Visão geral

Um agente é um workflow que raciocina e age por conta própria. Ele lê uma entrada, decide o que fazer e executa, chamando ferramentas e usando seus dados no caminho. Você constrói um agente sob medida no Studio compondo um workflow cujo raciocínio passa por um ou mais blocks Agent.

Um block Agent é o passo de raciocínio dentro desse workflow: um modelo lê os valores disponíveis para ele, decide e devolve um resultado que os blocks seguintes leem por referência. Um agente simples é um único block Agent; um maior conecta vários deles a outros blocks. O block Agent é onde o modelo pensa; o resto do workflow é sobre o que e por meio do que ele age.

O exemplo usado ao longo da página é um agente que pontua leads de vendas recebidos.

O block Agent

Você configura o passo de raciocínio dando ao block Agent um model e um prompt. O model é o LLM que dá força ao block; você escolhe um entre os provedores disponíveis, e o padrão é claude-sonnet-4-6. O prompt é uma mensagem de sistema que define quem o agente é e como ele deve se comportar, mais uma mensagem de usuário que carrega a entrada, normalmente uma referência como <start.input>.

Ao executar, o block Agent raciocina, chama as ferramentas de que precisa e guarda o resultado com o próprio nome. Por padrão, esse resultado é texto livre em content, lido por um block posterior como <agent.content>, junto com detalhes da execução como o model usado, contagem de tokens, chamadas de ferramentas e custo. Todas as configurações e campos de saída estão na referência do block Agent.

O que você dá a um agente

Por si só, um block Agent só consegue raciocinar e escrever texto. Você o estende para que ele possa agir, seguir suas regras, usar seus dados, lembrar e devolver resultados em que outros blocks podem confiar. Cada recurso corresponde a algo que você gostaria que um agente fizesse.

Executar uma ação: ferramentas

Para que um agente faça algo no mundo, dê a ele ferramentas. Uma ferramenta é uma ação que o agente pode chamar, como enviar um e-mail, pesquisar na web, atualizar um registro no CRM ou executar outro workflow. Você anexa ferramentas ao block Agent, e o agente decide quais chamar para a tarefa que tem à frente. No agente de pontuação de leads, ele tem uma ferramenta de busca para reunir contexto sobre um perfil pobre e uma ferramenta de e-mail para abordar um lead promissor.

As ferramentas vêm de alguns lugares:

• Integrações são o catálogo de serviços externos: Gmail, Slack, Airtable, Linear e centenas de outros.
• Ferramentas personalizadas são ferramentas que você define uma vez, com um schema e um trecho de código, e depois reutiliza.
• Ferramentas MCP vêm de um provedor externo que você conecta pelo Model Context Protocol.
• Workflow como ferramenta torna outro workflow chamável, para que o agente execute um procedimento inteiro como um único passo.

Seguir um procedimento: skills

Para dar ao agente instruções que ele possa seguir, escreva uma skill. Uma skill é um manual reutilizável com um nome curto e uma descrição que o agente sempre vê, mais um corpo mais longo que ele carrega apenas quando a skill se aplica. No agente de pontuação de leads, uma skill lead-scoring-rubric detalha as faixas e os critérios de desqualificação, e o agente lê a rubrica completa só quando um lead é ambíguo. Uma ferramenta é uma ação que o agente executa; uma skill é orientação que ele lê.

Usar seus documentos: conhecimento

Para que um agente responda a partir do seu próprio conteúdo, conecte uma base de conhecimento. O agente pesquisa nela e embasa as respostas no que encontra, em vez de depender apenas do treinamento geral do modelo. Dê ao agente de pontuação de leads uma base de conhecimento com negócios passados e ele pode comparar um novo lead com os que você já fechou.

Lembrar entre execuções: memória

Para que um agente reaproveite informações de uma execução para a seguinte, dê a ele memória, que armazena e recupera valores atrelados a uma conversa. Sem ela, cada execução começa do zero; com ela, um agente em um chat leva o que foi dito antes para as mensagens seguintes.

Devolver um resultado utilizável: saída estruturada

Para que o resultado de um agente seja algo sobre o qual os blocks seguintes possam agir, dê a ele uma saída estruturada: um objeto tipado que você define, em vez de texto livre. No agente de pontuação de leads, o agente retorna { score, tier, reason }, e um block Condition posterior lê <agent.tier> para ramificar. Veja como os blocks passam dados para saber como ler campos.

Escolhendo o que usar

Comece com um block Agent e um prompt, e depois adicione só o que a tarefa exigir: uma ferramenta quando o agente deve agir, uma skill quando ele precisa de orientação escrita, uma base de conhecimento quando ele deve responder a partir dos seus documentos, memória quando ele deve lembrar e uma saída estruturada quando um block posterior tem de ler o resultado.

Próximos passos