Vamos seguir com o Guia Definitivo Sobre Protocolos e Frameworks de Agentes de IA, agora na Parte 5, com Infraestruturas e Protocolos (LangChain, A2A, MCP, Temporal).

Se estiver chegando agora, acesse a Parte 1 aqui.

LangChain: O Kit de Ferramentas e seu Ecossistema Agêntico

Papel no Ecossistema

O LangChain estabeleceu-se como a biblioteca fundamental para o desenvolvimento de aplicações com LLMs. Ele fornece uma interface padrão para modelos, prompts e integrações, simplificando o desenvolvimento e reduzindo a dependência de fornecedores específicos. Sua ampla adoção significa que muitos outros frameworks, incluindo o LlamaIndex, usam ou se integram com os componentes do LangChain, tornando-o uma peça central do ecossistema de IA agêntica.

Componentes Principais

O LangChain oferece abstrações para cadeias (chains), agentes e estratégias de recuperação que compõem a arquitetura cognitiva de uma aplicação. Sua arquitetura de agente agora é construída sobre o LangGraph, o que significa que os agentes LangChain herdam os benefícios do LangGraph, como execução durável, streaming e suporte a HITL, prontos para uso.

Relação com o LangGraph

A relação entre LangChain e LangGraph é de abstração. O LangChain fornece a função de alto nível e fácil de usar para construir rapidamente agentes padrão com menos de 10 linhas de código. O LangGraph, por outro lado, oferece as primitivas de baixo nível para construir grafos agênticos personalizados e complexos. Em essência, o LangChain é o “botão fácil” para começar, enquanto o LangGraph é o “modo especialista” para controle total e personalização.

Acesse o site oficial: LangChain

A2A (Protocolo Agent2Agent): Estabelecendo a Língua Franca Para a Comunicação Entre Agentes

Propósito e Necessidade

O A2A é um padrão aberto, não um framework, projetado para resolver o problema crítico da interoperabilidade. Ele permite que agentes, construídos por diferentes empresas em diferentes frameworks, se comuniquem e colaborem de forma eficaz. Em um cenário onde cada framework cria seu próprio ecossistema isolado, o A2A atua como uma camada de mensagens universal, quebrando esses silos e permitindo um ecossistema de IA mais interconectado e poderoso.

Componentes Arquitetônicos Principais

O protocolo define um modelo cliente/servidor com vários componentes chave. O Agent Card é um arquivo JSON que descreve as capacidades de um agente, funcionando como um cartão de visita ou currículo que permite que outros agentes o descubram. Uma Task representa uma unidade de trabalho com um ciclo de vida definido (por exemplo: submetida, em andamento, concluída), tornando-o adequado para interações de longa duração. As Messages são as unidades fundamentais de comunicação, contendo o conteúdo real da troca.

Relação com Outras Tecnologias

O A2A é complementar ao MCP (Protocolo de Contexto de Modelo). Enquanto o MCP padroniza a comunicação agente-ferramenta, o A2A lida com a comunicação agente-agente. A adoção do A2A por frameworks como PydanticAI e Strand sinaliza uma tendência importante no mercado em direção a um ecossistema de agentes aberto e interconectado, semelhante à forma como os protocolos da web permitiram a internet.

Site oficial: Agent2Agent (A2A) Protocol

MCP (Model Context Protocol): Padronizando a Comunicação Agente-Ferramenta

Propósito e Necessidade

O Protocolo de Contexto de Modelo (MCP) é um padrão complementar focado em um aspecto diferente, mas igualmente crítico, da arquitetura do agente: a comunicação agente-ferramenta. Introduzido pela Anthropic em 2024, o MCP atua como uma camada de padronização que define como uma aplicação de IA (agente) se conecta e interage de forma eficaz com serviços externos, como APIs, fontes de dados e outras ferramentas predefinidas.

Relação com o A2A

Enquanto o A2A é projetado para a comunicação entre agentes (agent-to-agent), o MCP é o padrão para a comunicação entre agente e ferramenta (agent-to-tool). Os dois protocolos são, portanto, complementares e destinados a trabalhar juntos. Um sistema agêntico robusto pode usar o MCP para interagir com um banco de dados ou API e, em seguida, usar o A2A para passar os resultados dessa interação para outro agente para análise posterior.

Adoção pelo Ecossistema

A importância do MCP reside na sua capacidade de criar um ecossistema de ferramentas interoperáveis. Ao padronizar essa conexão, os Engenheiros de IA podem acessar milhares de ferramentas pré-construídas sem a necessidade de integrações personalizadas, sabendo que elas vão aderir a uma interface comum. A adoção nativa do MCP por frameworks como Strand e PydanticAI demonstra seu papel crescente como um pilar fundamental para a construção de agentes capazes e prontos para produção.

Site oficial: Model Context Protocol

Temporal: A Base da Confiabilidade Para Processos Agênticos de Longa Duração

Propósito e Necessidade

O Temporal é um sistema de execução durável de propósito geral. No contexto da IA, ele aborda os desafios críticos de confiabilidade de fluxos de trabalho agênticos que são de longa duração, com estado e frequentemente falíveis. À medida que os agentes assumem tarefas críticas para os negócios que podem levar horas ou dias e envolver intervenção humana, a necessidade de um sistema que possa lidar com falhas, novas tentativas e persistência de estado torna-se primordial. Sem essa camada de confiabilidade, a probabilidade de falha em um processo de longa duração se aproxima de 100%.

A inclusão do Temporal nesta lista, juntamente com o surgimento de recursos nativos de durabilidade em frameworks como PydanticAI e LangGraph, sinaliza um amadurecimento significativo no campo da IA agêntica. Os primeiros frameworks de agentes focavam principalmente no ciclo “pensar-agir”, com a confiabilidade sendo uma consideração secundária.

No entanto, à medida que os casos de uso se tornam mais complexos e críticos (por exemplo, tarefas de pesquisa de vários dias, processos que exigem aprovação humana), a execução durável passou de um recurso de nicho para um requisito central. Os fluxos de trabalho agênticos estão agora sendo tratados como processos de missão crítica e de longa duração que exigem o mesmo nível de confiabilidade do software empresarial tradicional. O Temporal oferece uma solução especializada e de primeira classe para este problema no nível da infraestrutura.

Capacidades Principais

O Temporal se destaca em quatro áreas principais: orquestração de interações entre armazenamentos de dados e ferramentas distribuídas; manutenção do estado do fluxo de trabalho por longos períodos, mesmo durante falhas do sistema; autocorreção, com a capacidade de tentar novamente operações até que um LLM probabilístico retorne dados válidos; e insights, fornecendo a capacidade de inspecionar facilmente o desempenho, as entradas e as saídas do agente.

Papel na Stack

O Temporal não é um framework de IA. É a infraestrutura sobre a qual uma aplicação de Agente de IA, construída com um framework como LangGraph ou CrewAI, seria executada para alcançar confiabilidade, escalabilidade e tolerância a falhas de nível de produção. Ele abstrai a complexidade do gerenciamento de estado e da recuperação de falhas, permitindo que os Engenheiros de Agentes de IA se concentrem na lógica de negócios do agente, em vez de construir uma infraestrutura de fluxo de trabalho personalizada.

Site oficial: Temporal

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