Agentic engineering para o time inteiro.
Formação que vai do agent loop ao fine-tuning, feita sob medida: módulos, profundidade e exercícios definidos a partir da stack, dos sistemas e dos objetivos do seu time.

O que a formação cobre.
- Harness engineering
- Context engineering
- MCP 2026-07-28 (stateless)
- Agent Skills (SKILL.md)
- AGENTS.md
- Hooks and subagents
- Tool search
- Code mode
- MCP Apps
- OAuth 2.1
- A2A
- AG-UI
- Prompt caching
- Context compaction
- Contextual retrieval
- Hybrid search + reranking
- ColPali
- GraphRAG
- Durable execution
- LLM-as-judge
- pass^k
- Trajectory evals
- Lethal trifecta
- CaMeL
- Egress allowlists
- OWASP Top 10 for Agentic Applications
- OpenTelemetry GenAI
- Model cascades
- AI gateway
- LoRA / QLoRA
- DPO / KTO
- RFT with GRPO
- Multi-LoRA serving
- Spec-driven development
- EARS requirements
- Property-based testing
- EU AI Act
- ISO/IEC 42001
- NIST AI RMF
Programa.
Fundamentos de harness
Seu time escreve um agent loop do zero e monta o harness do repositório: AGENTS.md com comandos e limites, skills para playbooks repetidos e hooks que bloqueiam comandos perigosos e exigem testes passando para concluir.
- Agent loop com tool calling nativo
- AGENTS.md como mapa do repositório
- Skills, hooks ou subagentes: qual usar
- Verificação com testes, logs e browser
- Revisar o harness a cada novo modelo
Engenharia de contexto
Seu time mede quanto da janela vai para ferramentas, instruções e histórico, ordena o prompt para aproveitar o cache e decide quando compactar, quando reiniciar com um arquivo de handoff e o que guardar como memória.
- Orçamento de contexto e context rot
- Progressive disclosure e tool search
- Prompt caching e prefixo estável
- Compaction, context editing e resets
- Memória do agente e memory poisoning
RAG em produção
Antes de criar um índice, seu time verifica se o corpus cabe no prompt. Depois monta busca híbrida com reranker, aplica ACL na consulta e mede recall@k com perguntas reais a cada troca de chunking ou embedding.
- Parsing, chunking e contextual retrieval
- Busca híbrida, reranking e recall@k
- Busca como ferramenta do agente
- GraphRAG e RAG multimodal: quando usar
- ACLs, reindexação e RAG poisoning
Ferramentas e protocolos
Seu time projeta ferramentas por fluxo de trabalho, sobe um servidor MCP stateless com OAuth e escolhe o protocolo pela fronteira: MCP para ferramentas, A2A para agentes de outro time, AG-UI ou MCP Apps para a interface.
- Design de ferramentas e code mode
- Servidores MCP stateless com OAuth 2.1
- A2A: delegar para agentes de outro time
- AG-UI, MCP Apps e aprovação humana
- Computer use como último recurso
Orquestração multiagente
Sistemas multiagente gastam de 3 a 10 vezes mais tokens que um agente único. Seu time mede com evals quando compensa, divide o trabalho por contexto, deixa a escrita com um só agente e roda fluxos longos com checkpoints.
- Quando multiagente compensa
- Orquestrador e verificador independente
- Workflows em código e handoffs tipados
- Execução durável: checkpoints e retries
- Paralelismo com escrita centralizada
Evals
Seu time monta uma suíte de 20 a 50 tarefas tiradas de falhas reais, calibra o LLM-as-judge contra rótulos humanos e bloqueia no CI mudanças de prompt, ferramenta ou modelo que piorem o resultado além do ruído medido.
- Análise de erros em traces reais
- Graders: código, LLM-as-judge e humano
- pass@k, pass^k e intervalo de confiança
- Evals de resultado e de trajetória
- Gates de eval no CI e evals online
Guardrails e segurança
Ataques adaptativos contornam a maioria das defesas publicadas contra prompt injection. Seu time modela ameaças por agente, isola a execução com sandbox e allowlist de rede, audita servidores MCP e roda red team no CI.
- Lethal trifecta e Rule of Two
- Padrões seguros: dual LLM e CaMeL
- Sandbox, egress e permissões
- Supply chain de MCP, skills e plugins
- OWASP Top 10 para LLMs e agentes (2026)
AgentOps: observabilidade e custo
Seu time instrumenta agentes com OpenTelemetry, mede o custo de cada tarefa concluída por time e feature, limita tokens por execução e só adota roteamento de modelos se ele vencer o melhor modelo único nas suas evals.
- Tracing com OpenTelemetry GenAI
- Custo por tarefa e orçamento de tokens
- Roteamento, cascatas e modelo advisor
- AI gateway: chaves, limites e MCP
- SLOs, detecção de loop e kill switch
Customização de modelos
Seu time só faz fine-tuning se engenharia de contexto, RAG e otimização automática de prompt não bastarem nas evals. Então treina LoRA em modelo open-weight, serve os adapters e roda regressão de segurança a cada versão.
- Fine-tuning ou não: decisão por evals
- SFT com LoRA e QLoRA em open-weight
- Preference tuning com DPO e KTO
- RFT e GRPO com recompensas verificáveis
- Destilação e serving multi-LoRA
Spec-driven development
Seu time decide quando uma mudança pede spec, escreve critérios de aceite que um teste consegue checar, revisa PRs de agente com evidência de testes e define quando a aprovação de uma IA conta no merge.
- Quando escrever spec e quando pular
- Critérios em EARS e property-based tests
- Specs no repositório e controle de drift
- Revisão de PR de agente com evidências
- Do issue ao merge: fluxo e métricas
Governança de IA
Seu time classifica cada sistema e agente pelo EU AI Act com os prazos pós-Omnibus, mapeia base legal e transferências (LGPD e GDPR) de cada fluxo com LLM e escreve políticas de uso por equipe, aplicadas nas ferramentas.
- EU AI Act: prazos e níveis de risco
- LGPD, GDPR e transferência internacional
- ISO/IEC 42001 mapeada ao NIST AI RMF
- Inventário de IA e dono por agente
- Política de uso e AI literacy comprovada
Formatos.
1 dia
Workshop executivo
Para liderança técnica e de produto. Onde IA gera retorno, onde gera risco e como decidir.
3 dias
Imersão técnica
Para engenheiros. Harness, MCP, evals e orquestração aplicados em um repositório real.
8 semanas
Formação completa
O time, de dev a liderança, constrói o harness da empresa com a nossa mentoria e o coloca em produção.
Montamos a trilha a partir da sua stack.
Diagnóstico rápido do time, escolha dos módulos e um projeto real como entrega final.