Este é o quarto artigo de uma série sobre arquitetura amigável à IA. Já falamos sobre contexto, documentação e observabilidade. Agora quero falar sobre uma forma de organizar conhecimento e fluxos de trabalho para agentes: as skills.
Este artigo não está ligado a um produto ou ferramenta específica. O objetivo é discutir a ideia de uma skill de forma geral, independentemente do modelo, agente ou plataforma utilizada.
A ideia principal é simples: um agente não precisa de todo o contexto possível. Ele precisa do contexto certo para o problema que está tentando resolver.
O problema de colocar tudo em um só lugar
Uma reação comum quando começamos a trabalhar com agentes é ensiná-los tudo de uma vez.
Colocamos documentação da empresa, padrões de código, regras de negócio, instruções operacionais, dashboards, runbooks e links para muitas ferramentas em um único lugar.
Parece conveniente. Afinal, o agente tem acesso a mais informações. Mas mais informação nem sempre significa conhecimento mais útil.
Quando tudo é mostrado ao mesmo tempo, o agente precisa descobrir:
quais informações são relevantes;
quais informações são confiáveis;
quais partes estão relacionadas;
quais informações devem ser ignoradas.
Isso cria mais ruído e torna o raciocínio mais difícil de acompanhar.
Talvez estejamos repetindo um problema que já tivemos com sistemas: tentar colocar responsabilidades demais no mesmo lugar.
Uma skill parte de uma ideia diferente. Cada contexto importante pode ter sua própria especialização.
O que é uma habilidade?
Uma skill é uma unidade de conhecimento e fluxo de trabalho para um contexto específico.
Ela pode explicar quais conceitos são importantes no domínio, quais perguntas devem ser feitas primeiro, quais fontes podem ser utilizadas, como interpretar os dados, quais limites e regras de segurança devem ser seguidos e como apresentar o resultado.
Por exemplo, uma skill de investigação de incidentes pode orientar o agente a identificar o serviço afetado, reconstruir a linha do tempo, verificar sinais operacionais, separar fatos de suposições e registrar as evidências.
Ela não precisa armazenar cada log, métrica ou documento. Precisa saber onde encontrar essas informações e como utilizá-las.
O valor vem da combinação entre conhecimento e ação.
Skills são os novos microsserviços?
Eu não diria que skills são os novos microsserviços. Tecnicamente, são coisas diferentes. Mas existe uma conexão importante entre eles.
Aprendemos que sistemas grandes são mais fáceis de mudar quando são separados por responsabilidade e contexto de negócio. Cada contexto pode ter vocabulário, regras, dados, contratos e responsabilidades mais claros.
Podemos usar uma ideia semelhante para o contexto que oferecemos aos agentes.
Em vez de criar um agente que sabe um pouco sobre cada domínio, podemos criar contextos especializados com limites claros:
O agente ainda tem uma visão geral do sistema, mas pode usar um contexto especializado quando precisa investigar um problema específico.
Contexto especializado não significa contexto isolado
Dividir o conhecimento em partes menores não significa criar caixas que não conseguem se comunicar.
Uma investigação pode começar pela observabilidade, continuar pela entrega e terminar nos dados. O agente precisa saber quando cada contexto é relevante e como conectar as evidências que encontra.
Uma skill oferece profundidade. O agente coordena o trabalho.
Uma skill precisa de limites claros
Uma skill genérica demais rapidamente perde seu valor.
“Investigue problemas em produção” é uma instrução ampla. Ela não explica por onde começar, quais fontes consultar ou como decidir que uma hipótese é mais provável do que outra.
Uma skill mais útil define o contexto, o objetivo, as fontes disponíveis e os limites da investigação:
Contexto:
APIs e serviços do domínio de pedidos.
Objetivo:
Investigar um aumento de latência e identificar as
causas mais prováveis com base em evidências.
Fontes e capacidades:
- pesquisar logs, métricas e traces do fluxo de pedidos;
- consultar o catálogo de serviços e suas dependências;
- verificar mudanças e deploys recentes;
- consultar o banco de dados em modo somente leitura;
- comparar o comportamento atual com um período anterior.
Fluxo de trabalho:
1. Identificar o serviço e o endpoint afetados.
2. Descobrir quando a mudança começou.
3. Comparar latência, erros e volume de requisições.
4. Verificar traces e dependências do fluxo.
5. Verificar mudanças recentes.
6. Consultar dados de pedidos para testar a hipótese,
sem alterar nenhum registro.
7. Registrar fatos, possíveis causas e informações ausentes.
Limites:
- não alterar dados;
- não executar comandos de escrita;
- não expor dados sensíveis no resultado;
- pedir ajuda quando as evidências não forem suficientes.Este exemplo é mais útil porque transforma uma intenção em um processo que pode ser seguido.
Ele também deixa algo claro: consultar um banco de dados não significa oferecer acesso ilimitado. A skill pode usar uma conexão somente leitura, com tabelas, campos e limites definidos para aquela investigação.
Na prática, o agente pode acessar fontes por meio de capacidades claramente definidas:
search_logs(service, time_range)
query_metrics(service, metric, time_range)
get_trace(trace_id)
list_recent_changes(service, time_range)
query_readonly_database(query, parameters)Cada capacidade deve ter sua própria política de acesso. A consulta ao banco pode permitir somente operações de leitura, limitar o tempo de execução e permitir acesso apenas às tabelas necessárias para aquele domínio.
Isso não significa que toda skill precise ser rígida. Ela pode permitir alguma flexibilidade, desde que defina claramente o problema que pretende resolver.
Quanto mais claro o contexto, menor a probabilidade de o agente desperdiçar tempo em caminhos irrelevantes.
Uma skill também precisa conhecer seus limites
Um bom especialista não é apenas alguém que sabe o que fazer. Também é alguém que sabe quando não deve agir sozinho.
Uma skill deve deixar claros estes pontos:
quais ações são somente de leitura;
quais ações precisam de aprovação;
quais dados podem ser expostos;
quando não há evidências suficientes para uma conclusão;
quando o problema deve ser encaminhado para uma pessoa.
Isso é especialmente importante para skills relacionadas à produção, a dados sensíveis ou a mudanças que possam afetar outros contextos.
Contexto especializado não deve ser confundido com autonomia ilimitada.
Esses limites não podem existir apenas como instruções para o agente. Também precisamos de guardrails fixos que verifiquem permissões, argumentos, ambiente e impacto antes que qualquer ação seja executada.
Nunca devemos confiar que o agente vai se lembrar de uma regra de segurança ou segui-la por conta própria.
A skill orienta o comportamento, mas o guardrail impõe a restrição. Vou explicar essa diferença com mais detalhes posteriormente, em um artigo sobre guardrails, permissões e fitness functions.
O agente conecta os contextos
O maior valor não está apenas em criar skills separadas. Também está na capacidade do agente de conectá-las.
Uma skill de observabilidade pode encontrar um comportamento incomum. Uma skill de entrega pode identificar uma mudança recente. Uma skill de dados pode encontrar uma alteração em um pipeline.
Com uma visão mais ampla, o agente pode conectar essas descobertas e formar uma possível explicação:
O aumento de erros começou depois de uma mudança recente. O serviço passou a receber dados com uma estrutura diferente, e a falha está concentrada nos pedidos criados após a atualização.
Essa conclusão ainda precisa ser verificada, mas é mais útil do que uma lista de fatos desconectados.
As skills fornecem profundidade. O agente fornece coordenação.
Como começar a criar skills
Você não precisa começar criando uma skill para cada ferramenta ou equipe.
Escolha um problema recorrente e observe como as pessoas experientes o resolvem hoje.
Pergunte quais perguntas são feitas primeiro, quais fontes são consultadas, como os dados são interpretados, quais causas possíveis costumam ser descartadas, quando a investigação precisa ser escalada e qual formato de resultado é realmente útil.
Depois, transforme esse conhecimento em um processo que possa ser encontrado e reutilizado.
Uma skill não precisa ser perfeita em sua primeira versão. Ela pode melhorar ao longo do tempo com casos reais e incorporar as lições de cada investigação.
Conclusão
Skills são uma forma de organizar contexto especializado para agentes.
Elas evitam que o agente receba uma quantidade enorme de informações sem orientação. Também ajudam a tornar o raciocínio mais específico, fácil de verificar e mais útil.
A principal mudança não é adicionar outra camada de abstração. É reconhecer que problemas diferentes precisam de conhecimentos, fontes e métodos de investigação diferentes.
Assim como aprendemos a separar serviços por contexto, também podemos separar o conhecimento e as capacidades dos agentes por contexto.
Comentários