Agente de IA com tool-use o que é e o que ele resolve

Um agente de IA com tool-use é um modelo de linguagem que recebe a descrição de funções disponíveis e pode chamá-las, ler o resultado e decidir o próximo passo até concluir a tarefa. A diferença prática em relação a um chatbot é a de descrever versus fazer: perguntado sobre um pedido atrasado, o chatbot explica como abrir uma ocorrência; o agente consulta o rastreio, identifica o problema e abre a ocorrência.

Como o tool-use funciona por dentro

O mecanismo é mais simples do que o nome sugere e não envolve o modelo executando código.

1. Você declara as ferramentas. Junto com a pergunta, o sistema envia à API uma lista de funções em formato estruturado: nome, descrição do que fazem, parâmetros esperados e tipos.

consultar_pedido(numero: string) -> status, previsão, transportadora
buscar_na_base(pergunta: string) -> trechos com fonte
abrir_ocorrencia(pedido: string, motivo: string) -> protocolo

2. O modelo decide. Em vez de responder em texto, ele pode devolver uma chamada estruturada: consultar_pedido("BR-88213"). Isso é só um JSON, o modelo não executou nada.

3. Seu código executa. A sua aplicação recebe esse JSON, valida os parâmetros, verifica permissões e chama a API real. Este é o ponto de controle: nada acontece fora do que o seu código autoriza.

4. O resultado volta ao modelo. A resposta da função entra no histórico da conversa e o modelo continua o raciocínio. Ele pode chamar outra ferramenta, ou concluir e responder ao usuário.

5. O ciclo repete até o modelo produzir uma resposta final ou até bater o limite de passos que você definiu.

A descrição da ferramenta é parte do prompt e importa tanto quanto o código. Descrição vaga produz chamada errada, parâmetro inventado e ferramenta usada fora de hora.

O que muda quando a IA pode agir

A diferença não é de inteligência do modelo. É de acesso. Um modelo sem ferramentas está preso ao que foi escrito no prompt; com ferramentas, ele alcança o estado atual dos seus sistemas.

Onde agentes realmente resolvem

Tool-use compensa em tarefas com três características: vários passos, dependência de dados ao vivo e caminho variável.

Exemplos que se encaixam bem:

• Atendimento transacional. Consultar pedido, emitir segunda via, atualizar cadastro, abrir chamado, tudo com verificação de identidade antes.
• Triagem operacional. Ler um e-mail ou mensagem, classificar, buscar o histórico do cliente e encaminhar ao setor certo com um resumo.
• Cobrança e conciliação. Consultar título em aberto, checar se houve pagamento, gerar segunda via e registrar a tratativa.
• Operações internas. "Quantos chamados abertos do cliente X estão parados há mais de 5 dias?", o agente monta a consulta, executa e resume.
• Preenchimento assistido. Ler um documento, extrair campos, consultar o cadastro e propor o registro para aprovação humana.

Onde não compensa: fluxo linear e fixo. Se o processo é sempre A, depois B, depois C, sem ramificação, escreva o código. Um agente ali só adiciona latência, custo por token e variação de comportamento onde não deveria haver nenhuma.

Os limites que precisam estar no projeto

Agente sem limite é um risco operacional. Cinco controles são obrigatórios:

Permissão mínima na API. O agente usa credenciais próprias, com escopo restrito ao que ele precisa. Nunca as credenciais de um administrador.

Ações que exigem confirmação humana. Qualquer coisa irreversível ou com efeito financeiro: reembolso, cancelamento, exclusão, desconto, envio para lista. O agente propõe, a pessoa aprova.

Teto de passos e de custo. Um limite de iterações por conversa evita laço infinito, e um teto de tokens evita conta surpresa.

Log de tudo. Cada chamada de ferramenta, com parâmetros, resultado e horário. Sem esse registro é impossível auditar um erro depois.

Validação antes da execução. O modelo pode inventar um parâmetro ou passar um formato errado. Valide tipo, faixa e existência do registro no seu código, sempre, nunca confie no que o modelo produziu.

Agente e RAG trabalham juntos

Na prática, a busca na base de conhecimento vira uma ferramenta entre as outras. O agente decide, a cada pergunta, se precisa consultar documentos (RAG), consultar um sistema ao vivo (API) ou os dois.

Essa combinação é o desenho mais comum em produção e é o padrão dos sistemas que a Retti Tech coloca no ar: um agente com um punhado de ferramentas bem descritas, uma delas sendo a busca no conhecimento interno, e limites claros sobre o que exige aprovação humana.

Como começar sem se perder

Comece com uma ferramenta só, a mais consultada. Um agente com uma função bem feita e bem descrita entrega mais que um com doze funções vagas, e é infinitamente mais fácil de depurar.

Depois:

1. Meça quantas vezes o agente escolhe a ferramenta certa
2. Meça quantas vezes ele monta os parâmetros corretamente
3. Só então adicione a segunda ferramenta

Quanto mais ferramentas parecidas entre si, maior a chance de escolha errada. Nomes e descrições precisam deixar claro quando usar cada uma, não só o que ela faz. Essa é a parte do trabalho que mais se parece com escrever documentação, e é onde o resultado é decidido.