De Um Agente para Três: Dividindo um ChatClient Genérico em Agentes de IA Especializados
Por que dar a um assistente de IA uma única função — em vez de várias funções — o torna dramaticamente melhor em todas elas.
Um modelo. Cada pergunta. O que poderia dar errado?
Quando você começa a construir um assistente de IA, o movimento natural é simples: criar um ChatClient, escrever um prompt de sistema que abranja tudo o que seu aplicativo faz, anexar todas as suas ferramentas MCP e deixar que ele lide com o que o usuário lhe enviar.
Funciona. No começo. Mas à medida que o produto cresce, fissuras aparecem.
Três coisas dão errado à medida que o sistema cresce.
O modelo desperdiça tokens de atenção processando ferramentas que nunca chamará para a pergunta atual.
O prompt do sistema se expande para cobrir todos os domínios — políticas de FAQ, filtros de busca de propriedades, regras de reserva — e começa a se contradizer.
E talvez o problema mais sorrateiro: um cliente que acabou de pesquisar apartamentos de três quartos em Lisboa de repente pergunta sobre o cancelamento de uma reserva, e a memória de curto prazo do modelo ainda está cheia de dados sobre propriedades.
O problema central: O contexto compartilhado significa foco reduzido. O modelo divide sua atenção igualmente entre tudo o que lhe foi dito, seja relevante ou não.
Pense como uma empresa, não como um monólito
Imagine que você liga para uma agência imobiliária e um único recepcionista atende todas as chamadas, lida com todos os tópicos e anota tudo no mesmo caderno. Eles estão ocupados, muitas vezes confusos sobre o que disseram a qual chamador, e ocasionalmente dão respostas de FAQ quando você perguntou sobre uma propriedade.
Agora imagine que a agência tem três mesas dedicadas, cada uma com seu próprio especialista, seu próprio arquivo e seu próprio calendário.
Quando você liga, um recepcionista ouve seu pedido e redireciona você para a mesa certa. Você recebe uma resposta mais rápida e precisa porque o especialista que você alcançou não precisa filtrar mentalmente as informações irrelevantes.
Esta é exatamente a arquitetura que estamos construindo. Cada agente de IA é um especialista com um escopo limitado. O roteador é nosso ChatService.
O que realmente muda — Antes vs Depois
Construído com Spring AI · OpenAI · MCP · PGVector · Design Orientado a Domínio
Para empresas brasileiras, a especialização de agentes de IA pode otimizar o atendimento ao cliente, resultando em respostas mais rápidas e precisas. Isso pode aumentar a satisfação do cliente e melhorar a eficiência operacional. A implementação de uma arquitetura de agentes especializados pode ser um diferencial competitivo no mercado.
