Agent Mentor Learn

Tool calling de agentes: fazendo agentes agirem de verdade

Este curso percorre o mecanismo completo do tool calling de agentes (tool use / function calling): exatamente quais campos viajam entre a requisição de uma chamada de ferramenta e a sua resposta, os limites de risco dos cinco tipos comuns de ferramenta (ler, escrever, executar, buscar, chamar uma API externa), como escrever uma interface de ferramenta que o modelo escolhe corretamente e também preenche corretamente, e como colocar em prática os níveis de permissão e as defesas contra prompt injection. Ele é para quem já sabe escrever prompts básicos e já usou uma ferramenta como o Claude Code, mas ainda não estudou de forma sistemática o protocolo de tool calling por baixo. Ele não ensina nenhum framework de agente específico (LangChain, AutoGPT) e não cobre treinamento nem fine-tuning de modelos — o foco é a cadeia em si: como o modelo pede uma ação e como a aplicação hospedeira a executa com segurança.

Conteúdo do curso

  1. De “só conversar” a “agir de verdade”: por que agentes precisam de ferramentas
  2. A ida e volta completa de uma chamada de ferramenta
  3. Cinco tipos comuns de ferramenta: ler, escrever, executar, buscar, chamar
  4. Projetando interfaces de ferramentas: nome, descrição, parâmetros, valor de retorno
  5. Permissões e segurança: os limites do que um agente pode fazer
  6. Mão na massa: conectando três ferramentas a um agente

Objetivos de aprendizado

Ao final deste curso você será capaz de:

  • Enunciar a linha do tool calling em que o modelo apenas propõe e a aplicação hospedeira executa, e usá-la para julgar se uma tarefa de fato precisa de ferramentas
  • Ler e escrever à mão uma ida e volta completa de tool_use / tool_result, incluindo o retorno em lote de várias chamadas em paralelo
  • Classificar os cinco tipos de ferramenta (ler, escrever, executar, buscar, chamar uma API externa) por raio de impacto e identificar a armadilha a que cada um é mais propenso
  • Escrever a description da ferramenta, o JSON Schema e o valor de retorno que permitem ao modelo escolher a ferramenta certa, preencher os parâmetros corretamente e se autocorrigir depois de uma falha
  • Graduar as operações de ferramenta com allow / ask / deny e reconhecer os riscos da autorização excessiva e da combinação da lethal trifecta
  • Construir do zero um agente de tool calling com laço de execução, registro de ferramentas e válvula de segurança

Pré-requisitos

  • Você sabe escrever prompts básicos e entende o formato geral de uma conversa com um LLM
  • Você já usou o Claude Code ou uma ferramenta de programação com IA parecida e sabe que ela consegue ler e escrever arquivos e rodar comandos
  • Você consegue ler código básico em JavaScript / Node.js (na lição 6 você acompanha pelo código)
  • Nenhuma formação em aprendizado de máquina ou treinamento de modelos é necessária

Tempo estimado

Cerca de 3-4 horas, incluindo o exercício prático de cada lição.