PulseFlow Tecnologia
← Insights
·7 min de leitura·guia-tecnico·ai-stack·mcp·langgraph
PulseFlow Tecnologia

Como montar uma stack mínima de agentes para produção

Nem todo agente precisa das seis camadas completas que compõem a stack de 2026 - modelo, protocolos e ferramentas, memória, frameworks, avaliação e guardrails. O relatório da O'Reilly propõe um jeito prático de decidir o que é realmente necessário: perguntar que tipo de agente você está construindo antes de escolher qualquer peça da stack.

Pergunta 1: quanto estado você precisa gerenciar

Essa é a pergunta que separa um projeto de fim de semana de um sistema que vai exigir meses de engenharia. Um agente stateless que só chama ferramentas é um problema de engenharia completamente diferente de um agente multi-sessão que aprende ao longo do tempo - e são as camadas onde gerenciamento de estado é mais difícil (memória, frameworks) onde a maioria dos times trava.

Stack 1: agente stateless chamador de ferramentas

Para um caso de uso como responder perguntas de uma base de conhecimento, a stack mínima é: SDK de provedor (OpenAI, Google ou Microsoft, dependendo do ecossistema já em uso) + MCP para conectividade de ferramentas + PostgreSQL com pgvector, hoje o padrão de fato para busca vetorial sem exigir banco de dados vetorial dedicado. Essa combinação é, segundo o próprio relatório, "projeto de fim de semana" - não exige framework de orquestração dedicado nem memória de longo prazo.

Stack 2: workflow multietapa

Um caso como processamento de reembolso de ponta a ponta já exige mais: LangGraph (ou framework equivalente de orquestração baseado em grafo) + MCP + infraestrutura de eval montada antes do deploy, não depois. O ponto crítico aqui é justamente esse - compilar avaliações antes de colocar em produção, não como reação a um problema descoberto depois.

Stack 3: agente que aprende

Quando o requisito é lembrar preferências entre sessões, a stack muda de categoria: arquitetura memory-first, com banco de dados vetorial dedicado e infraestrutura de eval específica para medir se a memória está ajudando ou atrapalhando. O desafio central deixa de ser técnico e vira uma decisão de produto: o que o agente deveria lembrar, e quando essa memória deveria expirar.

Stack 4: sistema multiagente

Quando agentes delegam tarefas para outros agentes, a stack completa de seis camadas entra em jogo - e a infraestrutura de avaliação precisa cobrir cada handoff entre agentes, não só a resposta final do sistema como um todo. Esse é o único cenário em que a stack completa realmente se justifica; aplicá-la a um caso de uso mais simples é over-engineering.

O que os dados da LangChain confirmam sobre esse dimensionamento

A pesquisa State of AI Agents mostra que os casos de uso mais comuns hoje - pesquisa e resumo (58%), produtividade pessoal (53,5%), atendimento ao cliente (45,8%) - se encaixam majoritariamente nas Stacks 1 e 2, não nas mais complexas. Isso é consistente com o argumento do relatório da O'Reilly: a maioria dos times não precisa da stack completa, precisa identificar corretamente em qual dos quatro perfis seu caso de uso se encaixa.

O aviso que evita over-engineering

Montar a stack de sistema multiagente para um caso de uso que é, na prática, um chamador de ferramentas stateless não é rigor técnico - é desperdício de tempo de engenharia e complexidade desnecessária de manutenção. O ponto de partida certo não é "qual stack é mais completa", é "qual é a menor stack que meu caso de uso realmente exige".

Fontes