46h

Para conclusão

5
Cursos

Criando agentes de IA

A construção de agentes inteligentes está ganhando espaço no mercado de tecnologia. Organizações de diferentes setores estão adotando soluções que combinam modelos de linguagem, recuperação de informação, fluxos de decisão e arquiteturas capazes de operar em cenários reais.

Nesta trilha, você aprenderá a desenvolver agentes que utilizam raciocínio interno, técnicas de RAG para acesso a contexto relevante e mecanismos de controle para organizar sequências de ações. Ao longo da trilha, você evolui desde os fundamentos de recuperação aumentada até a criação de sistemas multiagente, explorando ferramentas como LangChain, LangGraph, bancos vetoriais e integrações com modelos generativos.

Além da construção dos agentes, você também irá aprofundar seus conhecimentos em protocolos e arquitetura, entendendo como agentes se comunicam com ferramentas, outros agentes e interfaces de usuário por meio de padrões como MCP, A2A e AG-UI. Também será apresentado o uso do Backend for Agents (BFA) para estruturar sistemas mais organizados, escaláveis e reutilizáveis.

Ao final, você será capaz de projetar e implementar soluções completas de Agentic AI, combinando recuperação de informação, tomada de decisão, orquestração de múltiplos agentes e boas práticas de arquitetura para aplicações em produção.

Por que estudar esta formação?

  • Guia de aprendizado

    Conteúdos pensados para facilitar seu estudo

  • Do básico ao avançado

    Formação completa para o mercado

  • Você dentro do mercado

    Do zero ao sonhado emprego em sua área de interesse

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Com quem você vai aprender?

  • Carlos Eduardo Pereira

  • Carlos Eduardo Pereira

  • Alan Braz

    Gerente de Engenharia na IBM Research, liderando equipes multidisciplinares na transformação de projetos de pesquisa em soluções concretas. Atuo na interface entre pesquisa e produto, impulsionando iniciativas open-source e contribuindo para o desenvolvimento de ofertas estratégicas como o IBM watsonx.ai. Sou Mestre em Ciência da Computação pela Unicamp, sólida trajetória como professor e mentor técnico, compartilhando conhecimento em ambientes acadêmicos e corporativos. Host do podcast PullreCast.

  • Alan Braz

    Gerente de Engenharia na IBM Research, liderando equipes multidisciplinares na transformação de projetos de pesquisa em soluções concretas. Atuo na interface entre pesquisa e produto, impulsionando iniciativas open-source e contribuindo para o desenvolvimento de ofertas estratégicas como o IBM watsonx.ai. Sou Mestre em Ciência da Computação pela Unicamp, sólida trajetória como professor e mentor técnico, compartilhando conhecimento em ambientes acadêmicos e corporativos. Host do podcast PullreCast.

  • Lucas Mendes

    Profissional de IA, empreendedor e professor, com ampla experiência em Ciência de Dados, Machine Learning e Agentes Inteligentes.Como CTO e líder técnico, desenvolvo sistemas que transformam dados em valor, automatizam processos e aumentam a eficiência operacional. Atuo na criação de modelos preditivos e na construção de automações avançadas em N8N e Python, entregando inovação prática para impulsionar o crescimento das empresas.Apaixonado por ensinar, preparo talentos em IA e automação.

  • Lucas Mendes

    Profissional de IA, empreendedor e professor, com ampla experiência em Ciência de Dados, Machine Learning e Agentes Inteligentes.Como CTO e líder técnico, desenvolvo sistemas que transformam dados em valor, automatizam processos e aumentam a eficiência operacional. Atuo na criação de modelos preditivos e na construção de automações avançadas em N8N e Python, entregando inovação prática para impulsionar o crescimento das empresas.Apaixonado por ensinar, preparo talentos em IA e automação.

  • Michael Douglas Barbosa Araujo

    Especialista em arquitetura de IA, com atuação em engenharia de software e inteligência artificial, dedicado à construção de arquiteturas modernas e soluções baseadas em agentes. Ao longo de sua trajetória, liderou projetos de alto impacto, incluindo a criação do primeiro agente conversacional para assessoria de investimentos. É criador do design pattern BFA, um padrão amplamente adotado no mercado para o desenvolvimento de agentes inteligentes.

  • Michael Douglas Barbosa Araujo

    Especialista em arquitetura de IA, com atuação em engenharia de software e inteligência artificial, dedicado à construção de arquiteturas modernas e soluções baseadas em agentes. Ao longo de sua trajetória, liderou projetos de alto impacto, incluindo a criação do primeiro agente conversacional para assessoria de investimentos. É criador do design pattern BFA, um padrão amplamente adotado no mercado para o desenvolvimento de agentes inteligentes.

Passo a passo

  1. 1 Fundamentos de RAG com LangChain

    Neste primeiro passo você aprende as bases necessárias para criar agentes inteligentes capazes de utilizar contexto relevante em suas respostas. É aqui que construímos o alicerce da formação, entendendo como funcionam técnicas de recuperação de informações, como criar embeddings, como realizar o pré-processamento dos dados e como integrar modelos generativos com LangChain.

    Você irá aprender a criar um chatbot com RAG, configurar pipelines de ETL e desenvolver estratégias para reduzir alucinações usando informações confiáveis. Também verá na prática como conectar LangChain ao Google Generative AI. Depois deste passo você estará pronto para construir sistemas de resposta contextualizados e bem estruturados.

    • Curso Arquiteturas RAG com LLMs: embeddings, busca semântica e criação de agentes com LangChain

      08h
      • Explore os fundamentos dos Large Language Models e compreender o papel da arquitetura Transformer em sistemas generativos.
      • Analise o problema de alucinações em LLMs e avaliar estratégias para integração de conhecimento externo.
      • Compare abordagens de personalização de LLMs, como fine tuning e Retrieval Augmented Generation.
      • Transforme textos e documentos em embeddings para viabilizar buscas baseadas em similaridade semântica.
      • Aplique métricas de similaridade, como a similaridade de cosseno, para recuperação de informações por significado.
      • Processe documentos extensos utilizando técnicas de chunking, overlapping e uso de metadados.
      • Implemente pipelines de RAG para recuperação e geração de respostas a partir de documentos estruturados e não estruturados.
      • Utilize vector stores como FAISS e ChromaDB para armazenamento e indexação eficiente de embeddings.
      • Construa agentes conversacionais baseados em RAG com o uso do LangChain.
      • Integre técnicas de re rank para melhorar a relevância das respostas recuperadas.

  2. 2 Técnicas Avançadas de RAG com LangChain

    Depois de dominar os fundamentos, você avança para técnicas mais robustas que permitem elevar a qualidade dos seus sistemas de recuperação. Neste passo você aprenderá a configurar ambientes isolados, criar embeddings mais eficientes, armazenar e consultar dados em bancos vetoriais e aprimorar a maneira como as consultas são formuladas.

    Você também vai explorar ajustes avançados de prompts, métodos para melhorar consultas complexas e ferramentas de monitoramento como LangSmith e QA Eval. Essa etapa aprofunda seus conhecimentos em fluxos de recuperação aumentada e prepara o terreno para a construção de agentes mais sofisticados.

    • Curso LangChain: Técnicas Avançadas de RAG

      10h
      • Compreenda os fundamentos e a aplicação de pipelines de recuperação aumentada.
      • Configure ambientes de desenvolvimento isolados com virtualenv e Jupyter Notebook.
      • Explore a integração com modelos de linguagem utilizando Langchain e técnicas de chunking.
      • Implemente estratégias para criar embeddings de texto e armazenar dados em bancos vetoriais.
      • Ajuste prompts e reestruture consultas com métodos avançados de recuperação.
      • Monitore e avalie o desempenho das pipelines com ferramentas como LangSmith e QA-Eval.

  3. 3 Criação de Agentes e Multiagentes com LangGraph

    Neste passo da trilha, o foco está em evoluir a construção de agentes para cenários mais dinâmicos, onde decisões, execução de ações externas e coordenação de fluxos passam a fazer parte do sistema. Você irá explorar o ciclo de pensamento e ação, definir estruturas com nós e caminhos condicionais e trabalhar com gerenciamento de estado utilizando SQLite.

    Além disso, serão abordadas aplicações práticas conectadas ao dia a dia, como scraping, análises e automações com ferramentas como Selenium e BeautifulSoup. Ao concluir este passo, você terá base para integrar LangChain e LangGraph na criação de sistemas de agentes e multiagentes mais estruturados, ampliando as possibilidades de aplicação em contextos reais.

    • Curso LangGraph: Orquestrando agentes e multiagentes

      10h
      • Desenvolva agentes inteligentes que integrem pensamento e ação.
      • Automatize interações em sistemas de chat e processos de coleta de dados.
      • Implemente estratégias de ciclo de pensamento e ação utilizando fluxos de controle.
      • Crie grafos de decisão com nós e arestas condicionais para orientar escolhas.
      • Configure o armazenamento seguro de API Keys e o gerenciamento de estados com SQLite.
      • Integre técnicas de web scraping com Selenium e BeautifulSoup para análise de dados.

  4. 4 Protocolos e Arquitetura para Sistemas de Agentes

    Neste passo, você irá aprofundar seus conhecimentos na construção de sistemas de agentes mais robustos, explorando os principais protocolos e padrões arquiteturais utilizados em aplicações modernas. Você aprenderá como agentes se comunicam entre si, com ferramentas e com interfaces de usuário, utilizando protocolos como MCP, A2A e AG-UI.

    Além disso, será apresentado o padrão Backend for Agents (BFA), que permite organizar a lógica de negócio, desacoplar integrações e estruturar sistemas escaláveis e reutilizáveis. Ao longo deste passo, você também irá implementar arquiteturas multiagente, construir serviços com FastAPI, integrar ferramentas externas e desenvolver interfaces interativas em tempo real.

    Ao final, você será capaz de projetar e implementar sistemas completos de agentes, combinando LangChain e LangGraph com boas práticas de arquitetura, comunicação e orquestração para cenários reais.

    • Curso Protocolos e arquitetura para construção de agentes: MCP, A2A, AG-UI e Backend for Agents (BFA)

      12h
      • Projete arquiteturas de agentes de IA utilizando protocolos como MCP, A2A e AG-UI para comunicação e integração entre sistemas.
      • Implemente uma camada Backend for Agents (BFA) para desacoplar lógica de negócio, promover reuso e organizar fluxos complexos.
      • Construa sistemas multiagente com orquestração, roteamento de intenções e integração entre diferentes agentes especializados.
      • Desenvolva serviços backend com FastAPI e FastMCP, utilizando padrões como JSON-RPC e APIs HTTP para comunicação distribuída.
      • Crie interfaces interativas com React e Streamlit, explorando comunicação em tempo real baseada em eventos com AG-UI.
      • Integre agentes a ferramentas externas, bases de dados e APIs utilizando abordagens modernas como RAG e catálogos de agentes.
      • Gerencie e escale aplicações com Docker Compose, garantindo isolamento, observabilidade e deploy eficiente de múltiplos serviços.

  5. 5 Projeto prático: Criando agentes com LangChain e LangGraph

    Neste passo final você irá aplicar de forma integrada tudo o que aprendeu ao longo da formação para desenvolver um projeto completo de Agentic AI. O objetivo é construir um sistema funcional que combina recuperação aumentada de informação, fluxos de decisão e a orquestração de agentes utilizando LangChain e LangGraph.

    • Curso Projeto de Agentes Inteligentes: desenvolvimento com LangChain, LangGraph e LangSmith

      06h
      • Estruture um projeto de agente de IA em Python integrando modelos de linguagem.
      • Construa pipelines com LangChain para automatizar interações com LLMs.
      • Implemente recuperação de conhecimento (RAG) e utilize como ferramenta do agente.
      • Crie agentes capazes de decidir quando usar ferramentas externas com LangGraph.
      • Adicione memória e estado persistente para manter contexto de conversas.
      • Ajuste prompts e controle o comportamento do agente.
      • Monitore execuções, rastreie chamadas e analise custos com LangSmith.

Escola

Inteligência Artificial

Além dessa, a categoria Inteligência Artificial conta com cursos de IA para Programação, IA para Dados,e mais...

Conheça a Escola

Comece a estudar agora na maior escola de tecnologia do país

Cartão de crédito PayPal Nubank Pix
Pague com cartão de crédito ou PayPal em até 12x, NuPay em até 24x ou à vista no Pix, com 5% de desconto extra
Garantimos cancelamento gratuito em até 7 dias
Conheça os Planos para Empresas

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Graduação | Pós-graduação | MBA