Aprenda a Criar um Agente AI do Zero
Domine o desenvolvimento de agentes AI com 12 sessoes progressivas. Construa o loop do agente, sistemas de ferramentas, planejamento, memoria e coordenacao entre agentes, um conceito de cada vez.
O Padrao Central
Todo agente de programacao AI compartilha o mesmo loop: chama o modelo, executa ferramentas, retorna resultados. Sistemas de producao adicionam camadas de politicas, permissoes e ciclo de vida.
while True:
response = client.messages.create(messages=messages, tools=tools)
if response.stop_reason != "tool_use":
break
for tool_call in response.content:
result = execute_tool(tool_call.name, tool_call.input)
messages.append(result)Crescimento de Mensagens
Assista o array de mensagens crescer enquanto o loop do agente executa
Trilha de Aprendizado
12 sessoes progressivas, de um loop simples a execucao autonoma isolada
The Agent Loop
The minimal agent kernel is a while loop + one tool
Tools
The loop stays the same; new tools register into the dispatch map
TodoWrite
An agent without a plan drifts; list the steps first, then execute
Subagents
Subagents use independent messages[], keeping the main conversation clean
Skills
Inject knowledge via tool_result when needed, not upfront in the system prompt
Compact
Context will fill up; three-layer compression strategy enables infinite sessions
Tasks
A file-based task graph with ordering, parallelism, and dependencies -- the coordination backbone for multi-agent work
Background Tasks
Run slow operations in the background; the agent keeps thinking ahead
Agent Teams
When one agent can't finish, delegate to persistent teammates via async mailboxes
Team Protocols
One request-response pattern drives all team negotiation
Autonomous Agents
Teammates scan the board and claim tasks themselves; no need for the lead to assign each one
Worktree + Task Isolation
Each works in its own directory; tasks manage goals, worktrees manage directories, bound by ID
Camadas Arquiteturais
Cinco aspectos ortogonais que compoem um agente completo
Tools & Execution
2 versoesPlanning & Coordination
4 versoesMemory Management
1 versoesConcurrency
1 versoesCollaboration
4 versoesPerguntas Frequentes
Tudo o que voce precisa saber sobre criar agentes AI
Este site e um guia completo e passo a passo sobre como criar um agente AI do zero. Levamos voce por uma jornada de 12 sessoes, começando com um loop de agente simples e adicionando progressivamente capacidades como uso de ferramentas, planejamento, gerenciamento de memoria, concorrencia e colaboracao multi-agente. Cada sessao inclui codigo funcional, simulacoes interativas e documentacao detalhada.
Voce nao precisa ser um especialista em AI, mas e necessario conhecimento basico de programacao. Se voce se sente confortavel com Python e entende conceitos basicos de programacao (loops, funcoes, classes), podera acompanhar. Explicamos conceitos especificos de AI ao longo do caminho, tornando-o acessivel para engenheiros de software, estudantes e entusiastas de tecnologia que querem entender como agentes AI funcionam.
As 12 sessoes progressivas cobrem:
1. O Loop do Agente - Padrao while-loop core (resposta → execucao de ferramenta)
2. Ferramentas - Dar capacidades ao agente (ler, escrever, executar)
3. TodoWrite - Gerenciamento de tarefas e sistema de lembrete
4. Sub-agentes - Isolamento de contexto para tarefas paralelas
5. Skills - Carregamento sob demanda de capacidades especializadas
6. Compact - Gerenciamento de memoria e compressao de contexto
7. Tarefas - Quadro de tarefas com awareness de dependencias
8. Tarefas em Segundo Plano - Execucao nao bloqueante com notificacoes
9. Times de Agentes - Coordenacao multi-agente via caixas de correio
10. Protocolos de Time - Padroes de colaboracao de time baseados em FSM
11. Agentes Autonomos - Execucao de agente autodirigida
12. Worktree + Isolamento de Tarefas - Isolamento de tarefas pronto para producao
Sim! Cada sessao inclui codigo Python completo e executavel. Voce pode:
- Visualizar codigo fonte diretamente no navegador
- Baixar a implementacao completa
- Ver diferencas entre versoes para entender exatamente o que mudou
- Executar o codigo localmente com suas proprias chaves de API
O codigo e projetado para ser educativo mas tambem pronto para producao, seguindo melhores praticas de sistemas de agentes reais como Claude Code.
Com certeza. Cada sessao apresenta um simulador interativo onde voce pode:
- Assistir o loop do agente executar passo a passo
- Ver como mensagens fluem entre usuario, agente e ferramentas
- Visualizar crescimento e compressao de memoria
- Observar comunicacao multi-agente
- Controlar velocidade de execucao e pausar a qualquer momento
Isso ajuda voce a entender os conceitos antes de mergulhar no codigo.
A maioria dos tutoriais ou permanece muito simples (chamadas de API basicas) ou pula diretamente para frameworks complexos. Nos usamos uma abordagem de revelacao progressiva:
- Construa do zero - Nenhuma abstração oculta, voce ve cada linha
- Complexidade incremental - Cada sessao adiciona um conceito
- Padroes do mundo real - Baseado em como agentes de producao como Claude Code funcionam
- Aprendizado interativo - Simulacoes, visualizacoes e programacao pratica
- Base de codigo completa - Nao snippets, mas implementacoes completas e funcionais
Voce entende o porque de cada decisao arquitetural.
Ao final, voce tera construido um agente de programacao AI pronto para producao, capaz de:
- Planejamento e execucao autonoma de tarefas
- Uso de ferramentas (operacoes de arquivo, execucao de codigo, busca na web)
- Gerenciamento de tarefas de longa duracao com memoria
- Colaboracao multi-agente para projetos complexos
- Execucao de tarefas em segundo plano
- Ambientes de tarefas isolados
Voce entendera a arquitetura bem o suficiente para personaliza-la para seus proprios casos de uso - seja um assistente de programacao, agente de pesquisa ou sistema de fluxo de trabalho automatizado.
Sim! Enquanto o foco e na arquitetura core do agente, cobrimos topicos importantes de producao:
- Seguranca - Execucao sandboxed, sistemas de permissoes
- Escalabilidade - Padroes de concorrencia e gerenciamento de recursos
- Tratamento de erros - Recuperacao de falhas de ferramentas e erros de API
- Monitoramento - Logging, tracing e hooks de observabilidade
- Otimizacao de custos - Compressao de contexto e uso eficiente de tokens
- Isolamento - Separacao de tarefas baseada em worktree para seguranca
As ultimas sessoes abordam especificamente como tornar seu agente robusto e deployavel.
A stack core e intencionalmente minima:
- Python - Linguagem primaria
- Anthropic API - Claude para capacidades de language model
- Biblioteca padrao - Sem frameworks pesados, dependencias claras
A simplicidade garante que voce se concentre em conceitos de agente, nao em especificidades de framework.
Sim, completamente gratuito e open source. O conteudo educativo e o codigo sao fornecidos sob licenca MIT. Voce pode:
- Usar o codigo em projetos pessoais
- Construir produtos comerciais baseados na arquitetura do agente
- Modificar e distribuir suas proprias versoes
- Contribuir melhorias de volta para a comunidade
Acreditamos em educacao aberta e queremos ver o que voce construira!
O tempo varia baseado no seu ritmo e profundidade:
- Visao rapida - 2-3 horas (leitura + assistindo simulacoes)
- Programacao pratica - 1-2 dias (implementar junto com cada sessao)
- Dominio profundo - 1-2 semanas (experimentar, modificar, construir extensoes)
Cada sessao e projetada para ser completada em 30-60 minutos de aprendizado focado. A estrutura progressiva significa que voce pode parar a qualquer momento com um agente funcionando - voce nao precisa de todas as 12 para construir algo util.