Visão Geral

Este curso aborda os pilares essenciais para construção de agentes inteligentes avançados: memória, planejamento e uso de ferramentas. O foco está em projetar agentes capazes de manter contexto ao longo do tempo, planejar ações de forma estruturada e interagir com sistemas externos para executar tarefas complexas de maneira autônoma e controlada.

Objetivo

Após realizar este curso, você será capaz de:

• Compreender o papel da memória em agentes inteligentes
• Projetar mecanismos de planejamento para agentes
• Integrar agentes com ferramentas e APIs externas
• Construir ciclos completos de percepção, decisão e ação
• Controlar autonomia, limites e confiabilidade dos agentes
• Avaliar boas práticas e riscos em agentes avançados

Publico Alvo

• Desenvolvedores de IA e automação
• Engenheiros de software
• Profissionais que trabalham com LLMs
• Arquitetos de sistemas inteligentes
• Interessados em agentes autônomos avançados

Pre-Requisitos

• Programação básica (preferencialmente Python)
• Fundamentos de LLMs
• Noções de agentes autônomos
• Familiaridade com APIs e automação

Conteúdo Programatico

Module 1 – Foundations of Intelligent Agents

1. Agent lifecycle and autonomy
2. From reactive to deliberative agents
3. Core components of advanced agents
4. Practical agent design principles

Module 2 – Memory Systems for Agents

1. Short-term vs long-term memory
2. Context windows and persistence
3. Vector databases and embeddings
4. Memory retrieval strategies

Module 3 – Knowledge and State Management

1. Agent state representation
2. Knowledge grounding
3. Memory consistency and updates
4. Avoiding context drift

Module 4 – Planning and Reasoning Mechanisms

1. Planning concepts for agents
2. Task decomposition
3. Goal-oriented planning
4. Reactive vs planned execution

Module 5 – Autonomous Planning Patterns

1. ReAct and planning loops
2. Tree-of-thought and variants
3. Decision checkpoints
4. Failure recovery strategies

Module 6 – Tool Use and Action Execution

1. Tool calling fundamentals
2. API and system integration
3. Function execution patterns
4. Validation and error handling

Module 7 – Combining Memory, Planning and Tools

1. End-to-end agent workflows
2. Context-aware planning
3. Tool selection strategies
4. Multi-step task execution

Module 8 – Control, Safety and Best Practices

1. Guardrails and constraints
2. Limiting autonomy and scope
3. Observability and logging
4. Responsible deployment of advanced agents