O que é um agente, e de onde veio a ideia

Imagine que a sua caixa de e-mail encheu. Você abre um chat como o ChatGPT e escreve: “leia meus e-mails, ache as reuniões e marque na agenda”. A resposta é um texto ensinando como você mesmo pode fazer isso.

Por trás do chat há um modelo de IA, o que escreve as respostas. Ele lê um texto e escreve outro. Ler e escrever é tudo o que ele faz. Por isso o e-mail e a agenda ficam tracejados no desenho.

O modelo de IA por trás do chat lê o que você mandou e escreve de volta. Nada mais. Ele não abre a sua caixa de entrada nem mexe na sua agenda.

O resto é com você. Você copia os e-mails para o chat, lê a resposta e pede o próximo passo. E assim por diante. Esse vaivém tem nome: laço. No chat, quem dá as voltas do laço é você.

Agora o pedido de marcar reuniões vai para um agente. O agente abre os e-mails, lê e marca na agenda. Você não copia nada.

Um agente tem duas peças. Uma é o modelo de IA, que só lê e escreve. A outra é um programa comum em volta dele, o anel do desenho. O modelo escreve um pedido, “abra este e-mail”, e o programa executa e devolve o texto. Juntos, os dois fazem a tarefa.

Você pede a um agente que marque as reuniões dos e-mails. Um agente tem duas peças. Uma é o modelo de IA, o que escreve as respostas num chat como o ChatGPT. A outra é um programa em volta, que executa o que ele manda.

O modelo manda, o programa executa e devolve. Esse vaivém é o laço. Cada rodada é uma volta. Numa volta o agente busca, noutra age, noutra confere, sem ordem fixa. A última responde a você.

O modelo de IA só escreve. Então o que ele dá ao programa é um bilhete: “liste os e-mails desta semana”. O programa executa e devolve a lista, também em texto.

Cada coisa que o programa consegue fazer se chama ferramenta, nome emprestado das oficinas. Listar os e-mails é uma ferramenta, abrir um e-mail é outra. Logo no começo, o programa dá ao modelo a lista das suas ferramentas. O modelo lê o manual de cada uma quando precisa.

Com a lista de e-mails na mão, o modelo escolhe o próximo passo. Pede ao programa que abra os que parecem convite de reunião. O programa abre e devolve o texto. O modelo lê e escolhe de novo.

Isso é um agente, o modelo de IA mais o programa em volta dele. Juntos cumprem um pedido, volta após volta, com as ferramentas do programa.1

agente

A gente deu o pedido de marcar reuniões a um agente de verdade. A caixa tinha quarenta e-mails e um arquivo de regras, “dou aula à tarde, reuniões só de manhã”.

Foram sete voltas em 21 segundos. Nas quatro primeiras, o agente buscou: leu as regras e abriu os e-mails que pareciam convite. Na quinta, agiu e marcou seis reuniões, todas de manhã. Na sexta, conferiu a agenda. Na sétima, respondeu.3

No teste do desenho, um agente marcou as reuniões em sete voltas. Repare em quem escolheu cada volta: o modelo de IA, a peça do agente que lê e escreve. Ninguém escreveu antes quais e-mails abrir.

Um dos convites era um cancelamento. O modelo não marcou, e avisou na resposta. Escolher cada passo é o que faz o agente ser agente. E é também o risco. Se o modelo escolher mal, as voltas seguintes vão mal também.

De onde veioA palavra “agente” tinha sentidos demais. Em 2025, Simon Willison, programador que escreve sobre esses sistemas, adotou esta definição curta. Ele contou que ela segue a de um texto de 2024 da Anthropic, a empresa que faz o Claude. Em inglês, agente é agent, e cada ação do programa é uma tool. No teste, o agente abriu 7 dos 40 e-mails e marcou 6 reuniões.123

Você pede a um agente que marque as reuniões. O agente junta um modelo de IA e um programa em volta. O modelo de IA é o que escreve as respostas num chat como o ChatGPT. O modelo pede, o programa executa e devolve, volta após volta.

Antes de cada pedido, o modelo escreve o que vai fazer: “preciso achar os convites, vou listar os e-mails”. É o que aqui se chama pensar. O modelo relê na volta seguinte.4

Imagine que alguém pergunta onde nasceu o diretor de um filme. Um teste fez perguntas assim a um modelo de IA. Num jeito, o modelo só escrevia o pensamento e respondia. No outro, consultava também a Wikipédia.

Os dois acertaram quase igual, mas erraram de jeitos diferentes. Cada grade do desenho junta cem erros. Só pensando, mais da metade dos erros eram fatos inventados, os quadrados vermelhos. Pensando e consultando, nesse teste, nenhum erro foi desse tipo.4

Consultar uma fonte não acaba com todos os erros do modelo de IA. Só muda o tipo de erro. Os quadrados pretos do desenho são erros na conclusão: o fato estava certo e a conclusão saiu errada.

Um erro comum desse tipo é repetir a mesma busca. É como procurar os óculos três vezes na mesma gaveta. É o quadrado aberto no desenho. Consultar dá ao modelo o mundo para olhar. Não dá juízo para usar o que voltou.4

Outro teste usou um jogo só de texto. O jogador lê a descrição de uma casa e escreve o que faz. As tarefas são domésticas, como pôr a faca na mesa. Num jeito, o modelo de IA escrevia o pensamento antes de cada passo. No outro, só agia.

Pensando antes de agir, o agente cumpriu 71 de cada cem tarefas, quase três em cada quatro. Só agindo, menos da metade. Pensar antes de cada passo mantém o rumo.4

De onde veio“Pensar e agir” é o ReAct, de raciocinar e agir em inglês, nome dado em 2022 por pesquisadores de Princeton e do Google. O pensamento, ali, é texto que o modelo escreve antes de cada pedido e que passa para a volta seguinte. Nos testes de perguntas, de cada 100 erros só pensando, 56 eram fatos inventados; pensando e agindo, nenhum, e 47 eram de raciocínio. Os quadrados cinza eram respostas certas escritas de outro jeito que o gabarito, e os em contorno, buscas que não acharam nada. No jogo de texto, pensar e agir cumpriu 71 de cada 100 tarefas, e só agir, 45. O agente do pedido de e-mail pensou quase tudo num rascunho que não se vê, e passou adiante uma linha só, a lista dos sete e-mails.4

Agente, hoje, é um modelo de IA mais um programa em volta. O modelo é o que responde num chat como o ChatGPT. O desenho é a árvore genealógica dessa ideia. Cada ponto é uma pesquisa.

Os três pontos pretos são as mais antigas. A de 1971 planejava passos de um robô. A segunda separou o que está em uso do que fica guardado, como a mesa e a gaveta. A terceira definiu agente: o que percebe e age.5

Cada linha é uma citação, da pesquisa mais velha para a mais nova.

O ponto vermelho é a pesquisa “pensar e agir”. Nela, o modelo escreve o que vai fazer antes de cada passo. Ela não cita nenhuma das três mais antigas. Cita cinco pesquisas recentes, sobre raciocinar por escrito e buscar na internet. Pesquisas mais novas voltaram às antigas. Usaram ideias delas para organizar o que o agente guarda e defender que o modelo sozinho planeja mal.5

A gente escolheu as pesquisas que contam a história dos agentes. São os pontinhos do desenho. Agora todas as ligações entre elas aparecem.

Cada linha sai de uma pesquisa e chega a outra, que a cita. A linha cheia significa “inspirou”. A vermelha tracejada significa “contestou”, como quem cita um livro para discordar dele.5

O ponto vermelho do desenho é a pesquisa que deu nome a “pensar e agir”. É a ideia com mais descendentes na árvore. Doze pesquisas partem dela.

Onze levam a ideia adiante. Uma delas deixa o agente rever o próprio erro e tentar de novo. Só uma contesta, a linha vermelha. Essa diz que o modelo de IA não deve conferir sozinho o próprio plano. Um conferente de fora, outro programa, tem de aprovar.

Uma pesquisa pode contestar outra. Na árvore, são seis linhas vermelhas tracejadas. O botão “só as discordâncias” deixa só elas.

A briga mais conhecida é sobre quem faz o plano. De um lado, o planejador antigo, herdeiro da pesquisa de 1971. É um conjunto de regras escritas à mão, sem modelo de IA. Do outro, a ideia de que o modelo de IA planeja sozinho. O que está em jogo é se dá para confiar no plano do modelo.

Cada ponto da árvore é uma pesquisa. Toque num deles para ver a ideia, o ano e de onde ela veio. Aí os pontos pretos passam a ser as que vieram antes dela. Os vazados são as que saíram dela. A lista inteira está no fim da página.

É assim que a ideia de agente foi montada, peça por peça, ao longo de mais de cinquenta anos.

De onde veioOs três fundamentos do desenho: o STRIPS, de 1971, que guiava o robô Shakey e planejava dizendo o que cada ação exige e o que ela muda. O Soar, de 1987, separou as duas memórias. O manual de Russell e Norvig, de 1995, definiu agente como o que percebe um ambiente e age nele. A pesquisa do ReAct, de 2022, cita cinco de 2021 e 2022: as que ensinaram o modelo a raciocinar por escrito e a buscar na web, e as que puseram o modelo a comandar um robô que dizia, a cada gesto, se tinha conseguido. As peças de 1971 e 1987 foram buscadas por pesquisas de depois, para organizar a memória do agente e para contestar que o modelo planeje sozinho. A pesquisa que contesta o ReAct é o LLM-Modulo, de 2023, do grupo de Subbarao Kambhampati, na Universidade do Estado do Arizona. A árvore tem 71 pesquisas e 114 citações.5

Todo dia às sete da manhã, um programa lista os e-mails novos. Manda cada um ao modelo de IA com uma pergunta só, “é convite de reunião?”. Os que forem, o programa marca na agenda. O modelo de IA é o que escreve as respostas num chat como o ChatGPT.

O caminho está escrito no programa, as etapas do desenho. Isso se chama fluxo fixo. Num agente, o modelo escolhe cada passo, e o programa executa.2

fluxo fixo

Um e-mail como “podemos remarcar?” o programa das sete não resolve. Ele só marca, não muda uma reunião.

A escada do desenho começa no fluxo fixo, que ocupa os dois primeiros degraus. No primeiro, a resposta do modelo não muda o caminho, como num programa que só resume e-mails. No segundo, a resposta escolhe entre caminhos já escritos. O das sete está nele: “é convite?” decide se marca ou não. Quanto mais alto, mais o modelo escolhe.6

A escada mede quantas decisões saem do programa e ficam com o modelo. No terceiro degrau, o modelo escolhe uma ação, como qual e-mail abrir, mas uma vez só.

Um agente que marca as reuniões pelo e-mail está no quarto degrau, o vermelho. Ali o modelo escolhe também se continua ou se para. No quinto, o modelo escreve instruções novas para o programa e as usa sem ninguém revisar. Quanto mais alto, menos você controla.

Quanto um agente decide sozinho? Há três réguas. Uma olha o programa e conta quantas escolhas ficam com o modelo. Outra olha quem conduz, você ou a IA. A terceira olha o seu papel: você opera, orienta ou só observa.

O mesmo agente de e-mail cai em alturas diferentes nas três. Essas alturas são a nossa leitura de cada régua, e não uma medida. Quando disserem que um agente “decide tudo sozinho”, pergunte em que régua.78

Quem já reformou a casa conhece o conselho: comece pelo conserto menor, e só derrube parede se precisar. Com agentes é igual. A escada vai do fluxo fixo ao agente que decide tudo sozinho. A Anthropic, que faz um desses modelos de IA, aconselha começar pelo degrau mais baixo que resolve.

Subir dá liberdade e cobra tempo, dinheiro e mais chance de erro. Para as reuniões comuns, o programa das sete dá conta. Um “podemos remarcar?” pede um agente.2

De onde veioA separação entre fluxo fixo e agente é da Anthropic, em 2024, num texto para quem constrói, sobre quando um agente não vale o custo. Em inglês, fluxo fixo é workflow. A escada de cinco degraus, pelo que o modelo controla no código, é de Margaret Mitchell e colegas, da Hugging Face, o site onde se publicam modelos abertos, em 2025: processador simples, roteador, chamador de ferramenta, agente de vários passos e agente totalmente autônomo. A régua pela relação, com seis níveis, de “sem IA” a “a IA age sem orientação”, é de Morris e colegas, do Google DeepMind, em 2023. A régua pelo papel de quem usa, de “operadora” a “observadora”, é de Feng, McDonald e Zhang, da Universidade de Washington, em 2025. O agente de e-mail fica no quarto de cinco degraus pelo código, no penúltimo de seis pela relação e no último de cinco pelo papel de quem usa.

Você pede a um agente que marque as reuniões do e-mail. O agente é um modelo de IA mais um programa em volta. O modelo de IA é o que responde num chat como o ChatGPT. O modelo pede, “abra este e-mail”, e o programa abre e devolve. E assim segue, volta após volta.

Há três jeitos de parar, as regras do desenho. Um limite de voltas. O modelo dizer que acabou. Ou um avaliador de fora conferir.39

Agentes costumam dizer “pronto” antes da hora, como quem lava a louça e deixa as panelas. Dizer “pronto” não prova nada. A Anthropic, que faz modelos de IA, dá a regra segura: quem confere não é quem fez.

Imagine que o pedido era reuniões só de manhã. O agente marcou uma à tarde e disse “pronto”. Um avaliador de fora, outro programa, testa se toda reunião ficou de manhã. O teste reprova, o agente refaz, e o avaliador aprova.10

Um agente pode nunca dizer “pronto”, e ninguém conferir. Aí só o limite de voltas faz o agente parar. Num estudo de alguns anos atrás, as tarefas eram de minutos, como comprar numa loja na internet. Um quarto das tentativas acabou cortado pelo limite.

As tentativas cortadas tinham dado, em média, 25 voltas. Mais de nove em cada dez só repetiam o que já tinham feito. É como abrir e fechar a mesma porta sem entrar.11

De onde veioO estudo é o AgentBench, de 2023, com tarefas como consultar um banco de dados ou comprar numa loja na web, nos melhores modelos da época. O limite variava por tarefa. Mais de 90% das tentativas que estouraram repetiam o que já tinham feito. Conferir e mandar refazer é um segundo laço, por cima do que executa as ferramentas: aquele executa, este julga o resultado. A regra “quem confere não é quem fez” está num texto da Anthropic de 2025 sobre agentes que trabalham por horas e na documentação do Claude Code, em que quem decide se acabou é um modelo novo, não o que fez o trabalho. A ideia de que o modelo propõe e um conferente de fora aprova é do LLM-Modulo, de 2023, do grupo de Subbarao Kambhampati. Em inglês, a regra para parar é stopping condition. O segundo laço continua no capítulo 9.109

O modelo de IA é o que responde num chat como o ChatGPT. Num agente, um programa executa o que o modelo pede, volta após volta.

O modelo não guarda nada de uma volta para a outra. Quem guarda é o programa, que a cada volta reenvia tudo. Mas o modelo lê, de uma vez, uns dez livros no máximo. Num trabalho de horas, o reenvio passa disso. Daí os arquivos: o plano, o feito e o que falta.3

Numa portaria com turnos, quem chega lê o caderno de recados, faz o turno e anota. Um agente faz igual.

O trabalho se divide em sessões, as caixas do desenho. Numa sessão há muitas voltas, e a cada volta o programa reenvia tudo. A sessão seguinte começa do zero. Cada uma lê os arquivos, faz a tarefa seguinte e anota. Aí o programa começa outra, com o mesmo pedido. Quem lembra são os arquivos.12

Com anotações em arquivos, um agente trabalhou 25 horas seguidas num mesmo projeto de computador. Mais de um dia, sessão após sessão. O relógio do desenho corre essas horas.

Em cada sessão, o programa reenvia tudo a cada volta. Entre as sessões, ficam só os arquivos. O texto se mede em pedaços de palavra. Nesse tempo, o agente leu e escreveu treze milhões deles, mais de cem livros. Os arquivos guardaram o que o modelo não guarda.133

De onde veioO agente é o Codex, da OpenAI, em fevereiro de 2026: cerca de 25 horas e 13 milhões de pedaços de texto, os tokens, lidos e escritos. O jeito de trabalhar em sessões que leem arquivos foi descrito em 2025 por Geoffrey Huntley, programador. No teste de e-mail, o modelo leu 2.663 pedaços de texto já na primeira volta, com o pedido, as instruções do programa e a lista das ferramentas, e 6.585 na sétima. As sete voltas somadas leram uns 32 mil. Os modelos grandes de 2026 leem de uma vez cerca de 1 milhão de pedaços, a janela, perto de dez livros do tamanho de Dom Casmurro. A sétima volta usou menos de 1% disso. O programa em volta para trabalho de horas está no capítulo 8.3

Um instituto mede que tamanho de tarefa um agente faz. O agente é um modelo de IA mais um programa em volta. O modelo é o que responde num chat como o ChatGPT.

O tamanho é o tempo que uma pessoa experiente levaria. O instituto dá tarefas de computador de vários tamanhos. Nas menores, o agente acerta mais. Nas maiores, menos. O tamanho em que ele acerta metade das vezes é o horizonte de tarefa.14

horizonte de tarefa

Cada ponto é um agente testado pelo instituto. O programa é do mesmo tipo em todos. O que muda de um ponto para outro é o modelo de IA.

Quanto mais alto o ponto, maior a tarefa que o agente acerta metade das vezes. Nos primeiros pontos, o agente acertava tarefas de segundos. No meio, tarefas de quatro minutos. Num dos mais novos, tarefas que uma pessoa faria em 12 horas, um dia e meio de expediente.14

A linha do desenho liga os agentes mais novos. A altura é a tarefa que acertam metade das vezes. De uns anos para cá, ela dobra mais ou menos a cada quatro meses.

Dobrar três vezes é multiplicar por oito. Então, num ano, a tarefa de uma hora de janeiro vira tarefa de um dia de trabalho em dezembro. Isso é o que aconteceu até aqui. Ninguém garante que siga assim.14

A linha vermelha marca 16 horas, dois dias de expediente. Acima dela, a régua do teste não mede com confiança, porque tem poucas tarefas tão longas. É como uma fita métrica com as últimas marcas apagadas.

O ponto mais novo de todos, o anel vermelho vazado, fica em 17 horas, nessa parte apagada. Ali, a medida não diz ao certo o tamanho. Fica entre um dia e uma semana e meia de trabalho de uma pessoa.14

O número não é quanto tempo o agente fica trabalhando. É o tamanho da tarefa, contado no relógio de uma pessoa. Horizonte de 12 horas: metade das vezes, o agente acerta tarefas que tomariam um dia e meio de uma pessoa. Nas tarefas menores, acerta mais.

As tarefas do teste são de computador, como escrever um sistema ou pesquisar um assunto. Numa empresa, com gente e imprevistos, pode mudar, e o teste não diz para que lado.

De onde veioA medida é do METR, instituto que testa agentes: Thomas Kwa e colegas, em 2025, para comparar modelos de anos diferentes numa régua só. Em inglês, horizonte de tarefa é time horizon. Os modelos com nome no desenho: GPT-2, de 2019, com 3 segundos. GPT-4, de 2023, com 4 minutos. Claude Opus 4.6, de fevereiro de 2026, com 12 horas. Desde 2023, a medida dobra a cada 129 dias. O ponto mais novo é o Claude Mythos Preview, de abril de 2026, com 17 horas e faixa de 8 a 55 horas. O aviso de que a medida acima de 16 horas não é confiável é do próprio METR. O laço em que todos os modelos são medidos é do tipo “pensar e agir”, o ReAct: cada modelo entra no mesmo programa em volta, e é esse conjunto, o agente, que faz as tarefas.14

Agente, nesta página, é um modelo de IA mais um programa em volta dele. O modelo é o que escreve as respostas num chat como o ChatGPT. Mas nem todo mundo define agente assim.

Cada marca do desenho é uma discussão, no ano em que esquentou. As duas vermelhas são as desta parte: o que conta como agente, e se o modelo planeja ou só repete. As três pretas são escolhas de quem constrói, como quantos agentes usar.

A palavra “agente” não tem uma definição só. O desenho cruza quatro definições com cinco casos.

Para o manual clássico, tudo o que percebe e age é agente, até o termostato da geladeira, sem IA nenhuma. Para três definições mais novas, só é agente quando o modelo escolhe o que fazer a seguir. Um chat fica de fora. Um programa que faz sempre a mesma coisa também. Quando alguém disser “agente”, pergunte em que sentido.151621

Quem já montou um móvel pelo manual conhece a diferença entre entender o passo e só copiar o desenho. O modelo de IA planeja mesmo quando faz um plano, ou só repete planos que já leu? Um teste separa as duas coisas com blocos.

Numa versão, as ações têm os nomes de sempre, pegar e empilhar. Na outra, os nomes viram palavras inventadas, cada uma explicada ao modelo. Quem planeja de verdade não liga para o nome.17

Com os nomes de sempre, o melhor modelo de IA comum resolveu quase dois em cada três problemas. Com os nomes trocados por palavras inventadas, nenhum modelo comum passou de cinco em cem.

Um modelo que escreve um rascunho antes de responder foi bem melhor. Mas ainda errou quase metade com os nomes trocados. Já um planejador antigo, feito só de regras, de antes dos modelos de IA, resolve todos, com nome ou sem.17

Um planejador antigo, feito de regras, resolve todos os problemas de empilhar blocos. Mas só depois que alguém descreve à mão cada ação, numa linguagem própria. Um e-mail bagunçado ele não lê. O modelo de IA lê qualquer coisa, mas planeja pior.

Daí vem a discussão. Um lado diz que o modelo propõe e um verificador de fora confere o plano. O outro lado diz que os modelos novos planejam cada vez melhor, e a distância para o planejador cai.

De onde veioAs quatro definições: o manual de Russell e Norvig, de 1995, o ponto “percebe e age” da árvore. A Anthropic, em 2024, para quem o fluxo fixo é “sistema agêntico”, o ponto vermelho da tabela, mas não agente. A OpenAI, em 2025. Simon Willison, em 2025. O agente que escreve e roda o próprio código, o quinto degrau, é agente para os quatro. O teste dos blocos é de Subbarao Kambhampati, Karthik Valmeekam e colegas, na Universidade do Estado do Arizona, criado em 2022 para separar planejar de lembrar planos. Na medição de 2024, o melhor modelo comum fez 62,6% com os nomes normais e no máximo 5% com os trocados. As palavras trocadas eram, por exemplo, “feast”, banquete, e “succumb”, sucumbir. O modelo com rascunho é o o1, da OpenAI: 97,8% e 52,8%. O planejador clássico, da família do STRIPS de 1971, fez 100% nos dois. O lado do verificador de fora é o LLM-Modulo, do mesmo grupo, de 2023.17