Z.AI mostra como montar sistemas de agentes prontos para produção com GLM-5 e tool calling

A Z.AI lançou um guia técnico de utilidade rara, no qual o GLM-5 aparece não como mais uma interface de chat, mas como base para sistemas de agentes prontos para produção. O material percorre, passo a passo, o caminho da primeira requisição ao modelo até um agente multietapas completo, com chamada de ferramentas, resposta em streaming, modo de raciocínio e suporte a diálogo em vários turnos. Para os desenvolvedores, é um sinal importante: a aposta não está só na qualidade das respostas, mas também na maturidade da integração a um stack de produto real.

No início, os autores montam um ambiente básico com zai-sdk, openai e rich, obtêm a chave de API de variáveis de ambiente ou por entrada oculta no terminal e sobem um ZaiClient para as primeiras chamadas ao modelo. Em seguida, vem um cenário mínimo de chat completion: o GLM-5 responde a uma pergunta técnica simples, e depois a mesma interface é usada em modo streaming, em que os tokens chegam conforme são gerados. Não é um recurso cosmético. Em interfaces, assistentes e painéis de agentes, o streaming afeta diretamente a velocidade percebida e, portanto, a adequação do modelo a cenários de trabalho em que o usuário não quer esperar o fim de uma resposta longa.

O bloco seguinte trata do thinking mode e do contexto multi-turn. No exemplo, o thinking é ativado explicitamente no GLM-5 com o parâmetro enabled e, na resposta em streaming, lê-se reasoning_content separadamente, e depois a resposta final do modelo. Depois, os autores montam uma cadeia de várias mensagens: primeiro perguntam sobre a diferença entre list e tuple em Python, depois esclarecem quando NamedTuple é apropriado e, por fim, pedem um exemplo prático com type hints.

O ponto desta seção não são as perguntas em si, mas a demonstração de que o modelo mantém o contexto entre os turnos, enquanto o desenvolvedor pode acompanhar o crescimento do histórico de mensagens e o consumo de tokens. Para sistemas de agentes, esse é um requisito básico: sem memória de diálogo estável, cadeias complexas desmoronam rápido.

A parte mais prática começa quando o GLM-5 é conectado a funções externas. O tutorial descreve duas ferramentas: uma consulta de clima e uma calculadora para avaliar expressões com segurança. O modelo recebe uma requisição em linguagem natural, decide sozinho qual ferramenta chamar e devolve os argumentos; o código local executa a função e o resultado volta ao contexto do modelo para a resposta final.

Logo depois, o tutorial mostra a saída estruturada: pede-se ao GLM-5 que extraia dados financeiros de um texto e devolva JSON limpo, sem explicações. Isso é muito próximo de um padrão típico de produção, em que o modelo precisa não só escrever bem, mas também entregar de forma estável um resultado legível por máquina para pipelines, CRM, analytics ou serviços de backend internos.

O bloco técnico final reúne tudo na classe GLM5Agent. Nela são adicionadas várias ferramentas de uma vez: clima, calculadora, hora atual e conversão de unidades. O agente trabalha de forma iterativa, chama sozinho as funções necessárias ao longo da tarefa e continua o ciclo até obter uma resposta final ou atingir o limite de passos.

Em um exemplo à parte, os autores comparam a resolução de um problema lógico complicado com o thinking mode ligado e desligado, medindo o tempo de resposta e o volume de tokens gerados. Por fim, mostram que o GLM-5 também pode ser usado pelo SDK padrão da OpenAI para Python: basta trocar o base_url e a conhecida interface chat.completions continua funcionando.

Segundo a documentação oficial da Z.AI, o GLM-5 tem contexto de até 200K tokens e máximo de 128K tokens de saída, o que torna esse cenário especialmente interessante para tarefas longas e multietapas.

O que isso significa na prática? A Z.AI tenta reduzir a barreira de migração para equipes que já têm código compatível com OpenAI, mas precisam de um fluxo agêntico mais marcado: ferramentas, JSON, streaming, memória de diálogo e ciclos de execução controláveis. Também importa que o tutorial não se perde em abstrações e mostra o circuito mínimo funcional em torno do modelo.

Ainda assim, não há por que ter ilusões: os exemplos de clima e calculadora continuam didáticos, e em produção ainda serão necessários autorização, logging, retries, restrições às ferramentas e proteção contra chamadas inseguras. Mas, como mapa das capacidades do GLM-5, o material é útil: mostra que o modelo da Z.AI já está sendo empacotado não apenas como um LLM para chat, mas como um bloco de construção para agentes de IA aplicados.