Agentes em produção
Construo as ferramentas, as salvaguardas e as integrações que tiram os modelos de IA do chat e os colocam em produção — onde errar custa caro.
No nosso servidor, com o Hermes, o runtime de agentes open-source da Nous Research.
Uma empresa,
nove agentes
Um control plane e oito perfis de área, cada um atendendo um time real com um responsável humano. As pessoas conversam com eles, e nada é mergeado sem uma pessoa mandar.
lideranças e conselhoLideranças6 com acesso
control planeOrquestrador12 com acesso
perfilEngenharia11 com acesso
perfilVendas17 com acesso
perfilMarketing13 com acesso
perfilConta-chave3 com acesso
perfilProjetos5 com acesso
perfilCS9 com acesso
perfilSuporte21 com acessoDa empresa usa com frequência, quase todos fora da liderança técnica.
PRs mergeadas em cinco meses, em 35 repositórios, do código do produto ao site da empresa.
De corte no custo da AWS com limpeza automática de recursos e disco.
Teto de gasto com tokens por perfil, por mês.
Dentro das ferramentas
Cada agente trabalha no software que o time dele já usa. Ninguém troca de ferramenta pra usar.
Faz a triagem dos chamados a cada 10 minutos, em horário comercial.
Briefing do pipeline toda manhã e a linha do tempo de cada conta.
O CS é dono do produto, então o agente dele lê como cada cliente usa o Pantera.
Publica no site, mede lead no GA4 e manda cada lead pro vendedor certo.
Transforma issue em PR, faz triagem do CI e vigia o custo de nuvem.
Alertas, usuários da frota e os briefings que cruzam as áreas.
48 rotinas agendadas na frota
Salvaguardas
Repositórios de produção precisam de mais que um bom modelo. É isso que torna a delegação real.
- 01 // Uma pessoa manda
Nada entra sozinho
Nenhum push direto e no máximo 2 PRs abertas por repositório. No código de produção, um engenheiro revisa e faz o merge. Nas ferramentas internas, como o site da empresa, o time dono dá o ok no chat e o agente faz o merge.
- 02 // Custo e segurança
Scripts antes de LLM
O que dá pra resolver com Bash, Python ou Git nunca chama um LLM. Isso evita alucinações, roda checagens de segurança em silêncio e mantém o gasto de tokens estritamente abaixo de $140 por mês por perfil.
- 03 // Isolamento
Cada agente na sua área
Cada perfil roda num sandbox isolado, com ferramentas e procedimentos próprios. O agente de vendas nunca encosta no código-fonte, e o contexto de uma área nunca vaza para outra.
- 04 // Escopo real
Trabalho do backlog
Issues que o time abriu de verdade: condições de corrida assíncronas, migração de componentes, suítes de testes ponta a ponta, roteamento de lead para o CRM.
Dentro de casa
De ponta a ponta — o runtime do agente, o estado em SQLite e cada integração rodam em infraestrutura própria, desacoplados dos provedores de inferência. Trocar o modelo é mudar uma configuração; as salvaguardas e o processo de revisão continuam iguais.
Fale comigo
Se você está construindo algo ambicioso com sistemas agênticos, me escreva.