De chatbots a agentes IA: MCP, A2A e sistemas Multi-Agent

Um chatbot responde. Um agente age.

Essa distinção determina o valor da IA nas empresas em 2026. Um chatbot responde perguntas: “Quantos dias de férias ainda tenho?”. Um agente executa processos. A diferença não é gradual, é fundamental.

Um exemplo concreto: um funcionário apresenta atestado médico. O agente de RH recebe o atestado, verifica a completude do formulário, confronta o período com a escala de trabalho, notifica o líder da equipe, ajusta o planejamento de capacidade e documenta o processo no prontuário do funcionário. Quatro sistemas, um agente, zero intervenções manuais. Cada passo rastreável, cada passo no Audit Trail.

Isso não é cenário de futuro. É o estado da arte em 2026. E é a razão pela qual a arquitetura de agentes IA é uma decisão estratégica, não uma tarefa exclusiva do departamento de TI.

Este artigo descreve a arquitetura de agentes para ambientes corporativos, explica os novos padrões MCP e A2A, apresenta cinco casos de uso concretos com potencial de economia mensurável e define os requisitos de Governance sem os quais nenhum agente deve ir para produção.

A arquitetura do agente: cinco camadas

Um agente IA não é um sistema monolítico. A arquitetura corporativa consiste em cinco camadas, cada uma com uma responsabilidade claramente definida:

┌─────────────────────────────────────────┐
│          Interface do usuário            │
│     (very-ai / Teams / Custom)           │
├─────────────────────────────────────────┤
│        Camada de orquestração            │
│   (Routing, motor de regras, escalação)  │
├─────────────────────────────────────────┤
│          Camada do modelo IA             │
│  (Claude / GPT / Llama -- por tarefa)    │
├─────────────────────────────────────────┤
│      Integração de ferramentas (MCP)     │
│  (ERP, CRM, DMS, email, calendário...)   │
├─────────────────────────────────────────┤
│      Governance & Audit Layer            │
│  (Logging, políticas, Human-in-the-Loop) │
└─────────────────────────────────────────┘

Interface do usuário. A camada pela qual funcionários interagem com o agente. Pode ser um portal de IA dedicado (como descrito em Portal Enterprise AI: Quatro interfaces Open Source em comparação), uma integração com Microsoft Teams ou uma interface personalizada para departamentos específicos.

Camada de orquestração. Aqui se decide qual agente assume uma tarefa, qual modelo é utilizado e quando escalar. A orquestração conhece os conjuntos de regras, as responsabilidades e as rotas de escalação. É o centro de controle.

Camada do modelo IA. O modelo de linguagem que realiza o processamento propriamente dito: compreender textos, reconhecer padrões, gerar respostas. Em uma arquitetura agnóstica de modelo, essa camada é intercambiável. Um modelo econômico para consultas padrão, um mais poderoso para análises complexas. O roteamento acontece automaticamente.

Integração de ferramentas (MCP). A conexão com seus sistemas existentes: ERP, CRM, gestão documental, email, calendário, sistema de tickets. Através do Model Context Protocol (MCP), os agentes acessam esses sistemas de forma padronizada.

Governance & Audit Layer. Cada ação do agente é registrada. Políticas definem o que um agente pode e não pode fazer. Human-in-the-Loop é imposto onde necessário. Essa camada não é opcional. É o pré-requisito para o deploy em produção. O Decision Layer forma a base arquitetônica desse Governance.

MCP e A2A: os novos padrões

Dois protocolos mudaram em 2025/2026 a forma como agentes IA se comunicam com o mundo externo e entre si: MCP (Model Context Protocol) e A2A (Agent-to-Agent).

MCP: A porta USB para IA

MCP é um padrão aberto que permite a modelos de IA acessar fontes de dados externas e ferramentas. A analogia é precisa: assim como USB criou uma interface universal para hardware, MCP cria uma interface universal para integrações de IA.

Antes do MCP, cada combinação de modelo de IA e sistema-alvo exigia um conector específico. Agente A acessa o ERP: um conector. Agente B acessa o DMS: outro conector. Agente C acessa o calendário: mais um conector. Com dez sistemas e três modelos, são trinta integrações individuais.

Com MCP, cada sistema define suas capacidades uma vez em um formato padronizado: Quais dados pode fornecer? Quais ações pode executar? Quais parâmetros são necessários? Qualquer modelo compatível com MCP pode utilizar essas capacidades sem código específico do sistema.

Para empresas, isso significa: novos sistemas podem ser conectados mais rapidamente. Modelos podem ser trocados sem reconstruir integrações. A dependência de fornecedores individuais de modelos diminui.

A2A: Agentes conversando entre si

A2A (Agent-to-Agent) é o equivalente do MCP para a comunicação entre agentes. Enquanto MCP rege a conexão agente-sistema, A2A rege a conexão agente-agente.

Por que isso importa? Porque processos de negócio complexos raramente são cobertos por um único agente. Um atestado médico afeta RH, planejamento de capacidade, folha de pagamento e potencialmente gestão de projetos. Cada área tem um agente especializado. A2A permite a esses agentes delegar tarefas e trocar resultados, com permissões definidas.

Ponto crítico: A2A não significa acesso compartilhado a dados. O agente de RH transmite ao agente financeiro a informação “Funcionário X ausente a partir da data Y”, não o prontuário completo. Cada agente vê apenas o que precisa para sua tarefa. Os limites de permissão permanecem intactos.

5 casos de uso com potencial de economia concreto

A pergunta que gestores fazem não é “O que um agente pode fazer?” mas “O que um agente entrega?”. Aqui estão cinco casos de uso com potencial de economia mensurável:

Área	Caso de uso	O que o agente faz	Potencial de economia
RH	Onboarding	Criar contas, atribuir treinamentos, agendar reuniões de integração, enviar email de boas-vindas	4-6 h por contratação
Finanças	Verificação de faturas	Ler fatura, verificar contra pedido de compra, conferir contabilização, disparar fluxo de aprovação	70-80% menos tempo de processamento
Jurídico	Análise de contratos	Extrair cláusulas, comparar com contratos-padrão, sinalizar desvios	Horas em vez de dias
TI	Triagem de incidentes	Analisar relato de erro, comparar com issues conhecidos, criar ticket priorizado	Resposta inicial mais rápida
Operações	Monitoramento de fornecedores	Rastrear prazos de entrega, confrontar com plano de produção, alerta proativo sobre atrasos	Alerta antecipado em vez de retrabalho

Cada um desses casos de uso segue o mesmo padrão: o agente assume a parte estruturada e baseada em regras do processo. O humano cuida das exceções, das decisões que exigem julgamento e das aprovações. A economia de tempo não vem da eliminação do trabalho humano, mas da eliminação de tarefas manuais rotineiras.

Onboarding de RH em detalhe. Hoje, um analista de RH coordena manualmente cada nova contratação: criar contas de TI, configurar direitos de acesso, atribuir treinamentos obrigatórios, preparar o plano de integração, redigir o email de boas-vindas, configurar a folha de pagamento. Cada passo em um sistema diferente, cada passo uma entrada manual. Um agente de onboarding orquestra esses passos automaticamente: lê o contrato de trabalho, identifica cargo, localização e departamento, e executa os passos nos sistemas correspondentes. O analista de RH aprova o processo como um todo, não cada passo individual.

Verificação de faturas em detalhe. Uma fatura recebida é lida pelo Document Agent. O agente extrai fornecedor, valor, itens e número do pedido de compra. Verifica automaticamente: Existe um pedido correspondente? Os itens e valores conferem? A contabilização está correta? O valor está dentro dos limites de aprovação? Com resultado positivo, o lançamento contábil é preparado. Em caso de desvios, o caso é escalado ao responsável, com o motivo concreto do desvio, não com uma mensagem genérica “favor verificar”.

Requisitos de Governance para agentes

Um agente sem Governance é um risco. Quatro requisitos devem ser atendidos antes do deploy em produção:

1. Decision Layer. Cada decisão do agente passa pelo Decision Layer. Para cada microdecisão, define-se: O agente pode agir de forma autônoma, aplica-se um conjunto de regras, ou um humano deve aprovar? Essas regras são versionadas, rastreáveis e não podem ser modificadas pelo próprio agente.

2. Human-in-the-Loop. Para tipos de decisão definidos, a arquitetura impõe revisão humana. Isso não é uma funcionalidade que pode ser ativada. É um princípio arquitetônico. O agente não pode contornar o requisito de Human-in-the-Loop porque ele é imposto tecnicamente, não acordado organizacionalmente.

3. Audit Trail. Cada ação do agente gera um registro imutável: Qual foi o input? Qual modelo foi usado? Qual regra foi aplicada? Qual foi o resultado? Quando a ação foi executada? O Audit Trail é a base para auditorias financeiras, revisão interna e fiscalização pela representação dos trabalhadores (sindicatos/CRE; PT: Comissão de Trabalhadores) ou comitê interno.

4. Rollback. Cada ação do agente deve ser reversível. Se um agente gera um lançamento contábil errado ou envia uma notificação incorreta, o processo deve poder ser corrigido — tecnicamente, não apenas organizacionalmente. A capacidade de rollback é um requisito arquitetônico, não uma adição posterior.

Esses quatro requisitos são inegociáveis. Sem eles, nenhuma representação dos trabalhadores (sindicatos/CRE; PT: Comissão de Trabalhadores) consentirá, nenhum auditor aprovará e nenhum CIO assumirá a responsabilidade. Mais sobre a arquitetura de Governance no próximo artigo: Decision Layer & Shadow AI.

Sistemas Multi-Agent: especialização em vez de agente universal

O próximo nível após o agente individual: múltiplos agentes especializados trabalhando juntos. Não um agente universal que faz tudo, mas especialistas que dominam cada um uma única área.

O exemplo do atestado médico como sistema Multi-Agent:

Atestado médico recebido
         │
    Document Agent  →  Lê e classifica o atestado médico
         │
      HR Agent      →  Verifica regras: auxílio-doença, reintegração, prazos
         │
    Workflow Agent  →  Notifica o líder, ajusta escala
         │
    Finance Agent   →  Atualiza folha de pagamento

Cada agente tem suas próprias permissões. O Document Agent pode ler documentos, mas não pode criar lançamentos contábeis. O Finance Agent pode ajustar a folha de pagamento, mas não pode acessar prontuários de funcionários. Os limites de permissão são impostos arquitetonicamente. Pelo protocolo A2A, os agentes comunicam apenas as informações que o agente receptor precisa para sua tarefa.

O agente orquestrador coordena o fluxo geral. Ele sabe qual agente executa qual passo, em qual sequência e o que acontece em caso de erros. O orquestrador tem visão geral, mas não tem permissões operacionais. Ele delega; não executa.

Sistemas Multi-Agent são poderosos, mas complexos. O número de interações cresce quadraticamente com o número de agentes. A depuração se torna mais trabalhosa. Os requisitos de Governance aumentam.

Recomendação prática: comece pequeno

A tentação de começar diretamente com um sistema Multi-Agent é compreensível. A recomendação é clara: comece com um único agente para um processo claramente definido.

Passo 1: Identifique um processo que seja estruturado, baseado em regras e frequente o suficiente para justificar o esforço. Verificação de faturas, onboarding, análise de contratos: escolha um.

Passo 2: Implante um único agente de IA para esse processo. Com Decision Layer, com Human-in-the-Loop, com Audit Trail. Não como protótipo, mas como sistema produtivo.

Passo 3: Meça. Tempo de processamento antes e depois. Taxa de erros. Custo por transação. Satisfação dos operadores.

Passo 4: Somente quando o primeiro agente estiver funcionando de forma estável, planeje o segundo. E somente quando vários agentes estiverem estáveis, considere a orquestração Multi-Agent.

Essa abordagem não é conservadora. É pragmática. Um agente funcional com valor comprovado entrega mais do que um ambicioso conceito Multi-Agent parado na fase piloto.

A infraestrutura — hosting de modelos, bancos de dados vetoriais, motor de orquestração, API gateway — é construída com o primeiro agente e fica disponível para cada um dos seguintes. O investimento no primeiro agente é simultaneamente o investimento na plataforma.

Um exemplo concreto: no portal Enterprise AI very-ai os usuários podem disparar fluxos n8n diretamente pelo chat. O agente se torna o gatilho de uma cadeia de processos — não apenas um interlocutor. A plataforma de orquestração (→ Artigo 10) cuida da execução.

Onde esses agentes efetivamente rodam, em qual plataforma, é abordado no Artigo 10: Orquestração de agentes.

---

Enterprise AI-Infrastruktur Blueprint 2026 — Série de artigos

← Anterior	Visão geral	Próximo →
RAG e Document Intelligence: Como a IA entende seus documentos	Visão geral	Decision Layer & Shadow AI: Controle em vez de caos

Todos os artigos desta série: Enterprise AI-Infrastruktur Blueprint 2026

---

Pronto para implantar o primeiro agente IA para um processo de negócio concreto? Gosign acompanha clientes corporativos da análise do processo ao agente em produção — agnóstico em relação a modelos, com Decision Layer e Audit Trail completo.

Agende uma consulta. 30 minutos para identificar o primeiro caso de uso adequado para sua organização.