Encadeamento Profundo de Agentes
Nesta página
Cadeias de Agentes Ilimitadas
A API Mistral Agents não impõe limite de profundidade ao encadeamento de agentes. Um agente pode transferir a tarefa para um segundo, que por sua vez a transfere para um terceiro, e assim sucessivamente. Esta liberdade permite fluxos de trabalho complexos e modulares, mas coloca também a responsabilidade da topologia nas suas mãos: é você quem decide quem pode chamar quem. Este mapa determina o comportamento do sistema tanto quanto as instruções de cada agente individual.
Três Topologias e as Suas Implicações
A cadeia linear é o padrão mais simples: cada agente passa a tarefa ao seguinte sem ramificações.
Agente A → Agente B → Agente C → Resposta
Isto adequa-se a processos onde a ordem é conhecida antecipadamente e nunca muda. Um exemplo típico é pesquisa, depois análise, depois redação: não se escreve antes de analisar, e não se analisa antes de pesquisar.
# Agente de pesquisa
research = client.beta.agents.create(
model="mistral-large-latest",
name="research",
description="Search for factual information.",
tools=[{"type": "web_search"}]
)
# Agente de análise
analyst = client.beta.agents.create(
model="mistral-large-latest",
name="analyst",
description="Analyze data and extract insights.",
tools=[{"type": "code_interpreter"}]
)
# Agente de redação
writer = client.beta.agents.create(
model="mistral-large-latest",
name="writer",
description="Draft professional reports.",
instructions="Write a structured report based on the analyzed data."
)
# Cadeia: pesquisa → análise → redação
research = client.beta.agents.update(
agent_id=research.id,
handoffs=[analyst.id]
)
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id]
)
Cada agente conhece apenas o seu sucessor imediato: o research não sabe sequer que o writer existe. A cadeia existe apenas nas chamadas update, em mais lado nenhum.
A cadeia em estrela responde à necessidade oposta: um router central distribui tarefas para especialistas que não comunicam entre si.
┌→ Agente de Pesquisa Web
Router ──┼→ Agente de Calculadora
└→ Agente de Redação
router = client.beta.agents.create(
model="mistral-large-latest",
name="router",
description="Orchestrate requests.",
handoffs=[research.id, analyst.id, writer.id]
)
Aqui, a ordem não é predeterminada; é o próprio pedido que decide o destino. Esta forma adequa-se a assistentes versáteis onde cada pedido se enquadra numa competência específica.
A topologia híbrida combina ambas: o router distribui, e os especialistas também podem transferir tarefas entre si.
┌→ Agente de Pesquisa ──→ Agente de Análise
Router ──┤ │
└→ Agente de Redação ←───────────┘
# A pesquisa pode transferir para a Análise
research = client.beta.agents.update(
agent_id=research.id,
handoffs=[analyst.id]
)
# A Análise pode transferir para a Redação
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id]
)
# O Router pode aceder a todos
router = client.beta.agents.update(
agent_id=router.id,
handoffs=[research.id, analyst.id, writer.id]
)
Esta é a forma mais poderosa, mas também a mais difícil de depurar. O mesmo pedido pode seguir caminhos diferentes de uma execução para a outra, tornando o registo (logging) das transferências essencial assim que sai do ambiente de testes (sandbox).
Dois Pipelines de Produção
O processamento de dados ilustra a cadeia linear no seu caso de uso mais natural: recolher, limpar, visualizar. Os dois últimos passos utilizam a mesma ferramenta, mas separá-los mantém cada conjunto de instruções limpo — limpar e representar são tarefas distintas.
# Passo 1: Recolha
collector = client.beta.agents.create(
model="mistral-large-latest",
name="data-collector",
description="Collect data from the internet.",
tools=[{"type": "web_search"}]
)
# Passo 2: Limpeza e transformação
transformer = client.beta.agents.create(
model="mistral-large-latest",
name="data-transformer",
description="Clean and transform raw data.",
tools=[{"type": "code_interpreter"}]
)
# Passo 3: Análise e visualização
visualizer = client.beta.agents.create(
model="mistral-large-latest",
name="data-visualizer",
description="Create visualizations and charts.",
tools=[{"type": "code_interpreter"}]
)
# Cadeia
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[transformer.id])
transformer = client.beta.agents.update(agent_id=transformer.id, handoffs=[visualizer.id])
Um assistente de investigação académica segue a mesma estrutura, mas com um tipo diferente de ligação intermédia. O sintetizador não tem ferramentas: o seu valor reside inteiramente nas suas instruções, que lhe pedem para confrontar fontes — pontos comuns, divergências, lacunas — em vez de apenas as empilhar.
# Pesquisador
searcher = client.beta.agents.create(
model="mistral-large-latest",
name="academic-searcher",
description="Search for academic articles and publications.",
tools=[{"type": "web_search"}]
)
# Sintetizador
synthesizer = client.beta.agents.create(
model="mistral-large-latest",
name="synthesizer",
description="Synthesize and compare multiple sources.",
instructions="Identify common points, divergences, and gaps."
)
# Redator académico
academic_writer = client.beta.agents.create(
model="mistral-large-latest",
name="academic-writer",
description="Structured academic writing with citations.",
instructions="Write in academic format with introduction, methodology, results, discussion."
)
# Pipeline: pesquisador → sintetizador → redator
searcher = client.beta.agents.update(agent_id=searcher.id, handoffs=[synthesizer.id])
synthesizer = client.beta.agents.update(agent_id=synthesizer.id, handoffs=[academic_writer.id])
Manter a Profundidade Razoável
A ausência de um limite técnico não é um convite ao exagero. Na prática, encadear dois a quatro agentes cobre a vasta maioria das necessidades. Além de cinco, tanto a latência como os custos aumentam drasticamente. A razão é mecânica: cada agente adiciona os seus próprios tokens de contexto, incluindo instruções, sobre um histórico de conversação que só tem crescido desde a primeira transferência. Um quinto agente não trabalha sobre o pedido inicial, mas sobre tudo o que os quatro anteriores produziram.
Antes de alongar uma cadeia, pergunte a si mesmo se o passo extra merece um agente dedicado ou se cabe nas instruções de um agente existente. Uma diretiva de formatação, por exemplo, quase nunca justifica um elo extra.
Note também que um agente não está restrito a um único alvo. Pode declarar múltiplos alvos e escolher com base no contexto.
analyst = client.beta.agents.update(
agent_id=analyst.id,
handoffs=[writer.id, visualizer.id, calculator.id]
)
Este analista encaminhará para o redator se o resultado estiver pronto para ser comunicado, para o visualizador se os dados exigirem um gráfico, ou para a calculadora se faltar algum número. A escolha depende, como sempre, das descrições dos três alvos — a única informação disponível para tomar a decisão.
Pontos-chave
- Sem limite de profundidade para o encadeamento de agentes
- Três padrões: linear (A→B→C), estrela (router→especialistas), híbrido (grafo)
- Cada agente pode ter múltiplos alvos de transferência
- Em produção, limite as cadeias a 2–4 agentes para controlar a latência e os custos
- As descrições dos agentes são cruciais para um encaminhamento eficaz