Em resumo
- Um sistema multiagente é composto por vários agentes de IA com tarefas, instruções e ferramentas próprias, que trabalham em conjunto, geralmente sob a direção de um coordenador.
- A Anthropic afirma que, numa avaliação interna de pesquisa, um sistema deste tipo superou um único agente em 90,2 por cento, mas consumiu cerca de 15 vezes mais tokens do que um chat. Os tokens são as unidades de texto usadas na faturação dos serviços de IA.
- Outros programadores alertam que os subagentes a trabalhar em paralelo partem de pressupostos contraditórios quando não partilham o contexto.
- Regra prática: começar da forma mais simples possível e utilizar vários agentes apenas para subtarefas independentes, com limitações de permissões e aprovação humana.
O que é um sistema multiagente
Um agente de IA é composto por um modelo de linguagem, instruções e ferramentas. A Anthropic distingue os fluxos de trabalho, em que os modelos de linguagem e as ferramentas são controlados por percursos de execução predefinidos, dos agentes, que determinam o seu próprio processo e escolhem as ferramentas. Um sistema multiagente combina vários destes agentes. Na prática, existem três padrões básicos:
| Padrão | Como funciona | Exemplo |
|---|---|---|
| Coordenador e especialistas | Um agente principal divide a tarefa, distribui partes pelos subagentes e resume os resultados | Pesquisa sobre dez fornecedores, com um subagente por fornecedor |
| Encaminhamento | Um agente encaminha a conversa para outro, responsável pelo tema | O atendimento inicial ao cliente encaminha para reembolsos ou apoio técnico |
| Criador e revisor | Um agente cria, um segundo avalia e dá feedback até o resultado ser adequado | Rascunho de texto com verificação de qualidade segundo uma lista de verificação |
O que mostra a prática
Num artigo de junho de 2025, a Anthropic descreve um sistema de pesquisa baseado no padrão de coordenador. Na avaliação interna, o desempenho foi 90,2 por cento superior ao de um único agente. Ao mesmo tempo, os agentes consumiram cerca de quatro vezes mais tokens do que um chat, e os sistemas multiagente cerca de 15 vezes mais. A Anthropic considera menos adequadas as tarefas com contexto partilhado e muitas dependências, como a programação, que contém menos partes passíveis de execução em paralelo do que a pesquisa.
A Cognition, que desenvolve um assistente de programação, chega no mesmo mês a uma conclusão mais prudente: os subagentes só veem partes, partem de pressupostos diferentes e produzem resultados incompatíveis. Os relatos contradizem-se menos do que parece: vários agentes ajudam em trabalhos amplos que podem ser divididos, mas consomem consideravelmente mais capacidade de processamento e exigem mais controlo.
Quando basta um agente ou um processo fixo
A Anthropic recomenda procurar a solução mais simples possível e aumentar a complexidade apenas quando necessário. Para a maioria das tarefas nas PME, isto significa:
- O processo está definido: ler a fatura, verificá-la e registá-la na contabilidade. Neste caso, um processo fixo com etapas de IA é mais rápido, mais económico e mais fácil de verificar.
- A tarefa exige contexto contínuo: redigir um orçamento para um cliente específico ou responder a um pedido. Basta um agente com as ferramentas certas.
- Os custos e a rapidez contam: cada agente adicional consome tempo e capacidade de processamento, e cada encaminhamento é uma fonte de erros.
Quando faz sentido utilizar vários agentes
- As subtarefas são independentes: analisar dez fornecedores ou vinte documentos em simultâneo e depois reunir os resultados.
- As permissões devem permanecer separadas: um agente lê mensagens de correio eletrónico e só tem permissões de leitura; outro escreve no sistema de gestão comercial, mas apenas após aprovação. Assim, os danos ficam limitados se um agente for desviado por conteúdos manipulados.
- Uma segunda análise é valiosa: um agente revisor compara o resultado com as fontes antes de uma pessoa o ver.
- O contexto excederia a capacidade disponível: tarefas muito longas podem ser divididas em secções, cada uma tratada por um subagente.
Riscos e controlo
- Custos: defina limites por tarefa e meça o consumo de cada execução.
- Cadeias de erros: um erro de um agente é reproduzido pelo seguinte. Registe os resultados intermédios com as fontes e verifique-os por amostragem.
- Permissões: cada agente recebe apenas o que precisa. A OWASP identifica «Excessive Agency», ou permissões excessivas, como um risco específico das aplicações com modelos de linguagem. As ações de escrita estão sujeitas a aprovação.
- Rastreabilidade: um registo mostra que agente fez o quê e porquê. Aos dados pessoais aplicam-se as regras do RGPD.
- Risco elevado: se os agentes prepararem decisões sobre pessoas, por exemplo em candidaturas a emprego ou na avaliação da solvabilidade, aplicam-se regras rigorosas nos termos do Anexo III do Regulamento da IA. Saiba mais sobre as classes de risco.
Como proceder
- Documentar o processo: etapas, dados, decisões e responsáveis pela aprovação.
- Começar de forma simples: com um processo fixo ou um agente, e medir os resultados.
- Identificar a limitação: onde é insuficiente, no tempo, na qualidade ou nas permissões?
- Dividir apenas nesse ponto: um subagente com tarefa, dados de entrada e dados de saída claramente definidos.
- Comparar: custos, duração e taxa de erros face à solução simples.
- Incluir aprovação: uma pessoa confirma antes de algo ser enviado para o exterior ou registado na contabilidade.
Fontes
- Anthropic: How we built our multi-agent research system, 13 de junho de 2025
- Anthropic: Building effective agents, 19 de dezembro de 2024
- Cognition: Don’t Build Multi-Agents, 12 de junho de 2025
- OpenAI: Agents SDK, Handoffs
- OWASP: Top 10 para aplicações de LLM 2025
- Regulamento (UE) 2024/1689 relativo à inteligência artificial, Anexo III: EUR-Lex