> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-portuguese/tools/tarefas/analytics/agentes.md).
# Agentes
O **Agente de Fluxo** é um agente de IA projetado para operar **dentro de contextos de tarefas e fluxos**, e não em conversas diretas com usuários. Neste cenário, o agente atua como um **Task-based Agent**, sendo executado como parte de um fluxo automatizado ou analítico.
### Como Acessar o Agente de Fluxo
O Agente de Fluxo é acessado através do painel **Tasks** na barra lateral esquerda.
1. Abra o menu de navegação lateral
2. Vá em **Tasks**
3. Selecione uma categoria de tarefa (ex.: Analytics)
4. Clique no agente após selecionar uma tabela ou acesse clicando com o botão direito em uma tabela e procurando por **Agente**
***
Um Agente de Fluxo é utilizado quando você precisa que a IA:
* Processe dados como parte de um fluxo
* Analise, classifique ou transforme entradas
* Opere sem interação direta com o usuário final
* Produza outputs estruturados para etapas posteriores
Diferente dos Agentes de Chat, os Agentes de Fluxo são normalmente:
* Disparados por tarefas
* Guiados por prompts e inputs
* Integrados a pipelines
***
### Como Configurar seu Flow Agent
A aba **Geral** exibida neste painel utiliza o mesmo modelo de configuração de um Agente de Chat:
* Nome
* Descrição
* Papel
* Objetivo
* Histórico/ Passado do Agente
* Ferramentas
* Acesso RAG
Como esses conceitos já são abordados na documentação de [Agente de Chat](https://docs.gaiodataos.com/gaio-dataos-portuguese/~/revisions/XirU69H6QiVoc61pj9Qg/tools/agentes), **não são redefinidos aqui.**
***
### Ferramentas e RAG em Agentes de Fluxo
Agentes de Fluxo podem acessar:
* Ferramentas (Discovery, Diagramas, Requisição HTTP, MCP, RAG)
* Bases de conhecimento (RAGs)
* Schemas e diagramas
O controle de acesso segue as mesmas regras:
* Apenas tools explicitamente habilitadas podem ser utilizadas
* Apenas RAGs anexados podem ser consultados
Isso garante execução previsível e segura dentro dos fluxos.
***
### Principal Diferença em Relação aos Chat Agents
| Aspecto | Chat Agent | Flow Agent |
| --------- | ------------------- | ---------------------------- |
| Interação | Conversacional | Baseado em tarefa / pipeline |
| Gatilho | Mensagem do usuário | Execução de tarefa |
| Output | Linguagem natural | Estruturado ou operacional |
| Uso | Interface frontal | Backend / Analítico |
***
### Configuração do Prompt
A aba **Prompt** define **como o Agente de Fluxo recebe instruções e dados de entrada** durante a execução da tarefa. Esta é a área principal onde você especifica **o que o agente deve fazer com os dados recebidos** e como deve raciocinar sobre eles.
Em um Agente de Fluxo, o prompt não é escrito para interação direta com o usuário, mas para **execução determinística dentro de um fluxo**.
***
#### Objetivo da Aba Prompt
Utilize a aba Prompt para:
* Definir as instruções de execução do agente
* Descrever a estrutura esperada dos dados de entrada
* Controlar como os dados serão injetados no prompt
* Garantir comportamento consistente e repetível
***
#### Seções da Aba Prompt
A aba Prompt é composta por quatro elementos principais:
**System Prompt**
Instruções globais opcionais aplicadas antes de qualquer execução.
1. Atua como **contexto em nível de sistema**
2. Útil para restrições de alto nível ou comportamentos globais
3. Opcional na maioria dos casos de uso de Flow Agent
Casos de uso típicos:
1. Aplicar regras rígidas de output
2. Garantir conformidade ou formatação específica
3. Definir políticas globais de execução
***
**Loop Table**
Define se o agente deve executar uma única vez ou iterar sobre uma tabela.
***
**Prompt (Instruções)**
Este é o bloco principal de instruções do Agente de Fluxo.
Aqui você descreve:
* O papel do agente para esta tarefa específica
* O que deve ser analisado ou transformado
* Como o agente deve raciocinar sobre a entrada
***
### Configuração de Saída
A aba **Saída** define **como e onde o Agente de Fluxo armazena os resultados da execução**.\
Essa configuração transforma a resposta do agente em um **artefato estruturado** que pode ser consumido por tarefas posteriores, análises ou camadas de armazenamento.
***
#### Objetivo da Aba Saída
Utilize a aba Saída para:
* Persistir os resultados do agente em uma tabela
* Forçar um schema de saída rígido
* Garantir outputs determinísticos e legíveis por máquina
* Integrar resultados de IA em pipelines e análises
***
#### Destino do Output
1. **Salvar o resultado do agente em**
1. Escolha onde a saída do agente será armazenada, em uma tabela ou em um parâmetro.
2. **Nome da tabela**
1. Defina a tabela onde os resultados serão gravados.
2. Selecione se a saída será armazenada como texto ou JSON.
3. **Modo inserção: anexar registros à tabela (opcional)**
1. Define se os registros devem ser adicionados à tabela existente.
***
#### Definir Formato do Schema de Saída
```json
{
"type": "object",
"properties": {
"name": { "type": "string" },
"email": { "type": "string" },
"score": { "type": "integer" },
"description": { "type": "string" },
"date": { "type": "string" },
"category_1": { "type": "string" },
"category_1_score": { "type": "number" }
}
}
```
Esse schema garante que:
* Todo output siga a mesma estrutura
* Tipos de dados sejam respeitados
* Respostas da IA sejam compatíveis com as análises e armazenamento
{% hint style="info" %}
Clique em **Gerar** para criar automaticamente um schema com base no contexto.
{% endhint %}
***
### Quando Utilizar um Flow Agent
Utilize um Agente de Fluxo quando:
* A IA faz parte de um pipeline de dados ou automação
* As saídas precisam ser determinísticas ou estruturadas
* O agente suporta tarefas posteriores
* Não é necessária interface de chat direta
***
### Boas Práticas para Outputs de Flow Agent
* Sempre defina um schema de saída em workflows de produção
* Prefira JSON para resultados complexos de IA
* Alinhe os campos de saída com os consumidores posteriores
* Evite outputs em texto livre em pipelines automatizados
* Versione schemas ao realizar mudanças estruturais