Google e Gemma 4: como rodar tool calling localmente com Python e Ollama

A Machine Learning Mastery publicou um guia detalhado de como montar um agente de AI local baseado no Gemma 4 com suporte a tool calling. O material importa menos pelo código em si e mais pelo sinal que dá ao mercado: os modelos open-weight do Google avançam com cada vez mais firmeza sobre casos de uso antes dominados, quase sem alternativa, pelas APIs em nuvem.

Sobre o que é o material

No artigo de 14 de abril, o autor apresenta uma stack prática para um agente local: Python, Ollama e o modelo `gemma4:e2b`. A ideia é simples. Em vez de um chatbot comum, que responde apenas com o que está nos próprios pesos, o desenvolvedor entrega ao modelo um conjunto de funções e a descrição dos parâmetros de cada uma. Quando a pergunta exige dados externos, o modelo não inventa a resposta: ele gera uma chamada estruturada à ferramenta adequada, recebe o resultado e só então redige o texto final.

Com o lançamento do Gemma 4 como pano de fundo, o exemplo ganha ainda mais peso. O Google lançou a família de modelos abertos sob licença Apache 2.0 e destacou os cenários agênticos: JSON estruturado, function calling, system instructions e execução em hardware variado, de dispositivos móveis a workstations. Oficialmente, a empresa posiciona o Gemma 4 como base para tarefas locais e on-device, e cita o Ollama entre as ferramentas suportadas desde o primeiro dia. Para desenvolvedores, isso abre um caminho mais claro para assistentes privados, sem dependência obrigatória de um provedor externo.

Como o agente funciona

A arquitetura do exemplo dispensa frameworks pesados. O autor usa de propósito bibliotecas padrão do Python, como `urllib` e `json`, para mostrar que um agente básico com tool calling pode ser montado sem LangChain, sem orquestradores e sem uma camada grossa de abstrações. A peça central é um registro de ferramentas em JSON Schema. É ele que informa ao modelo quais funções estão disponíveis, quais argumentos aceitam e quais campos são obrigatórios.

• O desenvolvedor escreve funções Python locais que funcionam como ferramentas
• Cada função recebe um esquema rígido de parâmetros
• A solicitação do usuário é enviada ao Ollama junto com a lista de tools
• O modelo devolve `tool_calls` quando precisa de dados externos
• A aplicação executa a função e envia o resultado de volta ao modelo

Em seguida vem uma segunda passagem. A aplicação host adiciona a resposta da ferramenta ao histórico de mensagens com o papel `tool` e chama o modelo novamente. É nesse passo que o Gemma 4 deixa de adivinhar e passa a se apoiar em dados reais. No exemplo, isso permite unir de forma limpa o reasoning do modelo e o código Python comum em um único ciclo de trabalho, sem camada de nuvem. Na prática, o autor apresenta uma versão mínima de runtime agêntico que dá para destrinchar e adaptar às próprias necessidades em uma noite.

Quais ferramentas foram mostradas

Como demonstração, o autor primeiro cria uma função de clima baseada no Open-Meteo e depois acrescenta mais três ferramentas: notícias, horário atual e conversão de moedas. O resultado é um agente pequeno, mas ilustrativo, capaz de responder não só a uma pergunta pontual, mas também a pedidos compostos. Por exemplo: consultar o clima em Paris, ver o horário atual, converter dólares canadenses em euros e, ao mesmo tempo, buscar as notícias mais recentes sobre o tema.

O modelo `gemma4:e2b` recebe atenção especial. Trata-se da variante edge do Gemma 4, com footprint efetivo de 2 bilhões de parâmetros durante a inferência, pensada para economizar memória e reduzir a latência. O artigo ressalta que esse setup pode rodar localmente, sem GPU e sem limites de API. Para equipes pequenas e desenvolvedores solo, isso faz diferença: cenários agênticos deixam de ser um experimento caro e viram uma tarefa de engenharia comum. O autor conta que rodou centenas de consultas no sistema ao longo de um fim de semana e não viu falhas na lógica básica de chamada de ferramentas.

O que isso significa

A principal conclusão não é mais um tutorial de Python, e sim a queda da barreira de entrada. Se o Gemma 4 de fato mantiver structured output e function calling estáveis mesmo em configurações edge leves, o mercado de agentes locais deve crescer rápido: haverá mais cenários offline, mais implantações corporativas privadas e menos motivos para migrar logo de cara para stacks caras em nuvem.