Módulo 06 — Frameworks de agentes

⏱ ~114 min total 11 tópicos Conteúdo validado em: 2026-04-29

O ecossistema de frameworks para agentes de IA explodiu entre 2023 e 2026. Este módulo cobre os principais players — do LangChain até o Microsoft Agent Framework 1.0 — com foco em quando usar cada um e como se relacionam com a stack .NET/Azure que você já conhece.

🏢 Relevância para CEO .NET: A decisão de framework vai impactar seu time por anos. LangChain e LangGraph dominam o mercado Python, mas para uma empresa .NET/Azure com clientes M365, o Agent Framework 1.0 da Microsoft é a escolha natural — e vale entender todos os outros para tomar decisões técnicas informadas e conversar com clientes de stacks diferentes.

Estrutura do módulo

06-01 — LangChain Ecosystem

06-01-01

LangChain: filosofia, LCEL, runnables

O framework Python mais popular para LLM apps. LCEL e a interface Runnable como base para composição de chains.

⏱ 15 min Python LCEL

06-01-02

LangGraph: grafos de estado para agentes complexos

StateGraph, checkpointing, human-in-the-loop. A escolha certa quando o AgentExecutor não é suficiente.

⏱ 15 min Python Graph State

06-02 — Data Frameworks

06-02-01

LlamaIndex: foco em dados, RAG e agentes data-aware

Não é um agent framework — é um data framework. O melhor do mercado para indexação e retrieval sofisticado.

⏱ 12 min Python RAG VectorStore

06-03 — Microsoft Stack

06-03-01

Semantic Kernel: plugins, kernel, AI services

Orquestrador de IA da Microsoft. C# + Python. A fundação do Agent Framework 1.0.

⏱ 15 min C# Azure Enterprise

06-03-02

AutoGen: origens e contribuições para multi-agent

Do GroupChat ao actor model. Como a pesquisa da Microsoft virou produção.

⏱ 12 min Python Multi-agent

06-03-03

Microsoft Agent Framework 1.0: a convergência GA abril/2026

SK + AutoGen em uma plataforma estável. APIs com SLA. .NET 9 + Python 3.10+. Deploy no Foundry.

⏱ 15 min C# Python Enterprise

06-03-04

Agent Framework 1.0: MCP nativo, A2A, graph workflow

Os três diferenciais técnicos: tool discovery via MCP, colaboração cross-framework via A2A, fluxos stateful via graph engine.

⏱ 15 min MCP A2A Graph

06-04 — Outros frameworks e decisão

06-04-01

CrewAI e Pydantic AI

CrewAI: role-based multi-agent para prototipagem rápida. Pydantic AI: agentes type-safe com output validado.

⏱ 10 min Python Multi-agent

06-04-02

Google Agent Development Kit (ADK)

Framework oficial do Google para agentes Gemini. A2A nativo, MCP, deploy no Vertex AI.

⏱ 10 min Python Gemini GCP

06-04-03

Quando usar qual: decision matrix

Tabela comparativa e árvore de decisão. Recomendações por cenário: .NET/Azure, Python, GCP, RAG, prototipagem.

⏱ 12 min Decision Matrix

06-04-04

🎯 Desafio: mesmo agente em LangGraph e AF 1.0

Código lado a lado. Agente clima + roupa nos dois frameworks. Compare: linhas, complexidade, observabilidade.

⏱ 10 min Hands-on Comparativo

Progresso do módulo

0 de 11 tópicos concluídos