Glossário
Glossário da IA Agêntica
Os termos da IA agêntica ainda não têm todos uma definição estável. Este glossário explica cada um deles, com base em fontes que reúnem consenso.
Este glossário reúne os termos mais comuns quando o assunto é agentes de IA: agente autônomo, orquestração multiagente, MCP, RAG, tool calling, BYOK, human-in-the-loop, observabilidade, guardrails e governança. Alguns vêm da pesquisa acadêmica, outros da documentação técnica dos grandes provedores de modelos, e outros ainda de frameworks regulatórios recentes. O vocabulário desse campo muda rápido, e as mesmas palavras às vezes cobrem usos bem diferentes de um provedor para outro.
Cada página parte do mesmo princípio: primeiro, verificar o que dizem as fontes de referência sobre o assunto (documentação oficial, artigo de pesquisa fundador, texto regulatório); sinalizar quando duas fontes sérias não contam exatamente a mesma história; depois, explicar o termo de forma simples, com um exemplo concreto em vez de uma definição abstrata. Quando relevante, o exemplo se baseia no funcionamento real de um agente de IA autônomo na Atako, sem inventar nada que não esteja documentado.
A ideia não é substituir uma definição de dicionário, mas dar o suficiente para entender um termo rápido o bastante para continuar a leitura em outro lugar, seja um artigo técnico, uma documentação de produto ou uma conversa com uma equipe. Cada página também remete a outros termos vizinhos, para navegar de um conceito a outro sem perder o fio.
Todos os termos
Agente de IA autônomo: definição e diferença de um workflow
Um agente de IA autônomo persegue um objetivo de longo prazo, escolhe sozinho a sequência de ações para alcançá-lo, e roda continuamente em seu próprio ambiente em vez de ser ativado para uma única solicitação. Ele só recorre ao humano para uma decisão pontual, ao contrário de um workflow acionado por um evento.
Agente de IA: definição, funcionamento e exemplos
Um agente de IA é um programa que percebe o ambiente, decide uma ação e a executa, sozinho ou por meio de ferramentas externas, para atingir um objetivo. Ele se diferencia de um chatbot clássico pela capacidade de encadear várias etapas e agir, com um nível de autonomia que varia conforme a plataforma.
BYOK: rodar um agente de IA com sua própria chave de API
BYOK (Bring Your Own Key) é uma opção que permite rodar um agente ou uma ferramenta de IA com a chave de API pessoal de um provedor de modelo (OpenAI, Anthropic, Mistral AI), em vez do acesso incluído na assinatura. A cobrança do modelo passa então diretamente pela conta do provedor, fora do plano da plataforma.
Guardrails e governança de agentes de IA: definição e mecanismos
Guardrails e governança designam o conjunto de regras, permissões e controles que regulam o que um agente de IA tem o direito de fazer, antes, durante e depois da execução de uma ação. Isso cobre as permissões por ação, a validação humana em decisões sensíveis, a auditoria do que aconteceu, e a capacidade de cortar o acesso a qualquer momento.
Human-in-the-loop: manter um humano na malha de um agente de IA
Human-in-the-loop (humano na malha) é um princípio de design em que uma pessoa mantém a autoridade de validar, corrigir ou bloquear uma decisão ou ação gerada por uma IA, em um ponto preciso do processo, antes que ela produza um efeito real. É um mecanismo de controle, não uma supervisão contínua de cada etapa.
IA agêntica: definição, funcionamento e exemplos
IA agêntica é o paradigma de sistemas de IA que percebem o ambiente, planejam uma sequência de ações e as executam com ferramentas, visando um objetivo em várias etapas em vez de apenas responder uma única vez a uma solicitação isolada, com supervisão humana limitada mas ajustável.
IA generativa vs. IA agêntica: qual é a diferença?
A IA generativa produz conteúdo (texto, imagem, código) em resposta a uma solicitação pontual. A IA agêntica planeja uma sequência de ações e as executa com ferramentas para atingir um objetivo em várias etapas. A segunda geralmente usa a primeira como motor de raciocínio interno.
MCP (Model Context Protocol): definição, funcionamento e exemplos
MCP (Model Context Protocol) é um protocolo aberto, criado pela Anthropic no fim de 2024, que padroniza a forma como um modelo ou agente de IA se conecta a fontes de dados e ferramentas externas. Ele substitui integrações sob medida, uma por ferramenta, por uma linguagem comum entre aplicações de IA e sistemas de terceiros.
Observabilidade de agentes de IA: ver o que um agente faz em tempo real
A observabilidade de agentes é a capacidade de acompanhar em detalhe a atividade de um agente de IA: suas chamadas de ferramentas, decisões, erros, com sua origem e seu resultado, geralmente por meio de logs, uma linha do tempo de eventos ou traces. Ela permite entender por que um agente agiu daquela forma e detectar um problema antes que se agrave.
Orquestração de agentes: definição, funcionamento e casos de uso
A orquestração de agentes designa a coordenação de vários agentes ou subagentes de IA dentro de um mesmo sistema: divisão de tarefas, sequenciamento de etapas, supervisão da execução e consolidação dos resultados. Um orquestrador, centralizado ou distribuído, decide qual agente age, quando, e como os resultados são combinados.
RAG (Retrieval-Augmented Generation): definição e funcionamento
O RAG (Retrieval-Augmented Generation) é um método que associa um mecanismo de busca documental e um modelo de linguagem: antes de responder, o modelo busca trechos relevantes em uma base externa, e então gera sua resposta a partir desses trechos. Isso limita as invenções e permite usar informações recentes ou internas da empresa.
Sistema multiagente: definição, funcionamento e exemplos
Um sistema multiagente reúne vários agentes de IA autônomos que trabalham juntos em uma mesma tarefa complexa. Cada agente tem um papel especializado, troca informações com os outros e toma suas próprias decisões. Essa divisão do trabalho permite lidar com workflows que um único agente não conseguiria gerenciar sozinho de forma eficiente.
Tool calling: como um agente de IA chama ferramentas externas
O tool calling (chamada de ferramentas, também chamado de function calling) é a capacidade de um modelo de linguagem de identificar que uma solicitação exige uma ação externa, como ler um banco de dados ou enviar uma mensagem, e produzir um pedido de chamada estruturado com seus argumentos. Uma aplicação então executa essa chamada e devolve o resultado ao modelo.
Perguntas frequentes
O que é um agente de IA, em uma frase?
Um agente de IA é um sistema que roda continuamente, toma decisões e pode agir sobre ferramentas reais para atingir um objetivo, em vez de apenas responder a uma pergunta em uma conversa pontual. A página pilar do site detalha essa definição e o que diferencia um agente autônomo de um simples assistente conversacional.
Qual é a diferença entre um agente de IA e a IA generativa clássica?
A IA generativa clássica responde a uma solicitação pontual, sem memória nem capacidade de agir além do texto produzido. Um agente de IA mantém memória entre as interações, pode chamar ferramentas externas e continua trabalhando após a resposta inicial, até que o objetivo seja atingido ou um humano intervenha.
Este glossário é atualizado regularmente?
Sim, cada termo indica uma data da última atualização e se apoia em fontes de referência citadas no final da página, como a documentação oficial dos provedores de modelos ou os frameworks de governança de IA reconhecidos. O vocabulário desse campo evolui rápido, e as definições são revisadas de acordo.
O que ler a seguir
CTO da Atako
Este conteúdo foi redigido pelos agentes de IA da Atako, depois revisado, corrigido e validado por Romain Laodicina, CTO da Atako.