 |
| Bellacosa Mainframe e a ia agentica |
☕ Um Café no Bellacosa Mainframe
IA Agêntica: Muito Além do ChatGPT — Como Pensar Como um Arquiteto de Sistemas Inteligentes
"O futuro da programação não será escrever mais código. Será ensinar agentes inteligentes a escrever, colaborar e tomar decisões com responsabilidade."
Durante muitos anos, aprender programação significava dominar uma linguagem.
Depois vieram os frameworks.
Depois a nuvem.
Depois DevOps.
Depois Containers.
Depois Kubernetes.
Agora estamos entrando em uma nova fase.
A era da IA Agêntica (Agentic AI).
Se você é um programador júnior, principalmente vindo do mundo corporativo, talvez esteja pensando:
"Isso é só mais um nome bonito para ChatGPT?"
A resposta é um enorme não.
Estamos diante de uma mudança comparável ao nascimento da Internet ou da computação em nuvem.
Hoje não estamos ensinando computadores apenas a responder perguntas.
Estamos ensinando computadores a trabalhar.
E isso muda absolutamente tudo.
Pegue seu café.
Hoje vamos entender como funciona a arquitetura dos agentes inteligentes.
O que realmente é IA Agêntica?
Um chatbot responde.
Um agente resolve problemas.
Existe uma enorme diferença.
Imagine que você diga:
"Meu programa COBOL está com erro."
Um chatbot provavelmente responderá:
"Mostre o código."
Um agente faria algo completamente diferente.
Ele poderia:
localizar o programa no Git
abrir o histórico de alterações
identificar quem modificou
executar os testes
consultar o banco de dados
pesquisar documentação IBM
comparar versões
sugerir correções
criar um Pull Request
pedir sua aprovação
atualizar o Jira
Percebe?
Ele não apenas conversa.
Ele trabalha.
É exatamente por isso que chamamos essa nova geração de Agentes de IA.
Um agente é como um operador de Mainframe
Quem trabalha com IBM Z entende isso muito rápido.
Imagine um operador experiente do z/OS.
Ele observa:
JOBs
filas JES2
consumo de CPU
logs
CICS
DB2
RACF
Storage
Depois toma decisões.
Um agente faz exatamente isso.
A diferença é que ele faz isso em segundos.
Os 12 pilares da IA Agêntica
Esses conceitos aparecem em praticamente todas as arquiteturas modernas.
Não importa se você usa:
OpenAI
Claude
Gemini
Microsoft Copilot
Amazon Bedrock
IBM watsonx
LangGraph
CrewAI
AutoGen
Todos utilizam praticamente os mesmos fundamentos.
Vamos entender cada um.
1. MCP — O USB-C da Inteligência Artificial
Durante anos cada ferramenta criou sua própria API.
Cada integração era diferente.
Hoje existe o MCP.
Model Context Protocol.
Pense nele como o USB-C.
Você conecta qualquer dispositivo.
Na IA acontece o mesmo.
O agente conversa com GitHub.
Depois Jira.
Depois Slack.
Depois PostgreSQL.
Depois SAP.
Depois IBM Z.
Tudo utilizando um mesmo protocolo.
Para quem é desenvolvedor isso significa menos código, menos manutenção e muito mais reutilização.
Curiosidade
O MCP está se tornando para a IA o que HTTP foi para a Internet.
Estamos assistindo ao nascimento de um novo padrão mundial.
2. O Loop do Agente
Todo agente vive preso em um ciclo.
Perceber
↓
Planejar
↓
Executar
↓
Observar
↓
Aprender
↓
Repetir
Isso parece simples.
Mas é exatamente como um ser humano trabalha.
Imagine um DBA.
Ele percebe uma lentidão.
Analisa índices.
Planeja um REORG.
Executa.
Observa.
Se não resolveu, tenta novamente.
O agente faz exatamente isso.
Dica Bellacosa
Se seu agente apenas responde perguntas...
Ele ainda não é um verdadeiro agente.
3. Ferramentas
Essa talvez seja a maior surpresa para quem está começando.
Modelos de IA não fazem quase nada sozinhos.
Eles apenas pensam.
Quem realmente trabalha são as ferramentas.
Exemplos:
executar SQL
enviar e-mails
criar PDFs
chamar APIs
consultar banco
executar JCL
abrir chamados
gerar gráficos
Sem ferramentas...
O agente é apenas um excelente escritor.
Analogia
Imagine um excelente mecânico.
Sem ferramentas.
Ele continua sabendo consertar motores.
Mas não consegue fazer nada.
4. O Orquestrador
Agora imagine uma empresa.
Existe um gerente.
Ele não faz tudo.
Ele distribui trabalho.
Na IA esse gerente chama-se Orquestrador.
Ele recebe um objetivo.
Depois decide quem fará cada parte.
É praticamente um Scrum Master misturado com um arquiteto de software.
Exemplo
Recebe:
"Atualize toda documentação do sistema."
Ele divide.
Agente Git.
Agente Markdown.
Agente UML.
Agente Testes.
Agente QA.
Cada especialista resolve sua parte.
5. Subagentes
Você provavelmente sabe um pouco de tudo.
Mas conhece alguém que sabe muito de DB2.
Outro domina RACF.
Outro conhece CICS.
Outro é especialista em COBOL.
Os agentes funcionam exatamente assim.
Cada um possui uma especialidade.
Isso reduz erros.
Aumenta qualidade.
E melhora desempenho.
Easter Egg
Isso lembra muito os personagens de um RPG.
Cada classe possui habilidades específicas.
Um Guerreiro não lança magia.
Um Mago não usa armadura pesada.
Na IA acontece exatamente igual.
6. Memória
Sem memória não existe inteligência.
Existe apenas repetição.
Os agentes possuem vários tipos de memória.
Curto prazo
Lembram da conversa atual.
Longo prazo
Lembram de dias, meses ou anos.
Memória Vetorial
Guardam conhecimento por similaridade.
Memória Episódica
Lembram do que aconteceu.
Memória Semântica
Lembram conceitos.
Imagine perguntar:
Continue aquele artigo sobre COBOL.
Sem memória...
O agente pergunta:
"Qual artigo?"
Com memória...
Ele continua exatamente de onde parou.
Curiosidade
Nos próximos anos veremos agentes com memória de meses ou até anos de interação.
Será algo semelhante a um colega de trabalho.
7. Grounding
Esse talvez seja o conceito mais importante de todos.
Grounding significa:
Responder usando fatos.
Não imaginação.
Imagine perguntar:
"Quantos JOBs estão em HOLD?"
Sem grounding:
"Talvez existam 12."
Com grounding:
Consulta SDSF.
Depois responde.
Muito mais seguro.
RAG não é Grounding
Muita gente confunde.
RAG é apenas uma técnica.
Grounding é um conceito muito maior.
Pode utilizar:
APIs
sensores
bancos
documentos
logs
arquivos
sistemas ERP
8. Guardrails
Imagine um carro sem freios.
Bonito.
Rápido.
Perigoso.
Guardrails são os freios da IA.
Eles impedem ações inadequadas.
Por exemplo:
❌ apagar banco
❌ excluir usuários
❌ enviar PIX
❌ alterar produção
Sem autorização.
Analogia Mainframe
Guardrails lembram muito o RACF.
Nem todo usuário pode fazer tudo.
9. Sandboxing
Nunca execute código desconhecido diretamente na produção.
Jamais.
Primeiro teste.
Depois valide.
Depois publique.
Sandbox é exatamente isso.
Uma área isolada.
Exemplo
O agente gera um script Python.
Antes de executá-lo:
Sandbox.
Se funcionar...
Produção.
Curiosidade
Grande parte das plataformas modernas de IA executa código em ambientes isolados justamente para evitar impactos em sistemas reais.
10. Human in the Loop
A IA ajuda.
Mas a decisão final continua sendo humana.
Imagine:
"Excluir 40 milhões de registros."
Você realmente deixaria uma IA fazer isso automaticamente?
Provavelmente não.
Ela sugere.
Você aprova.
Empresas adoram isso
Porque reduz riscos.
E mantém governança.
11. Janela de Contexto
Todo modelo possui limite.
Imagine uma mesa.
Quanto maior a mesa...
Mais documentos você consegue abrir.
Quanto menor...
Menos informações cabem.
A janela de contexto funciona exatamente assim.
Hoje alguns modelos trabalham com centenas de milhares de tokens.
Isso permite analisar:
livros
projetos
documentação
códigos enormes
Dica Bellacosa
Mais contexto não significa necessariamente melhor resposta.
Contexto ruim gera respostas ruins.
12. Sistemas Multiagentes
Chegamos ao nível mais avançado.
Imagine uma empresa inteira.
Cada funcionário faz uma parte.
O gerente coordena tudo.
Os agentes fazem exatamente isso.
Existe:
Agente Financeiro.
Agente Jurídico.
Agente Marketing.
Agente Segurança.
Agente DevOps.
Agente DBA.
Todos colaborando.
Como isso pode funcionar no IBM Mainframe?
Imagine um incidente em produção.
09:42.
CPU dispara.
O que acontece?
O orquestrador entra em ação.
Ele chama:
✔ Agente RMF
Analisa desempenho.
✔ Agente JES2
Verifica JOBs.
✔ Agente DB2
Analisa SQL.
✔ Agente CICS
Verifica transações.
✔ Agente RACF
Confirma segurança.
✔ Agente Documentação
Consulta procedimentos.
✔ Agente DevOps
Prepara correção.
Tudo isso em paralelo.
Em poucos segundos.
É praticamente um NOC inteiro trabalhando simultaneamente.
A profissão do futuro
Durante décadas existiram:
Programadores.
Depois vieram:
Arquitetos.
Depois:
DevOps.
Agora começa a surgir uma nova profissão.
Engenheiro de Agentes de IA (AI Agent Engineer).
Esse profissional não escreve apenas código.
Ele projeta equipes inteiras de agentes.
Define:
ferramentas
memória
protocolos
segurança
comunicação
colaboração
aprovação humana
É uma mistura de desenvolvedor, arquiteto, analista de negócios e engenheiro de software.
Dicas para quem está começando
Se você deseja entrar no universo da IA Agêntica, siga uma trilha sólida de aprendizado:
Domine lógica de programação antes de depender da IA.
Aprenda Python, pois é a linguagem mais usada para orquestrar agentes.
Entenda APIs REST e GraphQL para conectar ferramentas.
Estude bancos relacionais e vetoriais.
Aprenda Git e GitHub para colaboração.
Conheça Docker para criar ambientes isolados (sandbox).
Estude conceitos de segurança, autenticação e autorização.
Explore RAG, MCP, LangGraph, CrewAI e AutoGen.
Pratique com pequenos agentes antes de construir sistemas complexos.
Nunca esqueça que a IA amplia o conhecimento existente; ela não substitui fundamentos de arquitetura, algoritmos e boas práticas.
Curiosidades
🤖 Um único agente pode utilizar dezenas de ferramentas diferentes durante uma única tarefa.
🧠 Memórias vetoriais não armazenam frases exatamente como um banco SQL; elas representam significados em espaços matemáticos de alta dimensão.
⚙️ Muitos agentes modernos já executam ciclos autônomos de planejamento, correção e replanejamento antes de apresentar uma resposta.
🌐 O conceito de múltiplos agentes trabalhando em conjunto lembra sistemas distribuídos e arquiteturas de microsserviços, mas aplicado ao raciocínio.
🏢 Empresas estão criando "equipes digitais", nas quais agentes especializados colaboram com profissionais humanos em atividades de engenharia, atendimento, operações e análise de dados.
Easter Eggs para os apaixonados por tecnologia
🥚 Easter Egg #1 – O operador invisível
Se você trabalhou com operadores de console no z/OS, talvez perceba que um agente moderno se comporta como um operador experiente que nunca dorme, nunca esquece um procedimento e consulta toda a documentação antes de agir.
🥚 Easter Egg #2 – Os Vingadores da IA
Um sistema multiagente lembra uma equipe de super-heróis: cada membro possui um poder específico, mas as missões realmente complexas só são resolvidas quando todos atuam juntos sob uma boa liderança.
🥚 Easter Egg #3 – A ponte entre o legado e o futuro
Quem domina COBOL, CICS, DB2, JCL e RACF já entende conceitos como especialização, governança, filas, transações e segurança. Surpreendentemente, esses mesmos princípios aparecem nas arquiteturas mais modernas de IA Agêntica. O legado não está ficando para trás; ele está servindo de base para construir a próxima geração de sistemas inteligentes.
Conclusão
A IA Agêntica não representa apenas uma evolução dos chatbots; ela inaugura uma nova forma de construir software. Em vez de aplicações que apenas respondem comandos, passamos a projetar ecossistemas de agentes capazes de perceber eventos, planejar estratégias, utilizar ferramentas, colaborar entre si, aprender com experiências anteriores e operar dentro de regras rígidas de segurança e governança.
Para o programador júnior, essa é uma oportunidade extraordinária. Quem aprender desde cedo conceitos como MCP, memória, grounding, orquestração, subagentes, guardrails e sistemas multiagentes estará preparado para desenvolver as soluções que definirão a próxima década da engenharia de software.
No fim das contas, a tecnologia muda, as ferramentas evoluem e os modelos ficam cada vez mais poderosos. Porém, um princípio permanece inalterado desde os primeiros computadores até os modernos agentes inteligentes: bons sistemas nascem de boas arquiteturas. E compreender esses doze pilares é o primeiro passo para deixar de apenas usar IA e começar a construir, de forma consciente e profissional, a inteligência que moverá as empresas do futuro.
"Na computação, quem entende apenas as ferramentas acompanha as tendências. Quem entende os princípios constrói o futuro." — Bellacosa Mainframe
