De ChatGPT a Agentes de IA: O que Mudou Entre 2022 e 2026

Recentemente, fiz essa palestra em inglês para meus colegas em uma escola de inglês em Baguio, nas Filipinas. A maioria deles havia usado o ChatGPT. Quase nenhum deles havia usado um agente de IA. E a diferença entre essas duas experiências acabou sendo muito mais difícil de explicar do que eu esperava.

O problema é que, se você não entender como as peças se encaixam, um agente de IA parece mágica. E quando uma ferramenta parece mágica, você não consegue se tornar bom em usá-la — você apenas a toca e espera.

Então, esta é a minha tentativa de explicar o que eu gostaria de ter entendido. Ela percorre o que foi inventado, na ordem em que foi inventado, e o que cada camada tornou possível. Troquei um pouco de precisão técnica por intuição. O objetivo é que, ao final, nada do que um agente faz deve surpreendê-lo.

Escrito para: qualquer um que tenha usado o ChatGPT, mas nunca usado um agente de codificação, e qualquer um que tenha ouvido "LLM", "RAG" e "MCP" sem nunca ter uma noção do que realmente são.

A linha do tempo

Aqui está toda a história em uma visão. Cada linha existe porque a linha acima não era suficiente.

Agora vamos camada por camada.

1. O LLM em si

Um modelo de linguagem grande é treinado em uma quantidade enorme de texto, e ele responde prevendo o que vem a seguir, um token de cada vez.

É isso. Esse é todo o truque. Quando o ChatGPT foi lançado em novembro de 2022 e atingiu um milhão de usuários em cinco dias, o que as pessoas estavam reagindo era a um sistema que havia lido a maior parte da internet e podia falar sobre isso. Você pergunta, e ele responde com o que já absorveu durante o treinamento.

Duas consequências seguem imediatamente, e elas explicam a maior parte do que veio a seguir:

Ele não conhece suas coisas. O wiki interno da sua empresa, sua base de código, as notícias de ontem — nada disso estava nos dados de treinamento.

Ele não sabe que não sabe. Como o modelo gera o próximo token mais plausível em vez de procurar algo, ele produzirá uma resposta confiante, fluente e completamente fabricada tão prontamente quanto uma correta. Isso é o que as pessoas querem dizer com alucinação, e não é um bug que foi corrigido — é uma consequência direta de como a coisa funciona. Tudo no resto deste artigo é, de uma forma ou de outra, uma tentativa de compensar isso.

2. A janela de contexto

A janela de contexto é a quantidade de texto que o modelo pode manter em vista de uma vez — seu prompt, o histórico da conversa, quaisquer documentos que você colou e sua própria resposta, tudo contado junto em tokens.

A partir de meados de 2026, o teto se moveu muito:

Um milhão de tokens é aproximadamente algumas milhares de páginas. Isso parece suficiente para parar de se preocupar — mas não é, por duas razões.

Primeiro, uma janela maior custa mais e funciona mais devagar. Cada token na janela é processado em cada turno.

Segundo, e mais importante: um modelo com uma enorme janela de contexto ainda não presta atenção igualmente a tudo nela. Enterre a única linha que importa no meio de 900.000 tokens de ruído e o modelo pode muito bem perdê-la. Mais contexto não é automaticamente melhor contexto.

É por isso que "apenas cole tudo" é uma estratégia perdedora, e é a semente da ideia que encerra este artigo.

3. RAG: dando ao modelo conhecimento que ele nunca aprendeu

Então o modelo não conhece suas coisas. Existem duas maneiras de corrigir isso, e elas são frequentemente confundidas uma com a outra.

Opção A: ajuste fino. Continue treinando o modelo com seus dados para que o conhecimento esteja incorporado em seus pesos. Isso realmente funciona, mas é caro, precisa de um grande conjunto de dados limpos, avaliar se você melhorou ou piorou o modelo é um problema de pesquisa à parte, e no momento em que seus dados mudam, você precisa fazer isso novamente. Para "o modelo deve conhecer nossos documentos internos", quase sempre é a ferramenta errada.

Opção B: RAG (Geração Aumentada por Recuperação). Deixe o modelo em paz. Mantenha seu conhecimento em um armazenamento separado e pesquisável. Quando uma pergunta chega, pesquise o armazenamento primeiro, depois entregue ao modelo tanto a pergunta quanto os resultados da pesquisa, e peça para ele responder usando-os.

Usuário: "Como faço para solicitar licença remunerada?"
   ↓
App: pesquisa na base de conhecimento interna
   ↓
App: envia o LLM → a pergunta + os trechos recuperados
   ↓
LLM: lê os trechos, responde a partir deles

RAG venceu. Não porque é mais elegante, mas porque é operacional — atualize um documento e o conhecimento do sistema se atualiza instantaneamente, sem re-treinamento. E, crucialmente, o modelo agora está respondendo a partir de texto que você realmente colocou na frente dele, em vez de a partir da memória. Essa é a primeira verdadeira redução na alucinação.

A ideia a ser mantida: o modelo ganhou uma memória externa que poderia consultar.

4. Chamada de função → MCP: dando ao modelo mãos

RAG permite que um modelo leia o mundo. Ele ainda não pode tocar nele.

Em junho de 2023, a OpenAI lançou a chamada de função, e a forma dela é mais simples do que a maioria das pessoas espera. Você descreve suas ferramentas para o modelo em texto simples. O modelo não pode executar nada — ele apenas diz qual ferramenta deseja e com quais argumentos. Seu código a executa. Então você devolve o resultado.

Usuário: "Qual é o clima em Tóquio?"    (+ uma descrição da ferramenta get_weather)
   ↓
LLM: "Eu gostaria de chamar get_weather(cidade='Tóquio')"
   ↓
App: realmente chama a API do clima      ← seu código, não o modelo
   ↓
App: envia o resultado de volta para o LLM
   ↓
LLM: "Está ensolarado em Tóquio, máxima de 15°C."

Essa lacuna — o modelo pergunta, seu código age — é a coisa mais importante a internalizar sobre agentes. Um agente não tem mãos próprias. Tudo o que ele faz, ele faz pedindo ao seu programa para fazê-lo. O que significa que todas as barreiras que você deseja, você constrói lá.

Então veio o problema da integração. Cada ferramenta precisava de uma cola personalizada para cada produto de IA. N ferramentas vezes M aplicativos.

Em novembro de 2024, a Anthropic lançou MCP (Protocolo de Contexto do Modelo) e o tornou de código aberto: uma maneira padrão para uma aplicação de IA se conectar a uma ferramenta ou fonte de dados. Construa um servidor MCP para seu serviço uma vez, e qualquer cliente que fale MCP pode usá-lo. As pessoas o chamaram de "USB-C para IA", o que é uma boa o suficiente.