A IA agêntica combina um modelo, ferramentas e um ciclo de controle para atingir um objetivo em várias etapas. Pode examinar resultados e escolher outra ação; a confiabilidade depende da implementação, das permissões e das verificações.
Agentes autônomos de IA ampliam suas capacidades chamando ferramentas externas durante a execução. Ferramentas comuns incluem busca na web, interpretadores de código, operações de leitura e gravação de arquivos, acesso a calendário e chamadas de API para serviços externos. O modelo decide quando usar uma ferramenta e o que passar a ela, depois incorpora a saída à próxima etapa de raciocínio.
Depois de cada chamada de ferramenta ou ação, um sistema agêntico observa o que ocorreu e se ajusta. Se uma busca retorna resultados insuficientes, tenta outros termos. Se o código gerado apresenta erro, lê a mensagem e o revisa. Esse ciclo de ação, observação e revisão permite concluir tarefas complexas sem orientação humana em cada etapa.
Uma pessoa fornece um objetivo de alto nível: "resuma todas as reclamações de clientes do último mês", "reserve o voo mais barato para Berlim antes de quinta-feira" ou "identifique quais destes contratos têm termos de responsabilidade fora do padrão". O sistema recebe a meta, mas não instruções sobre como realizá-la.
O modelo de linguagem no núcleo do sistema gera um plano. Ele raciocina sobre as etapas necessárias, as ferramentas disponíveis e a ordem de prosseguir. Um framework comum é o padrão ReAct, introduzido por Yao e colaboradores em 2022, que intercala rastros de raciocínio e ações concretas. O modelo pensa no que fazer, faz, observa o resultado, raciocina sobre o próximo passo e continua.
O plano não é fixo. Se as primeiras etapas produzem resultados inesperados, o modelo revisa sua abordagem em vez de seguir um roteiro predeterminado.
A execução exige ir além do conhecimento interno do modelo. O sistema chama ferramentas: busca na web para recuperar informação atual, interpretador de código para cálculos, consulta a banco de dados para registros estruturados ou chamada de API para agir em sistema externo. Cada chamada é escolhida pelo modelo conforme a etapa atual exige.
A saída de cada ferramenta se torna entrada para a próxima etapa de raciocínio. O modelo lê o retorno e decide se deve avançar, repetir ou mudar de direção.
Se a gravação de um arquivo falha, o sistema lê o erro. Se uma busca devolve resultados irrelevantes, reformula a consulta. Se um bloco de código produz saída incorreta, ele depura. O ciclo continua até a meta ser atingida ou o sistema concluir que está bloqueado.