Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Agentes vs. Chatbots: Quando Precisa de um Agente?

Aula 2 de 18 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Um Chatbot Nem Sempre é Suficiente
  2. Chat Completions — O Modelo Clássico
  3. API Agents — O Modelo Autónomo
  4. Quando Mudar para Agentes?
  5. O Espectro de Complexidade
  6. Exemplo Comparativo
  7. Custo e Latência
  8. Pontos-chave

Um Chatbot Nem Sempre é Suficiente

Provavelmente já utilizou a API Mistral Chat Completions para criar assistentes conversacionais. Para muitos casos de uso, isso é mais do que suficiente. A tentação de migrar tudo para agentes apenas porque a tecnologia é mais recente pode sair cara, tanto em termos de latência como de tokens. No entanto, algumas tarefas exigem mais do que uma simples resposta de texto. Esta lição fornece-lhe os critérios de decisão: como reconhecer situações em que uma chamada a chat.complete() resolve o problema e aquelas que justificam verdadeiramente a transição para a API Agents.

Chat Completions — O Modelo Clássico

Com chat.complete(), envia uma lista de mensagens e recebe uma resposta. O mecanismo é stateless (sem estado): o modelo não tem memória entre chamadas e deve reconstruir o histórico para cada pedido.

from mistralai.client import Mistral

client = Mistral(api_key="your-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "What is the capital of France?"}
    ]
)
print(response.choices[0].message.content)

Este padrão continua a ser a escolha certa para perguntas e respostas simples, geração de texto geral (resumos, traduções, redação), classificação, extração de informação e chamadas de função pontuais. Estas tarefas partilham uma característica comum: são transformações de texto-para-texto resolvidas numa única passagem de raciocínio, sem que o modelo precise de buscar nada ao exterior.

API Agents — O Modelo Autónomo

Com a API Agents, cria um agente persistente equipado com instruções, ferramentas e comportamento definidos de uma vez por todas. O agente mantém o seu estado ao longo das conversas e pode agir autonomamente.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Research Assistant",
    instructions="You are a research assistant. Use web search to answer with sources.",
    tools=[{"type": "web_search"}]
)

Quando Mudar para Agentes?

Qualquer um dos seguintes sinais justifica a mudança. O mais frequente é a necessidade de ferramentas: assim que o seu assistente tiver de pesquisar na web, executar código ou consultar um corpus documental, o Chat Completions obriga-o a gerir a execução manualmente. Em seguida vem a persistência de estado: se quiser que o modelo se lembre de trocas anteriores sem que tenha de reenviar todo o tópico em cada pedido, o agente trata disso nativamente. O número de passos também importa: uma resposta que exija uma cadeia de raciocínio com ações intermédias implica um ciclo, e a API Agents implementa exatamente esse ciclo. Múltiplas especialidades empurram na mesma direção: um agente financeiro que delega num agente de pesquisa web e depois num agente de cálculo enquadra-se na orquestração multi-agente. Por fim, considere o ambiente de execução: com agentes, as ferramentas correm na nuvem da Mistral, não na sua infraestrutura.

Pelo contrário, mantenha-se num chatbot clássico se a tarefa for uma simples transformação de texto-para-texto, se já gerir o histórico no lado do cliente ao seu gosto, se não forem necessárias ferramentas integradas e se uma única passagem de raciocínio for suficiente para produzir a resposta esperada.

O Espectro de Complexidade

Ajuda ver estas escolhas como um contínuo e não como uma alternativa binária. No primeiro nível, chat simples: uma pergunta, uma resposta, via Chat Completions. No segundo, chat equipado com ferramentas: a pergunta desencadeia uma chamada de função antes da resposta, utilizando ainda o Chat Completions e a chamada de funções. No terceiro, o agente único: o pedido leva ao planeamento, depois a múltiplas ações e finalmente a uma resposta — este é o domínio da API Agents. No quarto, multi-agentes: um agente router distribui o pedido a agentes especializados cujos resultados são depois sintetizados, o que requer a API Agents e transferências de contexto (handoffs).

A regra derivada deste espectro é simples: utilize o nível mais simples que satisfaça a sua necessidade. Não implemente um sistema multi-agente para responder a FAQs.

Exemplo Comparativo

A diferença fica mais clara com um exemplo concreto. Com o Chat Completions, gere tudo manualmente e o modelo permanece confinado ao seu conhecimento de treino.

# You manage everything manually
messages = [{"role": "user", "content": "What is the weather in Paris?"}]
response = client.chat.complete(model="mistral-large-latest", messages=messages)
# The model CANNOT search the web—it hallucinates or says it doesn't know

Com um agente equipado com pesquisa web, a mesma pergunta desencadeia uma pesquisa real e uma resposta com fontes, sem que escreva uma única linha de código de orquestração.

# The agent has access to web search
agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Weather Agent",
    instructions="Answer weather questions using web search.",
    tools=[{"type": "web_search"}]
)

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="What is the weather in Paris?"
)
# The agent automatically searches the web and cites its sources

Custo e Latência

Este poder tem um preço, que deve antecipar antes da produção. A latência aumenta porque o agente pode realizar múltiplas voltas internas — pesquisa, depois raciocínio, depois redação — enquanto o Chat Completions realiza apenas uma. O consumo de tokens também sobe, uma vez que as instruções do sistema e o contexto da conversa são reenviados ao modelo em cada volta. Por fim, as conversas persistem no lado da Mistral, um comportamento que pode desativar com store=False se as suas restrições de privacidade o exigirem.

Esta sobrecarga é perfeitamente justificada quando a tarefa o exige. Para um chatbot de FAQ simples, não é o caso: mantenha-se no Chat Completions.

Pontos-chave

  • O Chat Completions é stateless e suficiente para tarefas simples
  • A API Agents adiciona persistência, ferramentas integradas e orquestração multi-agente
  • Utilize sempre o nível de complexidade mais baixo que satisfaça a sua necessidade
  • A mudança para agentes justifica-se quando precisa de ferramentas, persistência ou multi-agentes