WEBVTT

00:00:00.000 --> 00:00:05.140
O tópico de hoje é algo que quase todo mundo já ouviu falar, mas poucos conseguem explicar de fato, o AI Agent Harness.

00:00:05.580 --> 00:00:09.060
Você provavelmente já viu isso em posts de blog ou palestras, mas o que significa na prática?

00:00:09.420 --> 00:00:14.640
É o seguinte, a maioria das pessoas pensa que construir um agente de IA trata-se apenas de escrever o prompt perfeito,

00:00:14.720 --> 00:00:17.560
aquela instrução mágica que faz o modelo agir exatamente como você quer,

00:00:18.060 --> 00:00:20.000
mas isso é como pensar que um carro é apenas um motor.

00:00:20.520 --> 00:00:25.060
Claro, o motor é importante, mas sem rodas, volante, freios e um chassi você não vai a lugar nenhum.

00:00:25.060 --> 00:00:32.520
Ao final deste episódio você entenderá o que é um Agent Harness, porque ele é a próxima evolução além da engenharia de prompt,

00:00:32.800 --> 00:00:36.340
e como o Microsoft é, a Foundry torna isso realidade para empresas.

00:00:37.040 --> 00:00:38.700
Pegue seu café e vamos começar.

00:00:39.460 --> 00:00:40.720
Porque o prompt não é mais suficiente.

00:00:41.240 --> 00:00:42.060
Vamos voltar aos primores.

00:00:42.640 --> 00:00:45.600
Por volta de 2022 a 2024, trabalhar com IA era simples.

00:00:46.000 --> 00:00:47.100
Você escreveu um prompt e resposta.

00:00:47.520 --> 00:00:48.460
Preciso de um rascunho de medo.

00:00:48.860 --> 00:00:49.240
Escreva um.

00:00:49.620 --> 00:00:50.660
Preciso de um resumo de um artigo.

00:00:51.220 --> 00:00:51.720
Escreva um prompt.

00:00:52.140 --> 00:00:54.060
Para tarefas simples e tentativa únicas funcionaram muito.

00:00:54.060 --> 00:00:57.180
Você podia pedir algo, e o modelo daria uma resposta razoável.

00:00:57.660 --> 00:00:58.900
Mas então as pessoas ficaram mais ambicionadas.

00:00:59.240 --> 00:01:01.240
Começaram a pedir que esses modelos realizassem trabalhos reais.

00:01:02.400 --> 00:01:04.100
Pesquisar um tema e escrever um relatório.

00:01:04.360 --> 00:01:06.080
Analisar uma base de código e corrigir um bug.

00:01:06.220 --> 00:01:08.880
Ou conduzir uma conversa de suporte ao cliente de ponta a ponta.

00:01:09.860 --> 00:01:11.460
De repente, um único prompt não dava conta.

00:01:11.920 --> 00:01:12.500
Veja o que aconteceu.

00:01:12.860 --> 00:01:14.580
A janela de contexto do modelo enchia.

00:01:14.820 --> 00:01:18.780
Ele esquecia as instruções iniciais e começava a inventar fatos ou dar resultados incompletos.

00:01:19.200 --> 00:01:22.020
Quanto mais longa a tarefa, menos confiável o resultado se tornava.

00:01:22.020 --> 00:01:24.080
Você provavelmente já passou por isso.

00:01:24.900 --> 00:01:26.920
Você pede a IA para fazer algo complexo.

00:01:27.160 --> 00:01:29.400
E, no final, ela já esqueceu o que você pediu no início.

00:01:30.600 --> 00:01:33.520
Imagine pedir a uma única pessoa para construir uma casa inteira do zero.

00:01:33.780 --> 00:01:35.820
De uma só vez, sem nunca verificar o trabalho dela.

00:01:36.580 --> 00:01:37.820
Era isso que estávamos pedindo aos modelos.

00:01:37.820 --> 00:01:40.200
Os resultados eram exatamente o esperado.

00:01:40.400 --> 00:01:42.820
Uma casa inacabada, sem paredes e com portas que não abrem.

00:01:43.160 --> 00:01:44.220
A solução não era um prompt melhor.

00:01:44.600 --> 00:01:48.860
Você poderia passar horas ajustando o texto, adicionando exemplos e refinando instruções.

00:01:49.240 --> 00:01:51.180
E, ainda assim, falharia em tarefas complexas.

00:01:51.440 --> 00:01:53.100
Pois o problema fundamental não era o prompt.

00:01:53.660 --> 00:01:55.240
Era a falta de um sistema ao redor dele.

00:01:56.100 --> 00:01:58.780
O que o modelo precisava não era de palavras melhores, mas de um suporte melhor.

00:01:59.280 --> 00:02:02.040
Foi aí que começou a evolução da engenharia de prompt para a engenharia de contexto.

00:02:03.040 --> 00:02:04.440
As três fases da evolução da IA.

00:02:05.120 --> 00:02:06.800
Então, aqui está como eu vejo a evolução da IA.

00:02:07.460 --> 00:02:09.720
Três fases. Cada uma muda o foco para os engenheiros.

00:02:10.500 --> 00:02:11.680
A fase 1 foi a engenharia de prompt.

00:02:12.120 --> 00:02:13.940
Durou de cerca de 2022 a 2024.

00:02:14.540 --> 00:02:15.700
A grande questão era simples.

00:02:15.860 --> 00:02:16.740
O que devo dizer ao modelo?

00:02:17.840 --> 00:02:20.220
Escrevi uma instrução, recebi uma resposta e era isso.

00:02:20.780 --> 00:02:22.300
Todo o trabalho consistia em escolher as palavras.

00:02:22.660 --> 00:02:24.300
Para tarefas básicas, isso era o suficiente.

00:02:24.420 --> 00:02:28.320
A fase 2 foi a seguir a engenharia de contexto de 2024 a 2025.

00:02:28.960 --> 00:02:31.600
A pergunta mudou de o que devo dizer para o que o modelo deve ver.

00:02:32.600 --> 00:02:36.160
Os engenheiros descobriram que o que você fornece ao modelo importa mais do que como você pergunta.

00:02:36.720 --> 00:02:41.540
Então, eles criaram sistemas como chamadas de ferramentas, RAG e o protocolo de contexto de modelo, MCP.

00:02:42.480 --> 00:02:44.840
Eles permitem que o modelo obtenha as informações serias rapidamente.

00:02:45.340 --> 00:02:49.460
Em vez de colocar tudo em um prompt, o modelo poderia buscar o que precisava quando necessário.

00:02:50.200 --> 00:02:52.400
A fase 3 é onde estamos agora. Engenharia de estrutura, Harness.

00:02:53.240 --> 00:02:57.300
A partir de 2026, a pergunta é qual sistema preciso construir ao redor do modelo?

00:02:57.300 --> 00:03:02.380
É aqui que fica interessante, porque a confiabilidade, memória, orquestração e proteções não vem do modelo em si,

00:03:02.420 --> 00:03:04.660
mas do sistema que você constrói ao redor dele.

00:03:05.260 --> 00:03:06.880
Aqui está a maneira mais simples de pensar sobre ele.

00:03:07.180 --> 00:03:08.920
Um agente é igual um modelo, mas uma estrutura, Harness.

00:03:09.180 --> 00:03:10.160
A estrutura é todo o resto.

00:03:10.560 --> 00:03:12.200
O modelo pensa, a estrutura faz o resto.

00:03:12.600 --> 00:03:15.060
E essa estrutura é um ingrediente secreto que faz tudo funcionar.

00:03:15.580 --> 00:03:19.340
Pense assim, o modelo é um trabalhador qualificado, muito talentoso, mas limitado, mas limitado.

00:03:19.580 --> 00:03:23.300
A estrutura é a oficina, as ferramentas, a lista de verificação, o supervisor, os freios.

00:03:23.300 --> 00:03:25.540
Sem a oficina, o trabalhador não tem onde trabalhar.

00:03:26.000 --> 00:03:27.560
Sem as ferramentas, ele não consegue construir nada.

00:03:28.040 --> 00:03:29.480
Sem a lista de verificação, ele esquece a etapa.

00:03:29.880 --> 00:03:31.100
Sem o supervisor, ele comete erros.

00:03:31.540 --> 00:03:32.860
E sem freio, ele acaba se desgastando.

00:03:33.120 --> 00:03:34.560
A estrutura fornece toda essa organização.

00:03:34.820 --> 00:03:36.020
O que exatamente está dentro dessa estrutura?

00:03:36.340 --> 00:03:38.760
Vamos abrir e ver como a estrutura realmente contém.

00:03:39.300 --> 00:03:40.360
Então, o que entra em uma estrutura?

00:03:40.880 --> 00:03:42.280
Vamos analisar as peças uma por outra.

00:03:42.640 --> 00:03:43.640
Primeiro, o loop do agente.

00:03:44.100 --> 00:03:45.780
Este é o ciclo que mantém o agente em funcionamento.

00:03:46.140 --> 00:03:47.820
O modelo pensa e então decide chamar a ferramenta.

00:03:48.160 --> 00:03:49.800
A ferramenta é executada e envia um resultado de volta.

00:03:49.800 --> 00:03:52.780
O modelo analisa isso, pensa novamente e talvez chame outra ferramenta.

00:03:53.200 --> 00:03:55.520
O loop continua até que o agente atinja seu objetivo.

00:03:56.520 --> 00:03:59.440
Sem esse loop, você só recebe uma única pergunta e uma única resposta.

00:04:00.140 --> 00:04:02.780
Com ele, você tem um sistema que resolve problemas passo a passo.

00:04:03.980 --> 00:04:05.060
A seguir, gerenciamento e contexto.

00:04:05.440 --> 00:04:07.980
Isso é fundamental, pois os modelos têm uma capacidade de atenção em vida.

00:04:08.380 --> 00:04:10.960
A janela de contexto dele só suporta uma certa quantidade antes de nos bolha.

00:04:11.320 --> 00:04:11.900
Entre em ação aqui.

00:04:12.500 --> 00:04:16.580
Ele comprime a conversa, resume todas as mensagens e prioriza o que é importante.

00:04:17.560 --> 00:04:19.340
Pense nisso como um sistema de arquivos para conversa.

00:04:19.820 --> 00:04:21.980
O Harness organiza tudo para que o modelo veja apenas o que é.

00:04:22.220 --> 00:04:25.000
Sem isso, as sessões longas se perdem, pois o modelo perde o fio da meada.

00:04:25.720 --> 00:04:26.880
Depois há as ferramentas e habilidades.

00:04:27.260 --> 00:04:28.240
Essas são as mãos do agente.

00:04:28.680 --> 00:04:30.260
Um modelo por si só só consegue gerar texto.

00:04:30.620 --> 00:04:33.720
Ele não consegue ler um arquivo, navegar na web, executar código ou consultar um banco de dados.

00:04:33.920 --> 00:04:35.340
O Harness oferece essas capacidades aí.

00:04:35.860 --> 00:04:38.840
Acesso a arquivos, navegação web, execução de código, consultas de banco de dados.

00:04:38.840 --> 00:04:40.960
Todas são ferramentas que o Harness fornece.

00:04:41.920 --> 00:04:44.480
O modelo decide quando usá-las e o Harness faz com que funcione.

00:04:44.880 --> 00:04:46.940
Memória e persistência de sessão são outra parte importante.

00:04:47.340 --> 00:04:48.760
O Harness se lembra de sessões anteriores.

00:04:49.340 --> 00:04:51.540
Quando você volta um agente no dia seguinte, ele não começa do zero.

00:04:52.160 --> 00:04:55.700
Ele se lembra das suas preferências, do contexto do seu projeto e das decisões que você tomou.

00:04:55.780 --> 00:04:58.060
O agente aprende com o tempo que o Harness mantém esse histórico.

00:04:58.700 --> 00:04:59.920
Guardrails são a camada de segurança.

00:05:00.060 --> 00:05:01.660
Limite que você define para o comportamento do agente.

00:05:02.120 --> 00:05:03.420
Pense nisso como um livro de regras do agente.

00:05:03.880 --> 00:05:05.300
Passos máximos antes de parar.

00:05:05.760 --> 00:05:07.160
Ações que não tem permissão de realizar.

00:05:07.320 --> 00:05:10.980
Aprovação humana para movimentos de alto risco como gravar arquivos ou enviar e-mails.

00:05:11.700 --> 00:05:14.980
Sem Guardrails, um agente poderia rodar para sempre ou fazer algo que você não pretendia.

00:05:15.660 --> 00:05:16.520
O Harness mantém o controle.

00:05:16.520 --> 00:05:17.880
Por fim, a orquestração.

00:05:18.460 --> 00:05:21.320
O Harness pode criar subagentes especializados para diferentes tarefas.

00:05:21.980 --> 00:05:25.400
Um cuida da pesquisa, outro da escrita, um terceiro cuida da verificação.

00:05:25.900 --> 00:05:28.280
Eles trabalham juntos com uma equipe de especialistas em uma obra.

00:05:28.860 --> 00:05:29.900
Cada um faz o que sabe melhor.

00:05:30.140 --> 00:05:32.420
E o Harness garante que eles não atrapalhem uns aos outros.

00:05:33.140 --> 00:05:34.560
Bem, esses componentes não são apenas teoria.

00:05:35.220 --> 00:05:37.900
A Microsoft construiu uma plataforma completa que coloca tudo isso em prática.

00:05:37.900 --> 00:05:41.540
Conheça o Microsoft AI Foundry, o Harness Corporativo.

00:05:42.420 --> 00:05:44.180
Essa plataforma é o Microsoft AI Foundry.

00:05:44.840 --> 00:05:48.360
Pense nisso como uma oficina completa para criar e executar agentes de AI em escala.

00:05:49.060 --> 00:05:51.740
Quando digo escala, falo de escala real, num experimento de laboratório.

00:05:52.840 --> 00:05:54.940
O Foundry atende mais de 70 mil clientes hoje.

00:05:55.200 --> 00:05:57.740
E só no último trimestre processou 100 trilhões de tokens.

00:05:57.740 --> 00:06:00.560
São 100 trilhões, não é um erro de direção.

00:06:01.040 --> 00:06:03.820
Todos os dias, ele processa 2 bilhões de consultas de pesquisa corporativa.

00:06:04.260 --> 00:06:07.140
Essa é uma plataforma de produção lidando com algumas das maiores cargas de trabalho do mundo.

00:06:07.680 --> 00:06:10.100
O que o Foundry realmente faz é oferecer o Harness como um serviço gerenciado.

00:06:10.820 --> 00:06:14.300
Você não precisa construir gerenciamento de contexto, memória, guardrails e coordenação do zero,

00:06:14.380 --> 00:06:16.340
pois tudo já vem integrado, pois tudo já vem integrado.

00:06:16.440 --> 00:06:18.960
Você traz seu agente e o Foundry fornece o ambiente para ele.

00:06:19.320 --> 00:06:20.400
Agora, vamos falar sobre identidade.

00:06:20.740 --> 00:06:21.340
Isso é muito importante.

00:06:21.760 --> 00:06:24.220
Cada agente no Foundry recebe seu próprio Entra-Agent ID.

00:06:24.900 --> 00:06:26.000
Basicamente uma identidade digital.

00:06:26.000 --> 00:06:29.000
Pense nisso como um crachá de funcionário emitido pela recepção.

00:06:29.900 --> 00:06:34.400
O agente pode acessar serviços, dados e agir em nome da organização como um funcionário humano.

00:06:35.220 --> 00:06:38.200
E como cada ação está vinculada a essa identidade, ela é totalmente auditável.

00:06:38.680 --> 00:06:39.280
O que é isso é importante?

00:06:39.740 --> 00:06:41.400
Em uma empresa você precisa saber quem fez o quê.

00:06:41.740 --> 00:06:43.060
Cada ação é registrada e rastreada.

00:06:43.660 --> 00:06:48.220
O Foundry se conecta a mais de 1.400 fontes de dados corporativos do SharePoint, Dynamics 365,

00:06:48.220 --> 00:06:50.280
ao Salesforce e bancos de dados personalizados.

00:06:50.780 --> 00:06:52.720
Se sua empresa usa, o Foundry provavelmente tem um conector.

00:06:53.360 --> 00:06:55.220
Portanto, o agente não está adivinhando ou inventando coisas.

00:06:55.220 --> 00:07:00.160
Ele extrai dados reais e sistemas reais, o que significa que as respostas são baseadas em seus dados de negócio reais.

00:07:00.500 --> 00:07:01.240
Depois é a memória.

00:07:01.600 --> 00:07:03.060
O Foundry inclui tipos de memória integrados.

00:07:03.540 --> 00:07:05.820
A memória procedural ajuda o agente a aprender com tarefas anteriores.

00:07:06.200 --> 00:07:08.240
Ele melhora com o tempo, como um treinamento no trabalho.

00:07:08.600 --> 00:07:11.200
A persistência de sessão significa que ele lembra conversas anteriores,

00:07:11.260 --> 00:07:12.960
para não começar do zero toda vez que você fala com ele.

00:07:13.300 --> 00:07:15.480
Isso torna as interações contínuas e inteligentes.

00:07:15.980 --> 00:07:16.980
Então, como isso realmente funciona?

00:07:17.440 --> 00:07:20.500
Vamos analisar os componentes que a Microsoft oferece para criar estruturas personalizadas.

00:07:21.220 --> 00:07:23.560
A estrutura de agente, criando estruturas personalizadas.

00:07:23.560 --> 00:07:25.680
Então, como você realmente constrói uma estrutura?

00:07:26.040 --> 00:07:29.860
A Microsoft oferece um SDK dedicado, chamado Microsoft Agent Framework,

00:07:29.960 --> 00:07:32.280
que você talvez conheça pelo nome anterior, Semantic Kernel.

00:07:32.940 --> 00:07:34.320
Ele foi reconstruído, mas a ideia é a mesma.

00:07:34.760 --> 00:07:38.080
Ele permite que desenvolvedores criem estruturas de agentes personalizadas em Python e Session.

00:07:38.360 --> 00:07:39.380
A estrutura possui três camadas.

00:07:39.920 --> 00:07:42.460
Na base está o loop do agente, o ciclo de raciocínio principal,

00:07:42.580 --> 00:07:45.240
onde o modelo pensa, chama ferramentas, obtém resultados e pensa novamente.

00:07:45.940 --> 00:07:49.100
Acima disso estão os fluxos de trabalho, padrões de coordenação que gerenciam múltiplos agentes.

00:07:49.100 --> 00:07:52.820
Envolvendo tudo está a camada da estrutura, o shell, que mantém tudo unido.

00:07:53.640 --> 00:07:56.180
A Microsoft disponibiliza cinco padrões de coordenação integrada.

00:07:56.920 --> 00:07:59.660
O sequencial executa agentes um após o outro em uma ordem definida.

00:08:00.320 --> 00:08:01.800
O concorrente executa todos eles em paralelo.

00:08:02.200 --> 00:08:05.220
A transferência passa o controle um agente para outro com base no que é necessário.

00:08:05.580 --> 00:08:08.560
O chat em grupo permite que vários agentes falem em uma conversa compartilhada.

00:08:08.880 --> 00:08:11.580
E então há um agente que, um gerente da Microsoft Research,

00:08:11.580 --> 00:08:16.640
nele, um agente supervisor gera um plano e delega o trabalho para subagentes especializados

00:08:16.640 --> 00:08:19.300
como um gerente de projeto, atribuindo tarefas aos membros da equipe.

00:08:19.980 --> 00:08:21.880
Cada padrão lida com um problema de coordenação diferente.

00:08:22.380 --> 00:08:23.040
Aqui está o meu pai.

00:08:23.400 --> 00:08:24.380
A estrutura é extensível.

00:08:25.000 --> 00:08:26.780
Você pode conectar qualquer modelo que desejar,

00:08:26.960 --> 00:08:29.980
desde OpenAI, Anthropic, Google Gemini até Amazon Bedrock

00:08:29.980 --> 00:08:31.860
e até mesmo modelos locais no Olama.

00:08:32.520 --> 00:08:32.960
Vale para se ferram.

00:08:33.320 --> 00:08:37.040
Você se conecta via OpenAI pelo protocolo de contexto de modelo ou pelo código direto.

00:08:37.380 --> 00:08:39.660
Algumas pessoas se preocupam que usar o framework da Microsoft

00:08:39.660 --> 00:08:40.720
prenda você ao ecossistema deles.

00:08:40.720 --> 00:08:41.540
Isso não é verdade.

00:08:42.000 --> 00:08:44.220
O framework funciona com qualquer stack que você já esteja usando.

00:08:44.700 --> 00:08:47.180
A camada de Harness adiciona capacidades como acesso a arquivos,

00:08:47.280 --> 00:08:49.380
execução de código, middleware de planejamento e telemetria.

00:08:49.800 --> 00:08:52.420
Portanto, criar um agente com esse framework significa construir um sistema completo

00:08:52.420 --> 00:08:54.900
que lê arquivos, escreve código, planeja tarefas de várias etapas

00:08:54.900 --> 00:08:56.140
e registra tudo para depuração.

00:08:56.580 --> 00:08:58.020
É muito mais do que apenas uma interface de chat.

00:08:58.460 --> 00:08:59.260
Veja como isso funciona.

00:08:59.680 --> 00:09:01.760
Imagine um agente de codificação construído sobre este framework.

00:09:02.140 --> 00:09:05.000
Dá ele uma tarefa, digamos, adicionar uma nova funcionalidade a uma base de código.

00:09:05.640 --> 00:09:08.300
A gente começa navegando pela documentação para entender a API.

00:09:08.840 --> 00:09:09.680
Depois ele escreve o código.

00:09:09.680 --> 00:09:11.980
Em seguida, ele executa o teste para garantir que nada foi quebrado.

00:09:12.180 --> 00:09:15.440
Se um teste falha, ele lê o erro, corrige o bug e executa os testes novamente.

00:09:15.580 --> 00:09:19.440
Tudo dentro do mesmo Harness, repetindo o ciclo de pensar e verificar até o trabalho ser concluído.

00:09:20.280 --> 00:09:22.220
Sem o Harness, você teria que alimentar cada etapa manualmente.

00:09:22.700 --> 00:09:25.020
Com ele, o agente gerencia todo o fluxo de trabalho por conta própria.

00:09:25.400 --> 00:09:27.860
Um exemplo popular de um Harness em ação é o padrão Claw.

00:09:28.500 --> 00:09:30.300
A Microsoft disponibilizou isso no Foundry

00:09:30.300 --> 00:09:32.540
e é uma ótima demonstração de como essas peças se unem.

00:09:33.200 --> 00:09:34.580
Agentes do estilo Claw e Werms.

00:09:35.020 --> 00:09:36.360
Vamos falar sobre os agentes estilo Claw.

00:09:36.360 --> 00:09:39.360
O nome vem de projetos de código aberto, como OpenClaw.

00:09:39.660 --> 00:09:42.080
Esses agentes residem em sua máquina, aguardam instruções,

00:09:42.300 --> 00:09:44.140
então executam tarefas longas por conta própria.

00:09:44.520 --> 00:09:46.320
Estão sempre prontos para intervir quando você precisa deles.

00:09:46.880 --> 00:09:49.440
Pense neles como um assistente pessoal que nunca tira folga.

00:09:50.160 --> 00:09:51.540
A versão da Microsoft chama-se Hermes.

00:09:51.980 --> 00:09:54.520
Ele roda dentro do sandbox de agentes hospedados no Foundry

00:09:54.520 --> 00:09:56.180
e vem com habilidades impressionantes.

00:09:56.860 --> 00:09:58.180
O Hermes tem seu próprio sistema de arquivos,

00:09:58.260 --> 00:09:59.800
sua própria memória e seu próprio conjunto de ferramentas.

00:09:59.800 --> 00:10:02.180
Ele pode configurar suas próprias rotinas de manutenção,

00:10:02.260 --> 00:10:04.240
limpando arquivos antigos e organizando seu espaço de trabalho.

00:10:04.620 --> 00:10:06.720
E se ele perceber que precisa de uma nova habilidade que não possui,

00:10:06.760 --> 00:10:07.620
ele pode criar uma na hora.

00:10:08.140 --> 00:10:09.560
Agora, aqui está a questão sobre os agentes Claw.

00:10:10.120 --> 00:10:12.220
Arquitetos de nuvem os chamam de Pets, não de Gado.

00:10:12.740 --> 00:10:13.360
Pets são únicos.

00:10:13.680 --> 00:10:15.800
Dá nomes a eles, cuida deles e não pode substituí-los facilmente.

00:10:16.220 --> 00:10:17.100
Gado é intercambiável.

00:10:17.600 --> 00:10:19.040
Então, se um cai e você inicia outro,

00:10:19.700 --> 00:10:20.980
agentes Claw são definitivamente Pé.

00:10:21.320 --> 00:10:23.680
Cada um tem seu próprio estado histórico e comportamento desaprendido.

00:10:24.380 --> 00:10:25.960
Essa singularidade os torna poderosos,

00:10:26.060 --> 00:10:27.920
mas também dificulta a recuperação e escalonamento.

00:10:27.920 --> 00:10:31.180
Se algo der errado, você não pode simplesmente descartar a instância

00:10:31.180 --> 00:10:33.660
e começar de novo, pois perderia todo esse conhecimento acumulado.

00:10:34.080 --> 00:10:35.660
A sua da Microsoft é algo chamado rotinas.

00:10:36.160 --> 00:10:38.760
Essas são tarefas agendadas que permitem ao agente despertar,

00:10:38.860 --> 00:10:40.720
realizar trabalhos de manutenção e depois voltar a dormir.

00:10:41.180 --> 00:10:44.160
Em vez de manter o sandbox funcionando 24x7, o que custa dinheiro,

00:10:44.700 --> 00:10:46.480
a gente desliga após um período de inatividade.

00:10:47.560 --> 00:10:50.020
O sistema de rotina desperta quando é hora de fazer algo,

00:10:50.120 --> 00:10:53.400
como limpar habilidades antigas, executar um backup ou verificar novas tarefas.

00:10:53.980 --> 00:10:54.840
Então ele volta a dormir.

00:10:55.120 --> 00:10:57.620
Isso economiza custos enquanto mantém o agente disponível

00:10:57.620 --> 00:10:58.260
quando você precisa dele.

00:10:58.680 --> 00:11:00.000
O sandbox se isola a cada sessão.

00:11:00.680 --> 00:11:03.220
Os arquivos, a memória e a configuração do seu agente

00:11:03.220 --> 00:11:05.220
permanecem contidos em seu próprio ambiente.

00:11:05.800 --> 00:11:07.620
E a estrutura gerencia esse estado entre as sessões

00:11:07.620 --> 00:11:10.360
para que você não precise se preocupar com dados de um agente vazando para outro.

00:11:11.380 --> 00:11:13.120
Construir sua própria estrutura do zero é possível,

00:11:13.260 --> 00:11:14.840
mas a maioria das empresas não precisa disso.

00:11:15.480 --> 00:11:18.540
O Foundry oferece uma plataforma pronta com todos esses recursos integrados.

00:11:19.000 --> 00:11:21.080
A verdadeira questão é, o que você quer que seu agente faça?

00:11:21.080 --> 00:11:25.040
Publicação e colaboração das estruturas encontram o zumbu.

00:11:25.200 --> 00:11:28.420
Então você construiu seu agente e deu a ele ferramentas, memória, orquestração e um sandbox.

00:11:28.840 --> 00:11:30.000
Agora, como as pessoas realmente o usam?

00:11:30.320 --> 00:11:31.720
É aqui que o Foundry torna as coisas fáceis.

00:11:32.280 --> 00:11:34.140
Uma vez que seu agente está construído e implantado,

00:11:34.220 --> 00:11:37.840
você pode publicá-lo no Microsoft 365 Copilot no Microsoft Teams com um clique.

00:11:38.300 --> 00:11:41.000
Não são 10 cliques em um pipeline de implantação de 3 dias, apenas um clique.

00:11:41.680 --> 00:11:43.900
E seu agente aparece exatamente onde as pessoas já trabalham,

00:11:44.120 --> 00:11:45.660
em seus e-mails, chats e documentos.

00:11:46.200 --> 00:11:47.660
O Foundry suporta dois modos de implantação.

00:11:47.660 --> 00:11:49.040
Primeiro, agente de assistência.

00:11:49.440 --> 00:11:51.240
Eles trabalham em seu nome, redigindo e-mails,

00:11:51.460 --> 00:11:53.020
agendando reuniões ou acessando documentos.

00:11:53.460 --> 00:11:54.980
Eles agem como uma extensão sua,

00:11:55.140 --> 00:11:57.260
como ter um assistente muito rápido que faz o que você pede.

00:11:58.480 --> 00:11:59.740
Segundo, agente de piloto automático.

00:12:00.180 --> 00:12:01.200
Esses são mais novos e mais interessantes.

00:12:01.620 --> 00:12:04.340
Eles agem em seu próprio nome, com seu próprio endereço de e-mail e sua própria identidade.

00:12:04.720 --> 00:12:06.280
Eles não precisam que você solicite o tempo todo.

00:12:06.620 --> 00:12:07.320
Eles tomam a iniciativa.

00:12:07.740 --> 00:12:09.800
Agente de piloto automático possui uma conta de usuário com um.

00:12:09.800 --> 00:12:12.800
Você pode adicioná-los a um chat em grupo do Teams, exatamente como o Firegon.

00:12:12.960 --> 00:12:15.300
Eles acompanham a conversa e entram quando podem ajudar,

00:12:15.300 --> 00:12:18.620
rastreando itens pendentes, respondendo a perguntas sobre o que a equipe está fazendo

00:12:18.620 --> 00:12:20.940
e até integrando novos membros ao enviar os documentos certos

00:12:20.940 --> 00:12:23.920
e apresentá-los às pessoas certas e apresentá-los às pessoas certas.

00:12:24.060 --> 00:12:24.900
Aqui está um exemplo concreto.

00:12:25.320 --> 00:12:27.340
Digamos que você tenha um agente gerenciador de fluxo de trabalho.

00:12:27.700 --> 00:12:28.780
Você ouve seu chat em grupo do Teams.

00:12:29.100 --> 00:12:31.580
Ninguém dizia isso do relatório do terceiro trimestre e pergunta até sexta-feira.

00:12:32.040 --> 00:12:33.500
O agente percebe que isso é uma tarefa.

00:12:34.060 --> 00:12:38.440
Ele cria a tarefa, atribui à pessoa certa e adiciona um lembrete para a quinta-feira verificar o progresso.

00:12:38.740 --> 00:12:39.800
Ninguém pediu para ele fazer isso.

00:12:40.260 --> 00:12:41.940
Ele apenas viu algo que precisava ser feito e fez.

00:12:42.740 --> 00:12:44.640
O Harness cuida de todas as permissões do bastidor.

00:12:44.640 --> 00:12:47.680
Apenas usuários autorizados podem interagir com a gente em um chat em grupo.

00:12:48.120 --> 00:12:50.500
A gente vê as mensagens que tem permissão para ver e ignora o restante.

00:12:50.900 --> 00:12:53.400
Ele respeita os mesmos controles de acesso que os membros humanos da sua equipe.

00:12:53.740 --> 00:12:55.480
É aqui que a engenharia do Harness realmente compensa.

00:12:55.840 --> 00:12:58.280
A gente deixa de ser um chatbot que você abre em uma aba do navegador.

00:12:58.680 --> 00:12:59.920
Ele se torna um membro produtivo da equipe.

00:13:00.400 --> 00:13:02.900
Ele vive onde você vive e trabalha como sua equipe trabalha.

00:13:03.180 --> 00:13:05.760
E faz tudo isso porque o Harness, o sistema em torno do modelo,

00:13:05.880 --> 00:13:08.920
lida com identidade e permissões, implantação e integração.

00:13:09.580 --> 00:13:11.760
Sem o Harness você teria apenas uma janela de chat para verificar.

00:13:12.100 --> 00:13:14.020
Mas qualquer ferramenta poderosa eu preciso salvar agora.

00:13:14.020 --> 00:13:16.260
Vamos falar sobre os guardrails que tornam tudo isso seguro.

00:13:16.980 --> 00:13:18.620
E há responsável e governança no Harness.

00:13:19.160 --> 00:13:19.660
Aqui está o ponto.

00:13:20.000 --> 00:13:22.600
A engenharia do Harness não é apenas sobre tornar os agentes mais capazes.

00:13:22.880 --> 00:13:24.580
É sobre torná-los seguros e confiáveis.

00:13:25.240 --> 00:13:28.740
Um agente que pode enviar e-mails, modificar arquivos e agir em chats em grupo é poderoso.

00:13:28.800 --> 00:13:30.020
Mas esse poder precisa de controles.

00:13:30.540 --> 00:13:32.640
Pense nisso como dar as chaves do prédio a um funcionário.

00:13:33.140 --> 00:13:34.080
Você quer que ele faça o trabalho,

00:13:34.280 --> 00:13:36.600
mas também define regras sobre o que ele pode acessar e quando.

00:13:36.600 --> 00:13:40.240
A abordagem da Microsoft é baseada no padrão de A responsável.

00:13:41.200 --> 00:13:42.640
Seis princípios guiam tudo.

00:13:43.060 --> 00:13:44.740
Justiça, confiabilidade e segurança.

00:13:45.200 --> 00:13:46.180
Privacidade e proteção.

00:13:46.620 --> 00:13:47.140
Inclusividade.

00:13:47.640 --> 00:13:48.940
Transparência e responsabilidade.

00:13:49.520 --> 00:13:51.360
Essas não são apenas boas ideias escritas em um cartaz.

00:13:51.740 --> 00:13:55.060
Elas são a base real para como toda plataforma é projetada desde o início.

00:13:55.060 --> 00:13:58.140
O Harness é onde esses princípios se tornam um código real.

00:13:58.580 --> 00:14:00.220
Os guardrails limitam o que o agente pode fazer.

00:14:00.500 --> 00:14:04.040
Canchos de ciclo de vida permitem que você aplique políticas em cada etapa da execução do agente.

00:14:04.460 --> 00:14:06.220
Antes do agente rodar, depois que ele roda,

00:14:06.460 --> 00:14:07.480
antes de chamar uma ferramenta,

00:14:07.780 --> 00:14:10.840
depois de obter um resultado e você pode injetar suas próprias verificações em qualquer ponto.

00:14:11.260 --> 00:14:13.120
Quer bloquear o agente de acessar certos bancos de dados?

00:14:13.740 --> 00:14:14.440
Você pode fazer isso.

00:14:14.680 --> 00:14:16.760
Quer exigir aprovação humana antes que o agente envie um e-mail?

00:14:17.320 --> 00:14:18.000
Você também pode fazer.

00:14:18.400 --> 00:14:19.720
Ambas são simples de configurar.

00:14:20.060 --> 00:14:23.620
O Well-Architected Framework do Azure inclui orientações dedicadas para cargas de trabalho de A.

00:14:23.620 --> 00:14:26.460
Ele cobre tudo, desde criptografia de dados até respostas a incidentes.

00:14:27.080 --> 00:14:31.460
A ideia é que construir um sistema de A não é fundamentalmente diferente de construir qualquer outro sistema empresarial.

00:14:31.960 --> 00:14:34.140
Você ainda precisa de segurança, confiabilidade e excelência em operação.

00:14:34.860 --> 00:14:38.880
O Well-Architected Framework oferece uma forma estruturada de pensar em tudo isso, sem se perder.

00:14:39.380 --> 00:14:41.060
Além disso, existe o Cloud Adoption Framework.

00:14:41.540 --> 00:14:43.520
Ele fornece um processo de quatro estágios para a governança de A.

00:14:43.960 --> 00:14:45.080
Primeiro, identifique os riscos.

00:14:45.640 --> 00:14:46.220
Pode dar errado.

00:14:46.700 --> 00:14:47.440
Segundo, mestre o impacto.

00:14:47.760 --> 00:14:48.360
Posseira a gravidade.

00:14:48.700 --> 00:14:49.860
Terceiro, omitir com controles.

00:14:50.300 --> 00:14:51.340
O que você pode implementar para prevenir?

00:14:51.960 --> 00:14:53.240
Quarto, opere com monitoramento.

00:14:53.620 --> 00:14:55.080
Como detectar problemas quando eles ocorrem?

00:14:55.360 --> 00:14:59.540
É uma abordagem prática passo a passo que transforma preocupações abstratas em ações concretas.

00:15:00.240 --> 00:15:03.020
Para os Agent Harnesses, especificamente, significa algumas coisas importantes.

00:15:03.420 --> 00:15:06.040
Limites máximos de passo para que o agente não rode para sempre.

00:15:06.620 --> 00:15:08.760
Restrições de ferramentas para que ele só acesse o que deve.

00:15:09.240 --> 00:15:10.960
Etapas de aprovação humana para ações de alto risco.

00:15:11.260 --> 00:15:13.640
Trilhas de auditoria para que toda decisão seja registrada e revisada.

00:15:14.120 --> 00:15:17.260
Filtros de segurança de conteúdo que capturam saídas problemáticas antes que alguém as veja.

00:15:17.260 --> 00:15:20.420
Cada peça trabalha em conjunto para manter seu agente sob controle e seguro.

00:15:20.640 --> 00:15:23.920
A Microsoft oferece segurança de conteúdo e avaliadores integrados dentro do FAM.

00:15:24.100 --> 00:15:26.960
Você pode testar seu agente em relação a critérios definidos antes de implantar.

00:15:27.300 --> 00:15:28.100
Ele se mantém no tópico?

00:15:28.540 --> 00:15:29.760
Ele lida com dados sensíveis, corretamente?

00:15:30.160 --> 00:15:32.000
Ele recusa solicitações que não deveria atender.

00:15:32.540 --> 00:15:37.060
Você pode executar essas avaliações automaticamente e obter uma pontuação antes de publicar o agente para a sua equipe.

00:15:37.060 --> 00:15:40.340
Dessa forma, se detecta problemas cedo e não depois que algo dá errado.

00:15:40.860 --> 00:15:41.820
Este é o quadro completo.

00:15:42.080 --> 00:15:44.700
Desde um prompt simples até um agente autônomo seguro em nível de produção.

00:15:45.380 --> 00:15:47.600
O modelo faz o pensamento, o harness faz todo o resto.

00:15:47.920 --> 00:15:51.320
A coordenação, as guardrails, a governança, tudo o que o torna confiável.

00:15:52.120 --> 00:15:53.600
Então, vamos recapitular a transformação.

00:15:54.180 --> 00:15:55.300
Começamos com o prompt one shot.

00:15:55.740 --> 00:15:57.020
Escreva um prompt e receba uma resposta.

00:15:57.760 --> 00:15:58.760
Isso funcionava para a tarefa sim.

00:15:59.140 --> 00:16:00.340
Depois passamos para a engenharia de conteúdo.

00:16:00.880 --> 00:16:03.560
Gerencio que o modelo recarregue a informação certa na hora certa.

00:16:04.060 --> 00:16:05.700
Isso funcionava para tarefas mais complexas.

00:16:05.700 --> 00:16:07.660
E agora chegamos à engenharia completa de harness.

00:16:08.260 --> 00:16:12.440
Construa um sistema completo ao redor do modelo, com memória, ferramentas, coordenação, guardrails e governança.

00:16:12.840 --> 00:16:13.460
Aqui está a avaliação.

00:16:14.040 --> 00:16:16.160
Um agente é tão confiável quanto o sistema ao redor dele.

00:16:16.680 --> 00:16:19.700
O modelo importa, sem dúvida, mas o harness é o que define o sucesso na produção.

00:16:20.160 --> 00:16:24.200
Você pode ter o melhor modelo do mundo, mas sem um bom harness, ele falhará em tarefas reais.

00:16:25.040 --> 00:16:27.200
E você pode ter um modelo decente com um excelente harness.

00:16:27.500 --> 00:16:29.680
Ele superará as expectativas sempre, sempre.

00:16:30.160 --> 00:16:31.000
Aqui está o seu desafio.

00:16:31.700 --> 00:16:33.880
No seu próximo projeto de A, pense além do prompt.

00:16:33.880 --> 00:16:35.860
Não pergunte o que devo dizer ao modelo.

00:16:35.980 --> 00:16:38.020
Pergunte qual sistema preciso construir em torno dele.

00:16:38.860 --> 00:16:41.480
Essa mudança de mentalidade é o que separa demonstrações de sistemas de produção.

00:16:41.960 --> 00:16:44.980
No próximo episódio, vamos mergulhar mais fundo em um componente de suporte à memória.

00:16:45.400 --> 00:16:49.960
Como agentes aprendem com o tempo, lembram do que fizeram e como isso muda o que podem realizar.

00:16:50.740 --> 00:16:51.660
Inscreva-se para não perder.

00:16:51.660 --> 00:17:05.480
Apenas o tempo, lembram do que fizeram e como isso muda o que fizeram e como isso muda o que fizeram.
