👥 Camada de Trabalhadores

Avaliação interna da Anthropic: multi-agent superou single-agent em 90,2% das tarefas de pesquisa.

Não é hype — é métrica reproduzível em pesquisa publicada.

Multi-agent research system, eval, parallel exploration.

Lead agent decompõe a tarefa, workers executam em paralelo, lead sintetiza.

Define a divisão clássica: pensar × fazer.

Plan-execute, decomposition, synthesis.

Multi-agent custa ~5-15x mais tokens que single-agent. Justificável quando qualidade importa.

Saber quando vale.

Token cost, value × cost, eval-driven.

Sem hierarquia, agentes se sobrepõem. Hierarquia define quem chama quem.

Linha plana = caos. Hierarquia = clareza.

Hierarchy, ownership, accountability.

Workers executam subtasks em paralelo. Tempo total ≈ tempo do mais lento + síntese.

Reduz latência sem reduzir qualidade.

Map-reduce, parallel exec, fan-out/fan-in.

Tarefas simples e bem definidas: single-agent é mais rápido e barato.

Multi-agent vira overengineering em 80% dos casos.

YAGNI, simplicity-first, eval before scale.

Agente que recebe pedido em linguagem natural, classifica e roteia.

Cliente fala UM lugar; sistema decide quem responde.

Single entry point, routing, classification.

EA usa LLM para classificar intenção e escolher subagente.

Roteamento manual não escala.

Intent classification, dispatcher, fallback.

Pergunta complexa → CFO Bot + CMO Bot + Ops Bot → EA sintetiza.

É o que diferencia chatbot de orquestrador.

Chain, fan-out, synthesis.

Lista todos os subagentes disponíveis, suas funções, escopo e SLA.

Sem catálogo, EA não sabe pra quem rotear.

Agent registry, capability catalog, SLA.

EA define timeout por chamada e plano B (outro agente, humano).

Sistema sem fallback fica trancado em loops.

Timeout, retry, fallback, circuit breaker.

Toda decisão fora do escopo, alta-stakes ou ambígua escala para humano.

EA bom sabe quando NÃO decidir.

Escalation, human-in-the-loop, ambiguity detection.

Nome, função, escopo, ferramentas, Silver Platters lidos, output esperado.

Padronização permite reuso e auditoria.

Identity card, scope, deliverable.

Lê /finance Silver Platters. Análise de margem, fluxo de caixa, alertas.

Especialista isolado erra menos que generalista.

Domain isolation, KPI ownership.

Lê /marketing — campanhas, audiência, voz do cliente.

Marketing exige tom; isolar dá consistência.

Brand voice, attribution, customer voice.

Ops (operações, estoque, logística), Researcher (descoberta), Builder (entrega técnica).

Mostra que o padrão se replica em qualquer função.

Role taxonomy, agent specialization.

Definidos em ~/.claude/agents/*.md. Tool Agent invoca por tipo.

Saber a sintaxe permite criar seus próprios.

Agents folder, frontmatter, dispatch.

Cada agente tem casos-teste com saída esperada. Regressão controlada.

Sem eval por papel, mudança em um afeta outros sem perceber.

Eval suite, regression test, golden examples.

MCP = agente↔ferramenta. A2A = agente↔agente. Camadas distintas, ambas necessárias.

Confundir os dois leva a arquitetura errada.

Tool layer × peer layer.

JSON com nome, descrição, capacidades, autenticação, endpoint.

É o "DNS" da rede de agentes.

Capability discovery, agent registry, identity.

A2A usa HTTP para request, SSE para streaming, JSON-RPC para chamadas.

Baseado em padrões web — não reinventa roda.

HTTP, SSE, JSON-RPC 2.0.

OAuth, mTLS, API keys assinadas. Identidade verificável.

Agentes não-autenticados são vetor de abuso.

OAuth, mTLS, signed keys.

Agentes de empresas diferentes negociando. Marketplaces de agentes. Federações.

É onde o futuro do B2B agêntico está acontecendo.

Inter-org, marketplace, federation.

SDKs em Python, JS, Java, Go, .NET. Adoção crescendo em enterprise.

Ficar à frente das integrações que estão chegando.

Roadmap, SDK, ecosystem.

Orquestrador como nó central de decisão em grafo. Audit trail e rollback nativos.

Adoção enterprise crescente — produção em escala.

DAG, supervisor, state machine.

Crew = equipe. Manager agent coordena workers. Foco em easy-to-start.

Curva de aprendizado mais suave que LangGraph.

Crew, role-based, manager.

Microsoft. GroupChat com GroupChatManager. Conversa entre agentes em rounds.

Bom para casos de debate / refinamento iterativo.

Round-based, debate, refinement.

Agente A "passa" controle para Agente B. Handoff explícito.

Padrão simples e direto.

Handoff, baton-passing, explicit transfer.

Cérebro LangGraph orquestra crew CrewAI chamando tools OpenAI. Ecossistema mesclado.

É o futuro: não escolher um framework, mas compor.

Polyglot, mesh, interop.

LangGraph (produção, controle), CrewAI (start rápido), AutoGen (debate), Claude Code subagents (CLI nativo).

Cada caso pede uma escolha.

Trade-off, fit-for-purpose.

Carga regular (semanal+), função distinta, dados isolados, eval mensurável.

Sem critério, vira coleção de bots inúteis.

Demand-driven, distinct function, evaluable.

"Pra eu testar", overlap óbvio, sem dados, sem dono humano, sem eval.

Resistir à tentação salva tempo e tokens.

YAGNI, overlap, no-eval = no-go.

Se 1 skill cobre, fica skill. Se vira família de skills + decisão, promove a agente.

Promoção evita over-engineering inicial.

Skill → agent promotion path.

Demanda caiu? Eval piora? Outro cobriu? Aposenta — não acumula zumbi.

Lifecycle completo evita arquitetura cheia de fantasmas.

Lifecycle, decommission, sunset.

Tempo poupado, taxa de aceitação humana, custo por execução, satisfação do dono.

Sem KPI, decisão de manter/aposentar é subjetiva.

ROI, acceptance rate, cost-per-run.

Para empreendedor solo: 3-5 agentes. PME: 5-10. Enterprise: 10-30.

Saber o tamanho saudável.

Right-size, lean roster, scaling curve.