Visão Geral da Palestra

Construção de Sistemas de Multi-Agentes — palestra técnica apresentada por João Victor Sousa de Santana (Arquiteto de Solução na Blip AI) para a comunidade GDG Google I/O João Pessoa/PB.

A palestra parte de uma distinção central: vibe coding (tentativa e erro dentro do chat, sem fronteiras claras entre o que o modelo decide e o que o sistema garante) versus engenharia agêntica (processos estruturados e determinísticos, com fronteiras explícitas substituindo a improvisação linha a linha). A partir daí, percorre desde os fundamentos de um agente individual até a orquestração de sistemas multi-agente em produção — incluindo protocolos como MCP, e considerações de governança, segurança e custo.

<aside>

💡 Ideia-chave que atravessa toda a palestra: Agente = Modelo (~10%) + Harness (~90%). O modelo raciocina; ferramentas, memória, orquestração e proteções sustentam o sistema em produção.

</aside>

Objetivo

Capacitar desenvolvedores a projetar, implementar e orquestrar sistemas multi-agentes de IA, entendendo:

• a divisão entre modelo (raciocínio) e harness (ferramentas, memória, orquestração, proteções);
• os padrões arquiteturais de orquestração (sequencial, paralelo, router, swarm, debate);
• o paradigma dos três papéis — Orquestrador, Trabalhador, Validador;
• os riscos e boas práticas de produção (guardrails, rendição cognitiva, avaliação contínua).

Público-Alvo

Desenvolvedores e engenheiros de software com interesse em Inteligência Artificial e automação de processos de desenvolvimento, que já têm familiaridade básica com LLMs e querem aprofundar em arquitetura de agentes.

Principais conclusões

• Entender por que Agente = Modelo (~10%) + Harness (~90%) — e por que a engenharia do harness é o verdadeiro trabalho.
• Reconhecer os padrões de orquestração multi-agente (sequencial, paralelo, router, swarm, debate) e quando usar cada um.
• Aplicar o paradigma dos três papéis (Orquestrador, Trabalhador, Validador) e a prática de droid whispering (modelo certo para cada papel).
• Compreender o Loop ReAct (Perceber → Raciocinar → Agir → Observar) e o padrão de Reflection como mecanismos centrais de autonomia.
• Conhecer o ecossistema de frameworks (LangChain/LangGraph, CrewAI, AutoGen, Agno) e protocolos (MCP, WebMCP).
• Identificar riscos de produção — guardrails, rendição cognitiva, avaliação contínua — e como mitigá-los.
• Sair com um repositório de referência funcional (LangChain + LLM gratuito) para replicar os conceitos na prática.