Módulo 11, Multi-Agentes
No Módulo 10, construímos um agente que faz tudo sozinho. Este módulo mostra que, muitas vezes, é melhor dividir o trabalho entre vários agentes especializados que cooperam. Um time bem coordenado de especialistas supera um único agente generalista, porque cada um pode ser profundo no seu papel. É o princípio antigo da sociedade da mente, agora concretizado com agentes de LLM.
A trilha é curta e direta. Primeiro, os agentes aprendem a se comunicar, por um protocolo de mensagens. Depois, um coordenador passa a reger o time, decidindo quem faz o quê. Por fim, cada agente ganha uma especialidade, e montamos o time educacional completo, Tutor, Evaluator, Mentor e Analytics. Cada aula implementa as ideias do zero, com Python puro, e no fim tudo se junta no projeto, um sistema multi-agente que acompanha o estudo de um aluno.
As três aulas
| Aula | Tema | O que você faz na prática |
|---|---|---|
| 1 | Comunicação entre agentes | Define um protocolo e faz agentes conversarem |
| 2 | Coordenação | Constrói um coordenador que roteia tarefas |
| 3 | Especialização | Monta o time de quatro agentes especializados |
A primeira aula trata da comunicação, a segunda da organização, e a terceira da especialização, onde mora o projeto integrador.
O que você leva deste módulo
Ao terminar, você sabe projetar um sistema multi-agente, com um protocolo de comunicação, um coordenador e agentes especializados que cooperam. Entende por que a especialização e a coordenação produzem um comportamento maior que a soma das partes, e tem um time de agentes educacionais no portfólio. Esse sistema é a espinha dorsal do projeto final da trilha, no Módulo 14.
Projeto do módulo
O projeto integrador está na pasta projects/m11-multi-agent/, um time com Tutor, Evaluator, Mentor e Analytics, coordenados por um supervisor, que cooperam para acompanhar o estudo de um aluno em uma sessão. A avaliação alimenta a análise, e a análise orienta a recomendação. Ele roda do zero, sem dependências, e tem testes.
Pré-requisitos
O Módulo 10 sobre agentes é a base direta. Os exemplos e o projeto rodam só com a biblioteca padrão do Python. As evoluções com o LLM como gerador ou coordenador usam o Ollama, conforme o docs/setup.md.
Material de apoio
- Notebooks executáveis em notebooks/modulo-11/, um para cada aula.
- Projeto completo em projects/m11-multi-agent/.
- Referências de cada aula reunidas em references/referencias.bib.