As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # A evolução dos agentes de software A jornada de sistemas automatizados simples para agentes de software inteligentes, autônomos e direcionados a objetivos reflete décadas de evolução em ciência da computação, inteligência artificial e sistemas distribuídos. Essa evolução foi seguida pelo surgimento do aprendizado de máquina, que mudou o paradigma das regras artesanais para o reconhecimento estatístico de padrões. Esses sistemas poderiam aprender com os dados e possibilitar avanços na percepção, classificação e tomada de decisão. Modelos de linguagem grandes (LLMs) representam uma convergência de escala, arquitetura e aprendizado não supervisionado. LLMs pode raciocinar, gerar e adaptar tarefas com pouco ou nenhum treinamento específico para cada tarefa. Ao combinar LLMs uma infraestrutura nativa em nuvem escalável e arquiteturas combináveis, agora estamos alcançando a visão completa da IA agêntica: agentes de software inteligentes que podem operar com autonomia, consciência do contexto e adaptabilidade em escala corporativa. Esta seção explora a história dos agentes de software, da teoria fundamental à prática moderna, conforme ilustrado no diagrama a seguir. Ele destaca a convergência da inteligência artificial distribuída (DAI) e da IA generativa baseada em transformadores e identifica os principais marcos que moldaram o surgimento da IA agente. ![\[A evolução dos agentes de software, da década de 1950 até os dias atuais.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/agentic-ai-foundations/images/evolution-software-agents.png) **Topics** + [ # Fundamentos dos agentes de software ](roots.md) + [ # Amadurecendo o campo: do raciocínio à ação ](maturity.md) + [ # Uma linha do tempo paralela: o surgimento de grandes modelos de linguagem ](llm.md) + [ # Os cronogramas convergem: o surgimento da IA agente ](agentic-ai-emergence.md) # Fundamentos dos agentes de software ## 1959 — Oliver Selfridge: o nascimento da autonomia em software As raízes dos agentes de software remontam a Oliver Selfridge, que introduziu o conceito de *entidades autônomas de software (demônios)* — programas capazes de perceber seu ambiente e agir de forma independente (Selfridge 1959). Seus primeiros trabalhos em percepção e aprendizado de máquinas estabeleceram as bases filosóficas para futuras noções de agentes como sistemas independentes e inteligentes. ## 1973 — Carl Hewitt: o ator modelo Um avanço fundamental veio com o modelo de ator de Carl Hewitt (Hewitt et al. 1973), que é um modelo computacional formal que descreve os agentes como entidades independentes e simultâneas. Nesse modelo, os agentes podem encapsular seu próprio estado e comportamento, comunicar-se usando a passagem assíncrona de mensagens e criar dinamicamente outros atores e delegar tarefas a eles. O modelo do ator forneceu a base teórica e o paradigma arquitetônico para sistemas distribuídos baseados em agentes. Esse modelo prefigurou implementações modernas de concorrência, como a linguagem de programação Erlang e a estrutura Akka. # Amadurecendo o campo: do raciocínio à ação ## 1977 — Victor Lesser: sistemas multiagentes No final da década de 1970, surgiu a inteligência artificial distribuída (DAI). Foi promovido por Victor Lesser, que é amplamente reconhecido por ser pioneiro em sistemas multiagentes (MAS). Seu trabalho se concentrou em como entidades independentes de software poderiam cooperar, coordenar e negociar (consulte a seção [Recursos](resources.md)). Esse desenvolvimento resultou em sistemas capazes de resolver problemas complexos coletivamente — um salto essencial na criação de inteligência distribuída. ## Década de 1990 — Michael Wooldridge e Nicholas Jennings: o espectro de agentes Na década de 1990, o campo da inteligência distribuída amadureceu com contribuições de pesquisadores como Michael Wooldridge e Nicholas Jennings. Esses estudiosos categorizaram os agentes ao longo de um espectro, do reativo ao deliberativo, de sistemas não cognitivos a agentes de raciocínio orientados por objetivos (Wooldridge e Jennings 1995). Seu trabalho enfatizou que os agentes não eram mais ideias abstratas, mas estavam sendo aplicados em uma ampla variedade de domínios práticos, da robótica ao software corporativo. Esses pesquisadores também introduziram uma mudança de foco: do raciocínio centralizado para a ação distribuída. Os agentes não eram mais apenas pensadores — eram agentes que operavam em ambientes em tempo real com autonomia e propósito. ## 1996 — Hyacinth S. Nwana: formalizando o conceito de agente Em 1996, Hyacinth S. [Nwana publicou o influente paper Software Agents: An Overview*,* que forneceu a classificação mais abrangente de agentes](https://teaching.shu.ac.uk/aces/rh1/elearning/multiagents/introduction/nwana.pdf) até hoje. Sua tipologia incluía atributos como autonomia, habilidade social, reatividade, proatividade, aprendizado e mobilidade, e diferenciava entre agentes de software e construções tradicionais de software. Nwana também ofereceu uma definição agora amplamente aceita, parafraseada: *Um agente de software é um programa de computador baseado em software que atua para um usuário ou outro programa em uma relação de agência, que deriva da noção de delegação*. Essa formalização foi fundamental na transição de agentes de software de construções teóricas para aplicativos do mundo real. Isso deu origem a uma geração de sistemas baseados em agentes em áreas como telecomunicações, automação de fluxo de trabalho e assistentes inteligentes. O trabalho de Nwana está no ponto de convergência das primeiras pesquisas de IA distribuída e das arquiteturas operacionais dos agentes modernos. É uma ponte crucial entre a teoria cognitiva dos agentes e sua implantação prática nos sistemas atuais. # Uma linha do tempo paralela: o surgimento de grandes modelos de linguagem Enquanto as estruturas de agentes evoluíam, uma revolução paralela e convergente estava acontecendo no processamento de linguagem natural e no aprendizado de máquina: + **2017 — transformers**: O paper [Attention Is All You Need](https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf) (Vaswani et al. 2017) apresentou a arquitetura do transformador, que melhorou drasticamente a forma como as máquinas processam e geram linguagem. + **2022 - ChatGPT**: A OpenAI lançou uma interface baseada em bate-papo para o GPT-3.5 chamada ChatGPT, que permitiu uma conversa natural e interativa com um sistema de IA de uso geral. + **2023 — código aberto LLMs**: os lançamentos do Llama, Falcon e Mistral tornaram modelos poderosos amplamente acessíveis e aceleraram o desenvolvimento de estruturas de agentes em ambientes corporativos e de código aberto. Essas inovações transformaram os modelos de linguagem em mecanismos de raciocínio capazes de analisar o contexto, planejar ações e encadear respostas, além de LLMs se tornarem os principais facilitadores de agentes de software inteligentes. # Os cronogramas convergem: o surgimento da IA agente ## 2023-2024 — plataformas de agentes de nível corporativo A convergência de arquiteturas de agentes de software distribuídos e baseadas em transformadores LLMs culminou no surgimento da IA agente. + [O Amazon Bedrock Agents](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) introduziu uma forma totalmente gerenciada de criar agentes de software orientados por metas e usando modelos básicos do Amazon Bedrock. + O**** Model Context Protocol (MCP) da Anthropic definiu um método para grandes modelos de linguagem acessarem e interagirem com ferramentas, ambientes e memória externos. Isso é fundamental para um comportamento contextual, persistente e autônomo. Esses dois marcos representam a síntese de agência e inteligência. Os agentes não estavam mais limitados a fluxos de trabalho estáticos ou automação rígida. Agora, eles podiam raciocinar em várias etapas, coordenar com ferramentas e APIs manter o estado contextual e aprender e se adaptar ao longo do tempo. ## De janeiro a junho de 2025 — capacidades corporativas expandidas No primeiro semestre de 2025, o cenário de IA agente se expandiu significativamente com novos recursos corporativos. Em fevereiro de 2025, a Anthropic lançou o Claude 3.7 Sonnet, que foi o primeiro modelo de raciocínio híbrido no mercado, e a especificação MCP ganhou ampla adoção. Assistentes de codificação de IA, como [Amazon Q Developer](https://aws.amazon.com/q/developer/), Cursor e MCP WindSurf integrado, para padronizar a geração de código, a análise de repositórios e os fluxos de trabalho de desenvolvimento. A versão do MCP de março de 2025 introduziu recursos significativos prontos para uso corporativo, incluindo integração de segurança OAuth 2.1, tipos de recursos expandidos para acesso diversificado a dados e opções aprimoradas de conectividade por meio de HTTP Streamable. Com base nessa base, AWS anunciou em maio de 2025 que estava se juntando ao comitê diretor do MCP e contribuindo para novas capacidades de agent-to-agent comunicação. Isso fortalece ainda mais a posição do protocolo como um padrão do setor para interoperabilidade de IA agente. [Em maio de 2025, AWS fortaleceu as opções dos clientes para criar fluxos de trabalho de IA agentes ao abrir o código-fonte da estrutura Strands Agents.](https://strandsagents.com) Essa estrutura independente do provedor e independente do modelo permite que os desenvolvedores usem modelos básicos em todas as plataformas, mantendo a profunda integração de serviços. AWS Conforme destacado no [blog de código AWS aberto](https://aws.amazon.com/blogs/opensource/introducing-strands-agents-an-open-source-ai-agents-sdk/), a Strands Agents segue uma filosofia de design que prioriza o modelo, que coloca os modelos básicos no centro da inteligência dos agentes. Isso torna mais fácil para os clientes criar e implantar agentes de IA sofisticados para seus casos de uso específicos. ## Emergência — IA agente A evolução dos agentes de software, desde as ideias iniciais de autonomia até a orquestração moderna baseada em LLM, foi longa e complexa. O que começou com a visão de Oliver Selfridge de perceber programas se transformou em um ecossistema robusto de agentes de software inteligentes, conscientes do contexto e orientados por metas que podem colaborar, se adaptar e raciocinar. A convergência da inteligência artificial distribuída (DAI) e da IA generativa baseada em transformadores marca o início de uma nova era na qual os agentes de software não são mais apenas ferramentas, mas atores autônomos em sistemas inteligentes. A IA agente representa a próxima evolução em sistemas de software. Ele fornece uma classe de agentes inteligentes que são autônomos, assíncronos e agentes, que podem agir com intenção delegada e operar propositalmente em ambientes dinâmicos e distribuídos. A inteligência artificial da Agentic unifica o seguinte: + A linhagem arquitetônica de sistemas multiagentes e o modelo de ator + O modelo cognitivo de perceber, raciocinar, agir + O poder generativo dos transformadores LLMs e + A flexibilidade operacional da computação nativa em nuvem e sem servidor