# Agentes que criam ferramentas em tempo real

> Published 2026-10-06T12:49:46.065Z on https://www.crazystack.com.br/pt/p/agentes-que-criam-ferramentas-em-tempo-real/
> Source video: https://www.youtube.com/watch?v=33Oct2hqGnk

Agentes que criam ferramentas em tempo de execução já são possíveis com o SDK open source Strands Agents, da AWS. Basta um prompt de sistema descrevendo o que é uma boa ferramenta e três utilidades básicas: editor, shell e load_tool. Sem reinício, o agente escreve, carrega e usa o código que acabou de gerar.

## O que é meta-tooling no Strands Agents

Meta-tooling é a prática de dar a um agente de IA os meios para escrever, carregar e usar as próprias ferramentas durante a execução, em vez de receber tudo pré-instalado. Na palestra gravada na AI Engineer World's Fair 2026, Sandhya Subramani, senior developer advocate de GenAI na AWS, demonstrou a técnica com o [Strands Agents](https://github.com/strands-agents/sdk-python), SDK open source da AWS para construir aplicações agênticas.

A motivação é operacional. Um agente em produção que encontra um erro hoje exige derrubar o sistema, corrigir o código manualmente e reiniciar. Com meta-tooling, o agente reconhece a falha, escreve a ferramenta ou o subagente que resolve o problema e se corrige sozinho, sem reinício.

O Strands Agents funciona como um harness agêntico: você traz o LLM que quiser e, se um modelo melhor surgir, troca o provedor sem reescrever prompt, arquitetura ou código. A [documentação oficial](https://strandsagents.com) detalha o suporte a MCP, protocolo aberto para conectar modelos a ferramentas e dados externos.

## As três ferramentas que tornam tudo possível

Para implementar meta-tooling, o agente recebe apenas três ferramentas, todas disponíveis no SDK. O prompt de sistema completa o conjunto, descrevendo como uma boa ferramenta deve ser escrita, onde armazená-la e quando criar uma nova.

- **Shell**: dá ao agente acesso ao diretório e ao terminal, para que ele saiba o que está executando e onde o código está localizado.
- **Editor**: permite gravar arquivos de ferramenta em disco, com a função decoradora que marca o código como ferramenta válida.
- **load_tool**: carrega dinamicamente do diretório as ferramentas geradas em runtime, permitindo usá-las na mesma sessão.

No código, a configuração cabe em poucas linhas: importa-se o Agent do SDK e a ferramenta de shell, define-se o prompt de sistema com a especificação e as regras de escrita, e ativa-se o carregamento dinâmico de ferramentas. O prompt também inclui uma regra de economia: o agente deve sempre verificar se a ferramenta já existe e só escrever uma nova quando ela não existir.

## A demonstração: calculadora e contador criados ao vivo

Na demonstração, o agente começa tecnicamente sem capacidade nenhuma: não há arquivos de ferramentas no pacote. Quando a palestrante pede um cálculo matemático complexo, o agente decide sozinho criar uma ferramenta de calculadora, grava o arquivo em runtime e passa a usá-lo imediatamente, sem reiniciar o processo.

Em seguida, ela pede a contagem de caracteres de uma palavra aleatória. O agente verifica as ferramentas disponíveis, constata que nenhuma serve, escreve um contador de caracteres e o executa. A resposta voltou correta quando testada com uma palavra de três letras conhecida, e o contador reportou 28 letras na primeira tentativa.

Esses resultados são demonstrações de palco conduzidas pela própria AWS, não benchmarks independentes. Ainda assim, ilustram o mecanismo central: o modelo percebe a lacuna de capacidade, escreve o código da ferramenta e o carrega sem interrupção.

## Sub-agentes: swarm, graph e workflow

O mesmo mecanismo se estende a agentes que criam os próprios sub-agentes. O prompt pede, por exemplo, que o meta-agente divida uma tarefa em dois a quatro subagentes focados, e ele usa a ferramenta de editor uma vez para cada agente gerado.

Na demonstração de planejamento de viagem, um pedido simples como 'planeje meu itinerário no Havaí' fez o agente criar três subagentes: um de voos, um de atividades e um de itinerário, e depois chamá-los em sequência. A palestrante notou uma limitação explícita: sem uma ferramenta com acesso a APIs externas, o sistema não acessa informações em tempo real, como clima.

Os padrões multiagente citados na palestra se diferenciam pelo fluxo de trabalho entre os subagentes:

| Padrão | Como os subagentes colaboram | Melhor quando |
| --- | --- | --- |
| Swarm | Trabalham em paralelo, dividindo partes da tarefa | A tarefa é divisível e independente |
| Graph | O resultado de um subagente vira entrada do próximo | Há dependência sequencial entre etapas |
| Workflow | Combina paralelismo com nós e grafos | O fluxo mistura etapas paralelas e encadeadas |

O ponto central é que o próprio agente pode montar esses padrões. O desenvolvedor pode desenhá-los manualmente, mas a proposta do meta-tooling é delegar essa decisão ao modelo, dentro das regras do prompt de sistema.

## Evals: como avaliar um agente que se modifica

Um agente que escreve código em runtime precisa de avaliação em vários níveis, porque o comportamento muda durante a execução. O Strands Agents inclui, segundo a palestrante, um total de oito avaliações integradas, cobrindo quatro dimensões principais.

1. **Alcance do objetivo final**: no nível da sessão, verifica se o agente realmente cumpriu a tarefa pedida, como reservar uma passagem.
2. **Qualidade e veracidade da resposta**: em nível de rastreamento, checa se a resposta é a esperada ou se o modelo inventou o resultado.
3. **Escolha de ferramenta e parâmetros**: avalia se a ferramenta certa foi usada e se os parâmetros, como um ID de conta, estão corretos.
4. **Fluxo entre agentes**: em sistemas multiagente, analisa a ordem das chamadas, a resposta final e o conteúdo das mensagens trocadas entre os agentes.

Juntas, essas camadas dão visibilidade da conversa completa do agente de ponta a ponta dentro de uma sessão. É essa visibilidade que permite decidir, com evidência, quando confiar permissões maiores ao sistema.

## Guardrails para produção

Um agente que pode criar ferramentas e subagentes também pode modificar e excluir. A palestra lista quatro camadas de proteção antes de colocar esse tipo de sistema em produção.

- **Isolamento do ambiente**: não basta um contêiner comum; o ambiente que executa o código gerado precisa ficar isolado do resto da infraestrutura. O Strands Agents lançou, semanas antes da palestra, um recurso de isolamento do ambiente de execução de código.
- **Restrição de ferramentas**: limitar quais ferramentas o agente pode acessar.
- **Restrição de permissões**: controlar quem pode fazer perguntas ao agente e quais tipos de perguntas são aceitas.
- **Observabilidade**: telemetria via OpenTelemetry e os dados de avaliação precisam estar disponíveis para auditoria.

Com essas camadas, o argumento da palestrante é que se torna possível construir sistemas que fazem mais do que foram inicialmente definidos, porque se corrigem quando quebram. O histórico apresentado mostra uma evolução em três fases: primeiro agentes que criavam ferramentas, depois agentes que criavam subagentes e, por fim, agentes capazes de atualizar o próprio código-fonte.

## De onde veio o Strands Agents

O Strands Agents nasceu como projeto interno da AWS cerca de três anos antes da palestra de 2026, ou seja, por volta de 2023, antes do boom de agentes. Segundo a palestrante, o sucesso interno levou a AWS a abrir o código, e a versão Python do SDK foi publicada como open source em 2025.

A alegação mais curiosa da palestra é de autoria da própria palestrante: a versão Python do Strands teria escrito sozinha a versão TypeScript. Trata-se de relato de quem apresentou, não de verificação independente. Em qualquer caso, o código Python está disponível no [repositório oficial no GitHub](https://github.com/strands-agents/sdk-python) para quem quiser reproduzir os exemplos.

Para o leitor que quiser testar, o caminho é direto: instalar o SDK em Python, escrever o prompt de sistema com a especificação de ferramenta, conectar shell, editor e load_tool, e rodar um script de poucas linhas. O planejamento de viagem da demonstração mostra que nem é necessário pedir explicitamente a criação de subagentes; o agente decide sozinho.

## FAQ

- **O que é meta-tooling em agentes de IA?** É a capacidade de um agente escrever, carregar e usar as próprias ferramentas durante a execução, em vez de receber todas pré-instaladas. No Strands Agents, isso exige um prompt de sistema e três ferramentas: editor, shell e load_tool.
- **Preciso reiniciar o agente depois que ele cria uma ferramenta?** Não. A ferramenta load_tool carrega dinamicamente do diretório o código recém-gerado, e o agente passa a usá-la na mesma sessão, sem reinício do processo.
- **O Strands Agents é open source?** Sim, o SDK Python foi aberto pela AWS em 2025 e está disponível publicamente no GitHub. O harness suporta múltiplos provedores de modelo e o protocolo MCP.
- **Um agente que cria ferramentas é seguro para produção?** Só com camadas de proteção: isolamento do ambiente de execução de código, restrição de ferramentas e permissões, e observabilidade com telemetria e evals. Sem isso, o mesmo poder de criar pode ser usado para modificar ou excluir dados.
- **O agente acessa informações em tempo real, como clima?** Não por padrão. A demonstração não incluía ferramenta com acesso a APIs externas; quem quiser esse recurso precisa adicioná-lo, e o agente então pode escrever ferramentas que consultam dados atualizados.

## Do vídeo ao artigo escrito

A palestra de Sandhya Subramani mostra agentes que ganham capacidade escrevendo o próprio código, e essa é exatamente a lógica por trás de transformar vídeo em texto: o conhecimento já existe na fala, falta apenas dar a ele uma forma consultável e indexável.

Se você tem palestras, aulas, entrevistas ou tutoriais gravados no YouTube, o [Skala Blog](https://skalablog.com) converte esse material em artigos estruturados. Você cola o link do vídeo, o conteúdo é transcrito e vira um artigo pronto para revisão e publicação.

Como os agentes do exemplo, seu vídeo já contém tudo: o que muda é a ferramenta que extrai e organiza o que foi dito. Vale testar com uma palestra técnica sua e comparar o resultado com a gravação original.

[Source video](https://www.youtube.com/watch?v=33Oct2hqGnk)