativa"}) print(result)

Capítulo 5.4: Padrões Avançados

Com allow_delegation=True, agentes podem delegar subtarefas para outros agentes.

senior_agent = Agent( role="Senior Consultant", goal="Coordenar projeto complexo", allow_delegation=True, # Pode delegar tools=[], verbose=True ) junior_agent = Agent( role="Junior Analyst", goal="Executar análises específicas", allow_delegation=False, # Não pode delegar tools=[analysis_tool], verbose=True )

💡 QUANDO USAR: Delegação é útil quando um agente identifica que precisa de expertise que outro agente possui. É como um gerente delegando uma tarefa técnica para um especialista.
Agentes podem compartilhar memória para manter contexto entre execuções.

crew = Crew( agents=[agent1, agent2], tasks=[task1, task2], memory=True, # Ativa memória compartilhada verbose=True ) # Agentes lembrarão de interações anteriores result1 = crew.kickoff(inputs={"query": "Analise vendas Q1"}) result2 = crew.kickoff(inputs={"query": "Compare com Q2"}) # Agent2 tem contexto de Q1!
crew = Crew( agents=[dev1, dev2, qa, devops], tasks=[feature_task, test_task, deploy_task], process=Process.hierarchical, manager_llm="gpt-4", # LLM para o manager verbose=True ) # O manager irá: # 1. Analisar as tarefas # 2. Delegar para os agentes apropriados # 3. Revisar os resultados # 4. Garantir qualidade e completude
def task_callback(output): print(f"Task completed: {output.description}") # Salvar em banco de dados # Enviar notificação # Atualizar dashboard task = Task( description="Analyze data", agent=analyst, callback=task_callback )

📝 Resumo Gráfico do Módulo 5

Componentes CrewAI:
- Agents: Especialistas com role, goal, backstory
- Tasks: Unidades de trabalho específicas
- Tools: Capacidades de interação externa
- Process: Sequential ou Hierarchical
- Crew: Orquestrador da equipe
Vantagens de Multi-Agentes:
- ✓ Especialização (melhor qualidade)
- ✓ Paralelismo (melhor performance)
- ✓ Robustez (tolerância a falhas)
- ✓ Modularidade (manutenção fácil)

🚀 Projeto Prático do Módulo 5

Objetivo: Criar uma crew que produz artigos de blog completos com pesquisa, escrita e SEO.

Agentes Necessários:
- Researcher: Pesquisa tópicos e tendências
- Writer: Escreve conteúdo envolvente
- SEO Specialist: Otimiza para motores de busca
- Editor: Revisa e aprova
Funcionalidades:
- Pesquisa automática de keywords
- Geração de outline estruturado
- Escrita de artigo completo (1500+ palavras)
- Otimização SEO (meta tags, headers)
- Revisão de qualidade
Resultado Esperado: Artigo publicável em formato Markdown com SEO otimizado.

🎯 Próximos Passos

Você agora domina a orquestração de equipes de IA com CrewAI. Você aprendeu:
- ✓ Conceitos de Sistemas Multi-Agentes
- ✓ Arquitetura CrewAI (Agents, Tasks, Tools, Process, Crew)
- ✓ Padrões Sequential e Hierarchical
- ✓ Delegação e memória compartilhada
No Módulo 6, exploraremos o Model Context Protocol (MCP), uma tecnologia revolucionária que permite que agentes de IA se conectem a qualquer sistema externo de forma padronizada e segura.

Você aprenderá:
- Arquitetura MCP (Servers, Clients, Resources, Tools)
- Criar servidores MCP customizados
- Integrar sistemas externos com IA
- Segurança e autenticação

Continue sua jornada

Você dominou sistemas multi-agentes. Agora é hora de conectar IA com qualquer sistema!

Voltar: Módulo 4 Próximo: Módulo 6 - MCP

← Voltar para Nível Aplicação

Módulo 5: Sistemas Multi-Agentes com CrewAI