Agentes de IA — Projeto do Curso (Aula 10 · FINAL)

AGENTES DE IA: A revolução da IA · Aula 10 — Ética, Futuro e Entrega: camada de governança (guardrails + auditoria) Sistema FINAL e completo do curso: agente conversacional (RAG, memória, ferramentas, HITL), time multiagente (/team), métricas de negócio (/metrics), avaliação (/evals), integração MCP e Skills (SKILL.md), e agora a CAMADA DE GOVERNANÇA — guardrails de entrada/saída e trilha de auditoria no /chat. Um agente que funciona, vale a pena, é medido e é responsável. FastAPI, Docker, Render.

Este é o ponto de partida do projeto multiagente do curso. A cada aula adicionamos uma camada (memória, RAG com PostgreSQL + pgvector, mais ferramentas, orquestração multiagente, avaliação) sobre esta mesma base. O objetivo da Aula 1 é deixar o alicerce sólido: ambiente reprodutível, segredos protegidos e o hábito de ver o agente por dentro desde o primeiro dia.

---

Stack

Infraestrutura, frameworks e RAG são open-source; o LLM começa na OpenAI e é configurável.

---

Estrutura

agentes-curso/
├── app/
│   ├── __init__.py
│   ├── agent.py        # ferramentas (calculator, knowledge_search, lookup_cep, usar_skill) + tools MCP + modelo
│   ├── tools_externas.py # ferramenta que chama uma API HTTP real (com tratamento de erros)
│   ├── rag.py          # conexão pgvector, embeddings e vector store
│   ├── ingest.py       # script de ingestão (indexação offline do RAG)
│   ├── graph.py        # grafo do agente + approval_graph (human-in-the-loop)
│   ├── metrics.py      # métrica de NEGÓCIO: contador de eventos de valor
│   ├── mas.py          # sistema multiagente: supervisor + trabalhadores (Aula 7)
│   ├── evals.py        # harness de avaliação: casos, checagens, score (Aula 8)
│   ├── judge.py        # LLM-as-judge: nota 1-5 com rubrica (Aula 8)
│   ├── mcp_server.py   # servidor MCP (FastMCP) que expõe uma ferramenta (Aula 9)
│   ├── mcp_client.py   # cliente MCP (Aula 9)
│   ├── skills_loader.py # Skills (SKILL.md) com progressive disclosure (Aula 9)
│   ├── governance.py   # guardrails (entrada/saída) + trilha de auditoria (Aula 10)
│   └── main.py         # API FastAPI; /chat, /action, /resume, /team, /metrics + /evals
├── docs/               # documentos do domínio para ingerir
├── skills/             # Agent Skills (SKILL.md) — copiadas para a imagem Docker
├── .env.example        # modelo de segredos (versionar)
├── .gitignore
├── .dockerignore
├── Dockerfile
├── render.yaml         # infra-as-code opcional para o Render
├── requirements.txt
└── README.md