Vamos seguir com o Guia Definitivo Sobre Protocolos e Frameworks de Agentes de IA, agora na Parte 4, com os frameworks guiados por paradigma. Temos 2 representantes principais nesta categoria: PydanticAI e Strand.

Se estiver chegando agora, acesse a Parte 1 aqui.

PydanticAI: Construindo Agentes Confiáveis e com Segurança de Tipos com Dados Estruturados

Filosofia de Design

O PydanticAI visa trazer a “sensação do FastAPI”: ergonômica, com segurança de tipos e pronta para produção, para o desenvolvimento de GenAI. Seu princípio fundamental é o uso do Pydantic para validação de dados. Isso garante que as entradas, saídas e chamadas de ferramentas sejam sempre estruturadas e previsíveis, mitigando a natureza inerentemente probabilística dos LLMs e trazendo o rigor da engenharia de software para a construção de agentes. Ao impor um esquema, o PydanticAI torna o comportamento do agente mais confiável e fácil de depurar.

Características Principais

O framework oferece injeção de dependência com segurança de tipos, permitindo que dados e serviços sejam fornecidos de forma segura aos prompts, ferramentas e validadores do agente. Uma de suas características mais poderosas é a capacidade de realizar novas tentativas automáticas com autocorreção. Se a saída de um LLM falhar na validação do Pydantic, o framework pode refinar o prompt e tentar novamente até que uma saída válida seja gerada. Ele também suporta a transmissão de saídas estruturadas, validando os dados em tempo real à medida que são gerados. Essa abordagem move muitas classes de erros do tempo de execução para o “tempo de escrita” por meio de análise estática.

Paradigma Multi-agente

O PydanticAI suporta sistemas multi-agentes por meio de três padrões principais: delegação de agente, onde um agente atribui uma subtarefa a outro; entrega programática de agente, onde o código da aplicação ou um humano decide qual agente chamar em seguida; e fluxos de controle baseados em grafos para cenários mais complexos. Isso permite a construção de sistemas sofisticados onde agentes especializados colaboram para resolver um problema maior.

Ecossistema e Prontidão Para Produção

Construído pela equipe do Pydantic, o framework se integra com padrões da indústria como MCP (para acesso a ferramentas) e A2A (para interoperabilidade entre agentes), e oferece observabilidade contínua por meio do Pydantic Logfire. Ele também suporta execução durável, permitindo a construção de agentes que podem preservar seu progresso através de falhas transitórias de API ou reinicializações de aplicação, o que é essencial para fluxos de trabalho de longa duração e com intervenção humana. O Pydantic Logfire aliás é uma ferramenta incrível e você encontra um projeto completo aqui.

Acesse o site oficial: PydanticAI

Strand: A Abordagem Orientada a Modelo e Integração Nativa com a Nuvem

Filosofia de Design

O Strand, um SDK de código aberto da AWS, defende uma abordagem “orientada a modelo” (model-first ou model-driven). Ele simplifica o desenvolvimento ao confiar nas capacidades de raciocínio dos LLMs modernos para planejar, encadear pensamentos e chamar ferramentas, em vez de exigir que os Engenheiros de Agentes de IA definam fluxos de trabalho explícitos e complexos. A filosofia é que o Engenheiro de Agentes de IA deve definir o prompt e as ferramentas disponíveis, e o modelo deve ser o motor que dirige o ciclo do agente de forma autônoma. Isso reduz a quantidade de código de orquestração que precisa ser escrito e mantido.

Paradigma Multi-Agentes

O Strand fornece primitivas simples para padrões multi-agentes, como transferências (handoffs), enxames (swarms) e fluxos de trabalho em grafo. Um padrão de implementação comum é ter um agente orquestrador ou supervisor que analisa as consultas recebidas e as encaminha para agentes de trabalho especializados. Esses agentes de trabalho são, eles próprios, fornecidos como ferramentas para o orquestrador, permitindo que o LLM do orquestrador decida dinamicamente qual especialista invocar.

Ecossistema e Prontidão Para Produção

Como um projeto da AWS, o Strand se destaca por suas integrações nativas com serviços da AWS como Amazon Bedrock, AWS Lambda e AWS Step Functions. Isso o torna uma escolha natural para equipes que já trabalham no ecossistema da AWS, pois permite a construção de fluxos de trabalho autônomos que se conectam perfeitamente aos recursos existentes na nuvem. O framework possui suporte nativo para o protocolo MCP e suporte integrado para o A2A, alinhando-se com os padrões emergentes para interoperabilidade de ferramentas e agentes.

Acesse o site oficial: Strand Agents

Aqui na DSA você desenvolve suas habilidades na construção de sistemas com Agentes de IA em diversos cursos, mas temos uma Formação com foco específico para quem deseja desenvolver habilidades na construção e deploy de aplicações com Agentes de IA:

Formação Agentic AI Engineer 4.0

E para quem busca certificado reconhecido pelo MEC, oferecemos um programa completo:

Pós-Graduação em Sistemas Cognitivos com Agentes de IA

Seguiremos com este guia na Parte 5. Todas as referências estarão ao final da Parte 6.

Equipe DSA