SVOY Tech constrói plataforma interna de agentes de IA: 200 ferramentas e 5 chats

A equipe da SVOY Tech, uma fintech, publicou no Habr uma análise de sua plataforma interna de agentes de IA. O título cita dois números: cerca de 200 ferramentas e 5 chats. Os autores estão construindo um assistente de IA próprio dentro da infraestrutura corporativa, e não uma camada sobre uma API de terceiros. O anúncio traz três temas: a arquitetura «por baixo do capô», o conjunto de ferramentas conectadas e o gerenciamento de contexto. A análise em si está no artigo completo, então abaixo vai apenas o que dá para ler com segurança no anúncio, mais a lógica de engenharia em torno dele.

Protótipo versus plataforma

O ponto de partida dos autores é simples: hoje ninguém se impressiona com a integração de IA aos processos de trabalho, mas a diferença entre um protótipo rápido e um sistema dentro da empresa é enorme. Um protótipo sobre API externa fica pronto em um par de dias. Ele responde perguntas, escreve rascunhos e fica bem em demonstrações. Mas, quando o agente precisa de dados internos, permissões de acesso e processos de negócio reais, começa outro tipo de trabalho: integrações, isolamento de dados, controle de ações, reprodutibilidade das respostas.

Os números do título indicam onde está a principal dificuldade. Duzentas ferramentas são duzentas descrições de funções, esquemas de parâmetros e cenários de erro. Se todas forem entregues ao modelo de uma vez, as descrições consomem parte considerável da janela de contexto, e a escolha da chamada certa fica menos confiável. O anúncio não revela como os cinco chats foram divididos. Mas a lógica é legível: um chat por classe de tarefas reduz o conjunto de ferramentas e dados disponíveis e, com ele, o espaço de erros possíveis.

O que se sabe pelo anúncio

O teaser traz poucos fatos, mas concretos:

• Desenvolvedora: SVOY Tech, área de fintech.
• Formato: assistente de IA próprio e plataforma interna de agentes especializados.
• Escala de conexão: da ordem de 200 ferramentas.
• Interface: 5 chats, cada um para suas tarefas de negócio.
• Ambiente: infraestrutura corporativa, trabalho com dados internos.
• Bloco à parte do material: gerenciamento de contexto.

O último item talvez seja o mais interessante. Em sistemas de agentes, o contexto é um recurso limitado. Ele é dividido entre o histórico da conversa, os resultados das chamadas de ferramentas, trechos de documentos e instruções do sistema. Quem decide o que manter e o que descartar ou comprimir, e como, muitas vezes define a qualidade do sistema mais do que a escolha do modelo.

O que verificar se você está construindo algo parecido

Enquanto faltam detalhes, o anúncio funciona como uma lista de perguntas para o seu próprio projeto. Vale fazê-las antes de abrir o artigo completo.

1. Quantas ferramentas o modelo vê em uma única requisição? Se vê todas de uma vez, faz sentido agrupá-las por tarefa ou carregá-las sob demanda.

2. Há separação por papéis e cenários? Vários chats especializados são mais fáceis de testar e de restringir por permissões do que um único chat universal.

3. Como é feito o trabalho com o contexto? São necessárias regras explícitas: o que é armazenado, o que é comprimido, o que é passado entre agentes.

4. Onde ficam os dados? Para uma fintech, saber se eles permanecem dentro do perímetro define toda a arquitetura.

5. Como o resultado é medido? Sem um conjunto de tarefas de teste e métricas de qualidade, o aumento no número de ferramentas facilmente vira aumento de caos.

O que importa na publicação da SVOY Tech não é o tamanho da plataforma, e sim o fato de a empresa mostrar a cozinha da engenharia: como um conjunto de integrações se torna um sistema que funciona. Quão convincentes são os detalhes só ficará claro no texto completo, mas a direção é nítida. Os agentes de IA corporativos no setor financeiro estão deixando o chat universal para trás e caminhando para um conjunto de perímetros estreitos e controlados, com gerenciamento de contexto próprio.