Agentes aut?nomos com tecnologia LLM est?o evoluindo al¨¦m de agentes ¨²nicos e sistemas multi-agentes est¨¢ticos com o surgimento de frameworks como o e o . Essa t¨¦cnica permite que desenvolvedoras dividam uma atividade complexa em v¨¢rias tarefas menores realizadas por agentes, onde cada agente ¨¦ designado a uma fun??o espec¨ªfica. Desenvolvedoras podem utilizar ferramentas pr¨¦-configuradas para realizar a tarefa, e os agentes conversam entre si e orquestram o fluxo. A t¨¦cnica ainda est¨¢ em est¨¢gio inicial de desenvolvimento. Em nossos experimentos at¨¦ agora, nossos times t¨ºm encontrado problemas como agentes entrando em loops cont¨ªnuos e comportamento descontrolado. Bibliotecas como oferecem um maior controle das intera??es do agente com a habilidade de definir o fluxo como um gr¨¢fico. Se voc¨º utiliza esta t¨¦cnica, n¨®s sugerimos implementar mecanismos de seguran?a contra falhas, incluindo timeouts e supervis?o humana.
Agentes aut?nomos impulsionados por LLM est?o evoluindo al¨¦m de agentes isolados e sistemas multiagentes est¨¢ticos com o surgimento de frameworks como o e o . Essas estruturas permitem que as pessoas usu¨¢rias definam agentes com fun??es espec¨ªficas, atribuam tarefas e habilitem a colabora??o entre agentes para concluir essas tarefas por meio de delega??o ou conversa??o. Semelhante aos sistemas de agente ¨²nico que surgiram anteriormente, como o , agentes individuais podem dividir tarefas, utilizar ferramentas pr¨¦-configuradas e solicitar interven??o humana. Embora ainda esteja nos est¨¢gios iniciais de desenvolvimento, esta ¨¢rea est¨¢ se desenvolvendo rapidamente e tem um potencial empolgante para explora??o.
? medida que o desenvolvimento de modelos de linguagem de grande porte (LLMs) continua, o interesse em construir agentes de IA aut?nomos ¨¦ forte. , e s?o todos exemplos de agentes aut?nomos impulsionados por LLM que fomentam um LLM subjacente para entender o objetivo que lhes foi dado e trabalhar para alcan?¨¢-lo. O agente lembra de quanto progresso fez, usa o LLM para raciocinar sobre o que fazer a seguir, toma a??es e entende quando o objetivo foi alcan?ado. Isso ¨¦ frequentemente conhecido como racioc¨ªnio de cadeia de pensamento ¡ª e pode realmente funcionar. Uma de nossas equipes implementou um chatbot de atendimento ao cliente como um agente aut?nomo. Se o bot n?o conseguir atingir o objetivo da cliente, ele reconhece sua pr¨®pria limita??o e redireciona a cliente para um humano. Essa abordagem est¨¢ definitivamente no in¨ªcio de seu ciclo de desenvolvimento: agentes aut?nomos frequentemente sofrem de uma alta taxa de falha e incorrem em taxas de servi?os de IA caras, e pelo menos uma startup de IA de uma abordagem baseada em agente.
