O tópico de hoje é algo que quase todo mundo já ouviu falar, mas quase ninguém consegue explicar. Tô falando de agentes de IA. Você provavelmente ouviu o termo em uma reunião, leu em um post de blog e ouviu uma manchete. Todo mundo está falando sobre ele. Mas peça pra alguém definir o que é, e as respostas ficam vagas bem rápido. O hype é grande, as definições são vagas, e o termo é usado de forma tão solta que perdeu quase todo sentido. Aqui está o erro mais comum que as pessoas comentam. Elas acham que um agente é apenas um chatbot com um nome mais chique. Se perguntar o que ele responde. Isso não é um agente, isso é um chatbot. E existe uma diferença real entre os dois. Então o que mudou? Por que todos estão subitamente obcecados por agentes? E, mais importante, por que você deveria se importar se não é um desenvolvedor? Ao final deste episódio, você entenderá o que um agente de IA realmente é.

Por que a Microsoft construiu toda uma estrutura em torno deles e por que isso importa para o seu trabalho?

O que exatamente é um agente de IA? Você já sabe como um chatbot funciona. Se digita algo, ele responde. Isso é uma conversa. É reativo? Ele espera você dizer algo, então ele responde. Um agente é diferente. Ele não apenas responde, ele age. Pensar a decidir. Essa é a definição mais simples que posso lhe dar. Veja como funciona. Primeiro, o agente pensa. Ele usa um modelo de linguagem grande para raciocinar sobre o que você realmente precisa, não apenas o que você digitou, mas o que você quis dizer. Se você disser, marque uma reunião com a Sarah na próxima terça-feira, o agente não apenas repete isso para você. Ele pensa sobre o que esse pedido realmente significa. Ele decide. Ele divide seu pedido em etapas. Marcar uma reunião torna-se um plano. Verificar sua agenda. Encontrar um horário livre. Verificar a disponibilidade da Sarah. Enviar um convite. O agente não adivinha e cria uma sequência de ações.

Finalmente ele age. Ele chama ferramentas e serviços para fazer acontecer. Ele não lhe diz como marcar uma reunião. Ele marca a reunião. Ele não explica como verificar o tempo. Ele verifica o tempo e lhe dá a resposta. Então pense na diferença. Um chatbot é reativo. Ele espera pela sua pergunta. Um agente é proativo. Se ele dá um objetivo e ele vai embora e trabalha nele. Ele pode voltar com perguntas se precisar de mais informações. Mas não precisa que você o guie passo a passo. É como um balcão de atendimento em uma biblioteca. Você pergunta onde está um livro e aponta o corredor certo. Um agente é com um assistente pessoal que tem as chaves do prédio. Você diz que precisa de informações sobre nossos principais clientes para a reunião de amanhã. E ele vai atrás, organiza tudo e entrega um documento de resumo. Você não disse onde procurar nem qual formato usar. Ele descobriu sozinho. Mas o segredo não é apenas o LM.

O modelo de linguagem é inteligente, mas sozinho. É apenas um cérebro sem mão. O que torna algo um agente é a combinação de três coisas. Raciocínio. A capacidade de analisar um problema. Ferramentas. A capacidade de agir no mundo. Memória. A capacidade de lembrar do que aconteceu antes. Junte esses três e você terá algo que não apenas responde perguntas, mas realiza tarefas. Antes da estrutura, um cenário fragmentado. Então, se agentes são tão úteis, porque nem todo mundo já está criando um... A resposta curta é que até pouco tempo atrás era um processo confuso. Você tinha que unir várias ferramentas por conta própria. Como tentar montar um carro comprando peças de fabricantes diferentes e torcendo para que se encaixassem. A primeira tentativa da Microsoft para corrigir isso foi o Semantic Kernel, um SDK para integrar IA em aplicações. Algo poderoso, mas era uma caixa de ferramentas num projeto estrutural.

Ele lidava as peças, mas você ainda tinha que descobrir como montá-las. Não surgiu o autogênico da Microsoft Research. Essa estrutura explorava conversas entre múltiplos agentes, onde agentes de IA conversam, debatem e colaboram. Inovador, sim, mas era experimental, não feito para sistemas de produção. Tantos desenvolvedores tinham uma escolha difícil. Semantic Kernel era estável e pronto para empresas, mas faltavam padrões de orquestração avançados. O autogênico tinha recursos legais de múltiplos agentes, mas não era algo para rodar em um ambiente real. Cada um tinha sua própria curva de aprendizado, seu próprio jeito de fazer as coisas, seu próprio caminho. E não era apenas a Microsoft. Outras estruturas surgiram. Langchain, CRI e uma dúzia de outras. O ecossistema estava totalmente disperso. Se você quisesse criar agentes no trabalho, precisava se tornar um especialista em um mundo que muda rapidamente.

Qual estrutura você aprende? Qual delas vai sobreviver? Qual delas a Microsoft realmente apoia? Para o iniciante, era algo avassalador. Imagine que você é um desenvolvedor em uma empresa explorando agentes de IA. Você pesquisa e encontra cinco estruturas diferentes, cada uma com sua documentação, seus padrões e sua comunidade. Você não sabe por onde começar. Você não sabe em qual delas vai apostar seu tempo. Essa fragmentação criou uma barreira real. Não se tratava apenas de aprender uma ferramenta, mas de apostar em um ecossistema inteiro. E à medida que os casos de uso de agentes passavam de experimentos para processos de negócios reais, a Microsoft percebeu que isso não era sustentável. Eles precisavam de um framework, uma abordagem unificada e uma resposta para a pergunta Como eu crio um agente? O que é o Microsoft Agent Framework? Então, a Microsoft pegou os dois frameworks que tinha Semantic Kernel e Autogen e os combinou em um só.

O resultado é o Microsoft Agent Framework, um SDK unificado que reúne a estabilidade empresarial do Semantic Kernel com os padrões multiagentes de ponta do Autogen. As equipes que criaram esses dois frameworks agora trabalham juntas neste. Este framework foi lançado em versão preliminar no final de 2025 e atingiu a versão 1.0 em julho de 2026. Essa cronologia é importante porque mostra que este não é um projeto de pesquisa, é um experimento. É um produto pronto para produção. A Microsoft está dizendo, construam seus sistemas reais com isso. Ele é código aberto. Você pode encontrá-lo no GitHub com mais de 7 mil estrelas e mais de 100 colaboradores. A comunidade é ativa. Existem plantões semanais onde você pode falar diretamente com a equipe de engenharia. Isso não é algo que você obtenha com um produto fechado. Framework suporta Python e .NET como linguagem de primeira classe. Seja você um desenvolvedor, C-Shark ou Python, você tem a mesma experiência.

E isso é muito importante porque muitos frameworks de A são exclusivos para Python. Microsoft fez uma escolha deliberada de tratar ambas as linguagens igualmente. E aqui está algo que pode surpreender. O framework suporta mais de 7 provedores de modelos diferentes. Microsoft Foundry, Azure OpenAI, OpenAI, Anthropic Cloud, Amazon Bedrock, Google Gemini e até modelos locais via Olama. E ela saiu a gente uma vez e ela funciona em todos eles. Você não fica preso a um único provedor. Mude da OpenAI para Anthropic e você altera apenas um valor de configuração, não todo o seu código fonte. O framework tem dois componentes principais. Agentes são os blocos de construção, unidades de raciocínio individuais que podem pensar e agir. Workflows são a camada de orquestração que conecta vários agentes. Você pode ter um agente fazendo trabalho ou uma equipe inteira trabalhando em uma tarefa complexa. Existe também algo chamado definições declarativas.

Você define o comportamento de um agente em um arquivo e ele. Isso significa que a configuração do seu agente possui controle de versão. Coloque no Git, revise em pull requests, implante através de pipelines de CACED. Para equipes empresariais, essa é uma vantagem não. Mas aqui está o que eu quero que você entenda. Este framework não é apenas para desenvolvedores construindo sistemas complexos. Ele foi projetado para cenários empresariais. Segurança, conformidade, observabilidade e aprovações humanas são integradas, não adicionadas posteriormente. E é isso que o torna diferente das estruturas experimentais que vieram antes. Os blocos de construção, agentes, ferramentas, memória, fluxo de troca. Vamos dividir isso nos quatro conceitos fundamentais. Entenda bem esses pontos e você compreenderá 90% do que este framework faz. Primeiro, os agentes. Eles são unidade fundamental. Cada agente tem um nome, um conjunto de instruções e acesso a ferramentas.

É uma unidade de raciocínio que pode pensar e agir. Você diz a ele quem é, o que deve fazer e quais recursos pode usar. Todo o resto deriva disso. As ferramentas. Estas são as mãos do agente. Funções, APIs ou serviços externos que ele pode chamar. Dados meteorológicos. Acesso a calendário, consultas a banco de dados, operações de arquivos e operações de arquivo. A gente não sabe como fazer essas coisas sozinho. Ele precisa de ferramentas para alcançar o mundo e agir. Você mesmo pode escrever funções simples ou eles podem ser servidores em MCP, model context protocol. Essa é a maneira padrão de conectar agentes a serviços externos. Pense nisso como um plug universal. Se um serviço suporta a MCP, seu agente pode usá-lo sem código de integração personalizado. Depois há a memória. Este é o armazenamento do cérebro. Existem dois tipos. A memória de nível de sessão e de curto prazo. Ela lembra o que aconteceu durante uma única conversa.

Os provedores de contexto são de longo prazo. Eles lembram preferências e fatos ao longo de múltiplas conversas. A memória é o que faz um agente parecer inteligente. Sem ela, cada interação começa do zero. Você se apresenta e na próxima vez que fala, ele esqueceu. Com memória, o agente sabe quem você é, o que discutiram e o que é importante pra você. É a diferença entre falar com um estranho e falar com um colega que conhece seu trabalho. Finalmente, fluxo de trabalho. Esta é a camada de orquestração onde você define múltiplos agentes trabalhando junto. Fluxos de trabalho podem ser sequenciais. Passo A, depois passo B. Podem ser concorrentes. Múltiplos agentes trabalhando em paralelo em partes do mesmo problema. Ou podem ser condicionais. Se isso acontecer, vai aqui. Se aquilo acontecer, vale. Fluxos de trabalho também suportam. Se algo falha no meio do caminho, o sistema pode retomar de onde parou.

E não começa tudo de novo. Isso é importante para tarefas longas que podem levar horas ou envolver várias etapas. Padrões de humano no ciclo também integrados. Agentes podem pausar e pedir aprovação antes de tomar ações sensíveis. Se um agente está prestes a enviar um e-mail ou aprovar um pagamento, ele pode parar e esperar que um humano diga sim. Isso é essencial para cedores de regulamento. Então, um exemplo do mundo real. Imagine um agente de preparação de vendas. Você tem uma reunião com um cliente amanhã. Você diz ao agente, ajude-me a preparar. Ele verifica sua agenda para confirmar a hora. Ele extrai dados do CRM para ver o histórico do cliente. Ele pesquisa materiais de marketing por estudos de casos relevantes. Ele gera um documento de resumo e uma apresentação em PowerPoint, tudo sem você fazer nada. Isso não é um chatbot. Isso é um agente. Por que você deveria se importar? Valor prático.

Então, você entende o que é estrutura. Mas aqui está a questão. Por que se importar se você não é um desenvolvedor criando sistemas de áudio? A resposta é que esta estrutura não vive apenas no terminal de um desenvolvedor. Ela impulsiona ferramentas com as quais os usuários de negócios interagam. Agentes criados com a estrutura podem ser publicados diretamente por Microsoft Teams no chat do Copilot. Isso significa que os agentes da sua organização vivem onde você já trabalha. Você não precisa de um aplicativo separado para instalar um novo login para lembrar ou uma curva de aprendizagem. Você apenas abre o Teams e o agente está lá. Para a TI e os tomadores de decisão de negócios se importam ainda mais. A estrutura fornece controles corporativos que realmente importam. Você obtém gerenciamento de identidade via a EntraID, controles de acesso para que os agentes vejam apenas o que devem, trilhas de auditoria para saber o que cada agente fez e quando e governança de dados para que informações sensíveis permaneçam protegidas.

E aqui está um problema que talvez você não tenha a considerar. Aí há a sombra real. Funcionários usam ferramentas de A não autorizadas todos os dias, colando dados da empresa em chatbots públicos, carregando documentos sensíveis em servidores desconhecidos e torcendo pelo melhor. As equipes de TI sabem o que está acontecendo, mas não podem impedir banindo ferramentas. As pessoas encontrarão um jeito. Essa estrutura dá à TI uma maneira de oferecer agentes aprovados e seguros que ainda parecem modernos. Em vez de dizer aos funcionários não usem IA, você pode dizer use estes agentes e em vez disso, eles são seguros, governados e funcionam com seus dados. Há também o problema da proliferação de agentes e isso já está acontecendo. As equipes estão criando agentes mais rápido do que qualquer um pode acompanhar. A estrutura oferece um local único para gerenciar, monitorar e governar todos eles.

Você pode ver quais agentes estão sendo usados, quais estão pegando poeira e quais precisam de atenção. A visibilidade de custo é outro ponto por trás. Você pode ver exatamente quanto custa a execução de cada agente, quais são caros, quais são eficientes e onde otimizar. Isso não é algo que você obtém com uma coleção de ferramentas e scripts aleatórios. A conclusão é esta. Esta estrutura torna os agentes de IA práticos, seguros e gerenciáveis para organizações reais. Não se trata apenas de criar uma tecnologia interessante, mas de construir algo que funcione em um negócio real com restrições reais. Segurança, conformidade, orçamento e governança. Orçamento e governança. Se você é responsável por qualquer uma dessas áreas, este framework é importante para você. Como ele se encaixa no panorama geral? Então onde o framework de agentes realmente se encaixa? Ele não é um produto isolado. É uma peça de um quebra-cabeça muito maior.

Vamos ver como tudo se conecta. Comece pelo Azure AI Foundry. Pense desta forma. O framework de agentes é como você cria seus agentes e o Foundry. É onde eles vivem e são executados. Ele cuida de todo o trabalho pesado. Infraestrutura, escalonamento, monitoramento e segurança. Você cria localmente e implanta no Foundry. Seu agente roda em um ambiente de produção com controles corporativos. Simples. Agora se você não é um desenvolvedor, você tem outra opção. O Copilot Studio. Este é o caminho de baixo código. Você usa uma interface visual para definir o que seu agente faz, conecta-o a fonte de dados e publica no Teams. Nenhum código é necessário. O framework de agentes é para desenvolvedores que desejam controle todo. Ele se complementa. Precisa de personalização? Use o framework. Precisa de rápido? Use o Copilot Studio. Depois, a Microsoft 365 Copilot, o lado voltado ao usuário. Agentes criados com o framework podem aparecer diretamente dentro do Copilot.

Os usuários interagem com eles por meio de uma interface familiar, o mesmo Copilot que já usa no trabalho. Nenhuma ferramenta nova para aprender, nenhum novo fluxo de trabalho pelo outro. Mas é aqui que o verdadeiro valor brilha, a camada de inteligência. Ela tem três partes. O Work IQ se conecta aos seus dados pessoais, e-mail, calendário e chats. O Foundry IQ se conecta ao conhecimento organizacional, documentos, políticas e recursos compartilhados. E o Fabric IQ se conecta a dados de negócios, números de vendas, registros de clientes e métricas operacionais. Os agentes podem extrair dados de todos os três. É isso que os torna realmente úteis. Eles não apenas respondem a perguntas genéricas, eles têm contexto. Eles sabem quem você é, no que você está trabalhando e quais dados importam para o seu negócio. Quando um agente prepara um documento de briefing para uma reunião de vendas, ele não está adivinhando.

Ele está extraindo informações do seu calendário, do seu CRM, dos seus materiais de marketing, da base de conhecimento da sua empresa, da sua empresa, tudo em uma única solução. E tudo isso funciona com o modelo de segurança da Microsoft. Entre a ID para identidade e em tune para gerenciamento de dispositivos e defender para proteção contra a minha. Se sua organização já usa essas ferramentas, o framework se integra perfeitamente. Não há necessidade de criar uma camada de segurança separada. Para organizações que já usam Microsoft 365, Azure e Power Platform, este framework é o próximo passo natural. Você não está começando do zero. Ele está estendendo o que já possui. A visão de longo prazo, sim. Agentes se tornarão tão comuns com o aplicativo. Todo o processo de negócio ganha uma camada de agentes, não para substituir pessoas, mas para ajudá-las a trabalhar mais rápido com melhores informações e menos tarefas repetitivas.

Este framework é como se constrói essa camada. Começando seu primeiro passo. Aqui está a bonita. Você não precisa ser um especialista em E.A. para começar. Existindo esse caminho. O caminho sem código ocupa ela de estudo. Em interface visual, a hash salt configura sem necessidade de código. Você pode ter algo funcionando em horas, não dias. Se seu objetivo é resolver um problema de negócio específico rapidamente, este é o seu caminho. Comigo com código ou próprio framework de agentes. Você instala os pacotes para Python ou .NET e usa a extensão do VS Code. E vale a pena falar sobre a extensão, pois ela inclui habilidades potencializadas por E.A. Você diz a ela o que deseja. Crie um agente de preparação de vendas que verifique meu calendário e obtenha dados do CRM. E ele estrutura todo o projeto para você. Código e arquivos de configuração, tudo. Não há uma página em branco. É um começo adiantado.

A extensão também inclui algo chamado inspetor de agentes. Esta é uma ferramenta visual que mostra o seu agente está fazendo em tempo real, passo a passo. Você pode vê-lo pensando. Você pode ver quais ferramentas ele está chamando. Você pode ver onde ele está ficando travado. É como ter um depurador que fala a sua língua. Se você já usa Semantic Kernel ou Autogen, há assistentes de migração que analisam seu código existente e geram um plano de migração passo a passo. Você precisa começar do zero. Framework é de código aberto? O repositório do GitHub está em github.com.br, Microsoft, barra de framework. Exemplos, documentação, fóruns de discussão, tudo lá? A comunidade é ativa. Existem plantões semanais onde você pode falar com a equipe de engenharia diretamente. Isso não é algo que você obtém com a maioria do framework. A mensagem principal é esta. Começa pequeno. Construa um único agente que faça uma coisa útil.

Talvez ele verifique seu calendário. Talvez ele resuma seus e-mails. Talvez ele busque informações de cliente. Veja com exceção. Depois de mencione. O mais importante é entender os conceitos. Foi sobre isso que este episódio tratou. Deixe-me encerrar unindo essas peças. Um agente não é um chatbot. É um sistema que pensa, decide e age por conta própria. O framework existe porque construir agentes do jeito antigo significava lidar com ferramentas e frameworks incompatíveis que não se comunicavam. Essa fragmentação tornava tudo confuso. Então a Microsoft criou uma única maneira de construir, uma de implantar e uma de gerenciar. Chega de alternar entre frameworks ou juntar peças que não se encaixam. Para iniciantes, aqui está o resumo simples. Agente de A não só mágica. Eles são sistemas estruturados que raciocinam, usam ferramentas e lembram o contexto. A Microsoft deu um framework completo para criá-los e ele está pronto para produção agora.

Isso não é exagero. Agentes estão se tornando uma parte normal de como trabalhamos, assim como apps e site foram anos atrás. As ferramentas estão aqui, a comunidade é ativa e seu primeiro agente está mais perto do que você pensa. Se quiser explorar mais, comece pelo repositório no GitHub e pela extensão do VS Code. Inscreva-se na sua plataforma de podcast favorita e compartilhe isso com alguém que esteja começando o seu jornal. Inscreva-se na sua plataforma de podcast.