Arquitetura de um agente de IA em produção: o sistema de 13 blocos da Anthropic

Um agente de IA em produção não é apenas um conjunto de instruções em um único prompt longo. É um sistema completo, em que cada componente cuida de um aspecto do trabalho: gerenciamento de recursos, loop OODA, divisão de responsabilidades entre agentes, tratamento de erros e monitoramento. Sem uma arquitetura clara, seu agente vai se comportar de forma imprevisível.

O que a Anthropic revelou

A empresa publicou dois prompts reais de produção, usados em sistemas ativos: research_lead_agent.md e research_subagent.md. Não são exemplos didáticos, nem demonstrações, nem versões simplificadas. São os prompts de verdade, que dão conta de trabalho real. Ao desmontá-los, você enxerga uma arquitetura que os cursos de prompt engineering não ensinam.

A principal descoberta: em vez de um único prompt longo e mágico, a Anthropic tem um sistema de 13 blocos claramente definidos e independentes. Cada bloco cuida de uma tarefa e pode ser reaproveitado em outros agentes. Isso significa que a arquitetura escala por composição, não por reescrita.

Os 13 blocos de que todo agente em produção precisa

Este é o checklist completo de componentes que qualquer agente em produção deve ter:

• Papel e persona — define como o agente pensa e se comporta
• Objetivo e contexto — uma formulação clara do que precisa ser feito e por quê
• Orçamento de chamadas e teto de recursos — o limite em que é preciso parar
• Loop OODA — o ciclo Observe→Orient→Decide→Act, que se repete
• Tratamento de erros e estratégias de fallback — o que fazer em caso de falha
• Divisão de responsabilidades entre agentes — como o trabalho é distribuído
• Ferramentas e seus limites — o que o agente pode e não pode usar
• Formato de saída e validação de resultados — como verificar se está correto
• Monitoramento e logging — uma forma de ver o que acontece por dentro
• Timeouts e lógica de retry — evitam travamentos e erros repetidos
• Autoverificação — o agente confere a si mesmo antes de entregar a saída
• Normalização de estado — levar o resultado a uma forma legível
• Guardrails e camada de segurança — impedem que o agente ultrapasse os limites

Isso não é opcional nem "nice to have". Se faltar até um único componente, o agente vai funcionar de forma instável e imprevisível. Já vi isso dezenas de vezes: agentes que perdem o contexto, estouram o orçamento, travam em edge cases.

Lead e Sub: divisão do trabalho

A diferença entre um agente lead e um subagente é fundamental. O lead é o estrategista e coordenador. Ele enxerga todo o contexto geral, planeja a estratégia, toma as decisões-chave e gerencia uma equipe inteira de subagentes.

O subagente é um especialista restrito. É rápido, barato de chamar, pega uma tarefa específica e bem definida e relata o resultado. O sub obedece ao lead e não toma iniciativa.

A Anthropic usa esse esquema porque ele escala. Um lead pode coordenar cinco subagentes. Depois você adiciona mais cinco, e o lead dá conta. Mais cinco, e continua funcionando. Você não reescreve o lead nem muda a arquitetura. Só amplia a equipe.

Um template pronto para usar

Depois de analisar os prompts da Anthropic, extraí os padrões e montei um template SKILL.md. Com ele, você pode revisar seu próprio agente e garantir que nada ficou de fora. É como o checklist pré-decolagem de um piloto, mas para agentes de IA.

A regra principal: use-o ANTES de ir para produção. Adicionar componentes na hora e reescrever prompts em ambiente real é uma dor infernal. Gaste um dia na arquitetura e você vai agradecer a si mesmo por meses.

O que isso significa

Se você está construindo um agente agora, essa arquitetura pode poupar semanas de depuração. Normalmente os componentes aparecem no código por acaso, quando o desastre já aconteceu: o agente travou, estourou o orçamento ou empacou em um edge case. Agora você tem um template testado. Use-o.