Vários agentes de IA trabalhando juntos: divida as etapas, combine as entregas, registre tudo num lugar só e aprove no fim
Vale ter vários agentes de IA trabalhando juntos quando uma tarefa tem etapas diferentes e bem separadas, como pesquisar, escrever e revisar um conteúdo. Para não virar bagunça, cada agente cuida de uma etapa só, entrega o trabalho num formato combinado e tudo fica anotado num registro único, com a sua aprovação no fim. Se a tarefa é simples, um agente basta e sai mais barato.
No post sobre como medir o retorno de um agente de IA, vimos que o custo por tarefa soma tokens, ferramenta e tempo de revisão. Com vários agentes, essa conta soma o custo de cada um. Por isso, meça o retorno do primeiro agente antes de chamar o segundo.
O que são vários agentes de IA trabalhando juntos?
São agentes com papéis separados que passam o trabalho de um para o outro, como numa linha de montagem. Pense na produção de um post para o blog: um agente pesquisa notícias e dados, outro escreve o rascunho a partir dessa pesquisa, um terceiro revisa tom, fatos e links, e um coordenador distribui as etapas e junta o resultado.
O mesmo vale para responder contatos: um agente lê a mensagem e separa o assunto, outro busca a resposta nas suas informações de produto e um terceiro confere o texto antes de mandar para você aprovar.
A ideia ganhou espaço. Em 20/10/2025, o Gartner colocou os sistemas multiagente entre as principais tendências de tecnologia para 2026, descrevendo-os como conjuntos de agentes que interagem para cumprir objetivos complexos. Em 26/08/2025, a consultoria já previa que, até 2027, um terço das implementações de IA agêntica vai combinar agentes com habilidades diferentes.
Quando vale a pena ter vários agentes?
Quando a tarefa pode ser dividida em partes que andam ao mesmo tempo ou que pedem conhecimentos diferentes. Se a tarefa é curta e linear, como responder uma dúvida frequente, um agente só resolve.
A Anthropic, empresa que desenvolve modelos de IA, contou em 13/06/2025 como montou um sistema de pesquisa com vários agentes: um agente líder dividia a pergunta e vários subagentes buscavam partes diferentes em paralelo. Na avaliação interna, esse arranjo teve desempenho 90,2% superior ao de um agente sozinho. O preço apareceu na conta: agentes usam cerca de 4 vezes mais tokens que uma conversa comum, e o sistema com vários agentes usava cerca de 15 vezes mais. A própria empresa conclui que isso só compensa em tarefas valiosas o bastante.
| Critério | Um agente | Vários agentes |
|---|---|---|
| Custo | Menor: um só consumo de tokens | Maior: cerca de 15 vezes os tokens de uma conversa, no caso relatado pela Anthropic |
| Controle | Simples: uma instrução e um registro | Exige papéis definidos, entregas combinadas e um registro único |
| Velocidade | Faz uma etapa por vez | Etapas em paralelo podem terminar antes |
| Risco de erro | O erro fica em um lugar só | O erro de um passa para o próximo se ninguém conferir |
| Quando usar | Tarefas curtas e repetitivas | Tarefas longas, com etapas distintas e valor alto |
Por que vários agentes podem virar bagunça?
Porque cada passagem de trabalho é uma chance de perder informação ou repetir esforço. Pesquisadores da UC Berkeley publicaram em março de 2025 o estudo "Why Do Multi-Agent LLM Systems Fail?" e, na versão atualizada, analisaram mais de 1.600 execuções de sete sistemas abertos com vários agentes. As taxas de falha ficaram entre 41% e 86,7%. Os 14 tipos de falha encontrados se dividem em três grupos: desenho do sistema, desalinhamento entre os agentes e verificação fraca ou ausente.
O mesmo estudo mostra que organização ajuda. Em um dos sistemas testados, deixar claro o papel de cada agente aumentou em 9,4% a taxa de tarefas concluídas, e acrescentar uma etapa de verificação do objetivo final rendeu 15,6% a mais.
A Anthropic relatou problemas parecidos nas primeiras versões do seu sistema: agentes criando 50 subagentes para perguntas simples e, com instruções vagas, repetindo as mesmas buscas uns dos outros.
Como coordenar vários agentes sem bagunça?
Com as mesmas regras que você usaria para organizar qualquer trabalho em etapas: um responsável por etapa, entregas claras e conferência no fim. Na prática:
- Um responsável por etapa: cada agente tem uma tarefa só, com objetivo, limites e formato de saída escritos.
- Entrega combinada: o agente que pesquisa entrega uma lista de fontes com link, e o que escreve só começa com essa lista em mãos.
- Registro único: todos anotam data, ação e resultado no mesmo lugar, o registro de ações do post sobre o que o agente de IA pode fazer sozinho.
- Aprovação humana no fim: nada sai para cliente, anúncio ou preço sem o seu ok.
- Limite de gasto por agente: um teto de tokens por dia para cada um evita surpresa na fatura.
Atenção: o erro de um agente passa para o próximo se ninguém conferir. Se o agente de pesquisa traz um dado errado, o que escreve usa esse dado com toda a confiança, e o revisor pode não perceber. Por isso, a conferência de fatos e links precisa ser uma etapa própria, não um detalhe.
Como começar com vários agentes?
Com dois agentes, não cinco. Este é o checklist que a Oficina Martech usa:
- Meça o primeiro agente: só some outro quando o primeiro já se paga.
- Desenhe a rotina em etapas: escreva quem faz o quê, do pedido à entrega.
- Separe só o que é diferente: pesquisar e revisar costumam virar agentes próprios; etapas parecidas ficam juntas.
- Defina o formato de cada entrega: lista, rascunho ou tabela, sempre no mesmo modelo.
- Ligue o registro único e os limites de gasto: um teto por agente e um total por mês.
- Mantenha a sua aprovação no fim: e confira por amostragem as etapas do meio.
- Compare depois de 30 dias: custo por tarefa e erros contra o período com um agente só.
Conclusão
Vários agentes de IA trabalhando juntos rendem quando a tarefa tem etapas diferentes e valor suficiente para pagar a conta maior. Com papéis claros, entregas combinadas, um registro só e a sua aprovação no fim, a divisão vira ganho e não bagunça. Se quer ajuda para desenhar essa divisão na sua rotina, peça um diagnóstico com um especialista da Oficina Martech.
Perguntas frequentes
Quantos agentes de IA eu preciso para começar?
Um. Comece com um agente, meça o retorno por 30 dias e só então separe uma segunda etapa, como a revisão. Dois agentes bem coordenados rendem mais do que cinco sem papéis claros.
Vários agentes custam mais do que um?
Na maioria dos casos, sim. Cada agente consome os próprios tokens, e a Anthropic relatou que o seu sistema com vários agentes gastava cerca de 15 vezes mais tokens que uma conversa comum. Por isso, use vários agentes só em tarefas que valham esse custo.
Um agente pode revisar o trabalho do outro?
Pode, e costuma ajudar, mas não substitui a sua aprovação. O estudo da UC Berkeley mostrou que muitos agentes verificadores fazem só checagens superficiais. Deixe o agente revisor apontar problemas e reserve a decisão final para você.
O que fazer quando um agente erra no meio da cadeia?
Volte ao registro único para achar em qual etapa o erro entrou. Corrija a instrução ou a entrega daquela etapa e rode de novo só a partir dali. Se o mesmo erro se repetir, junte as duas etapas num agente só.
Pulga atrás da orelha
Com vários agentes trabalhando, onde ficam guardadas as instruções, o tom de voz da marca e o que cada um aprende no caminho? Se cada agente tiver a sua própria cópia, um dia eles vão discordar. O próximo post fala da memória e da base de conhecimento dos agentes de IA.
