AI agent vs workflow: quando deve um modelo escolher os passos?
Tradução automática Este artigo foi traduzido automaticamente a partir da versão original em inglês.
Use um workflow quando consegue escrever antecipadamente os passos e os ramos. Use um agent quando as regras predefinidas não conseguem abranger de forma fiável a próxima ação útil e um modelo tem de interpretar os resultados para a escolher. Os workflows podem criar ramos com base nos tool results e chamar modelos para classificar pedidos ou escrever resumos. Só estas funcionalidades não exigem um agent loop.
Eu começaria por um workflow fixo e acrescentaria passos escolhidos pelo modelo apenas nos pontos em que este falha em tarefas reais. Isto segue a distinção da Anthropic entre workflows predefinidos e agents dirigidos pelo modelo. A questão útil é saber o que o modelo precisa de decidir, antes de escolher um framework.
Última revisão: 2026-09-08.
Compare dois pedidos de suporte
“Onde está a encomenda 123?” tem um percurso conhecido: verificar o acesso, obter a encomenda, consultar o respetivo estado de expedição e devolver o resultado. Um modelo pode formular a resposta, mas não precisa de decidir qual o sistema a consultar a seguir. Encomendas inexistentes e erros de serviço podem ter ramos explícitos.
“Porque é que este job falha apenas depois de um reinício?” é menos previsível. O primeiro log pode indicar um ficheiro em falta, uma credencial obsoleta ou um serviço que arranca demasiado tarde. Um agent pode inspecionar esse resultado e escolher a verificação seguinte. Ainda assim, a aplicação tem de restringir os ficheiros e as ferramentas que pode utilizar.
Este segundo padrão é o núcleo do ReAct: alternar entre ações e observações que podem alterar a ação seguinte. Isto acrescenta flexibilidade, mas também mais oportunidades para escolher um passo pouco útil.
Escolha a menor quantidade possível de controlo pelo modelo
| O que a tarefa exige | Ponto de partida | O que continua a ser da sua responsabilidade |
|---|---|---|
| Passos conhecidos e ramos de erro | Workflow normal | Validação, retries e gestão de falhas |
| Uma escolha entre percursos conhecidos | Classifier seguido de workflows fixos | Testes de routing e um percurso para casos incertos |
| Um plano de ferramentas que pode ser escrito antes da execução | Grafo de ferramentas planeado, como ReWOO | Validação do plano e recuperação quando as premissas falham |
| As ações seguintes exigem julgamento do modelo | Agent loop limitado, como ReAct | Permissões das ferramentas, regras de paragem e verificações de conclusão |
| Subtarefas grandes com exploração local | Plan-and-execute | Estado partilhado e regras explícitas para alterar o plano |
Um plano produzido por um modelo também precisa de ser validado antes da execução. ReWOO separa o planeamento, a execução de ferramentas e a síntese da resposta; não fornece as regras de permissões ou de recuperação da sua aplicação. Se a sequência de ferramentas já estiver definida no código, um plano escrito pelo modelo pode não acrescentar qualquer valor.
Teste a decisão antes de adicionar mais agents
Compare o workflow fixo e o agent nas mesmas tarefas, com as mesmas ferramentas, dados e orçamento total. Inclua um resultado em falta, um timeout e um resultado que altere o próximo passo mais provável. Conte as tentativas falhadas e inacabadas. Meça a conclusão correta, as ações desnecessárias, o tempo decorrido e o custo.
Para qualquer percurso que altere estado externo, verifique o que aconteceu antes de repetir uma chamada que sofreu timeout. Uma resposta perdida pode ocultar uma ação concluída; a aplicação precisa de um ID de operação estável ou de uma consulta de estado fiável. A orientação da AWS sobre retries seguros explica o contrato de identidade do pedido.
Mantenha o agent apenas se as escolhas adicionais resolverem falhas suficientes do workflow para justificarem o custo. Dividir o mesmo trabalho por vários agents é uma experiência distinta.
Leitura adicional
- AI agent reasoning loops compara ReAct, ReWOO e plan-and-execute através de um sistema completo.
- Harness engineering explica quem verifica as ações e decide que o resultado está concluído.
- Long-running agent runtimes aborda a recuperação quando o trabalho ultrapassa o tempo de vida do worker.
- Agent framework comparison ajuda a escolher uma implementação quando o fluxo de controlo já está claro.