Próximas Turmas

  • Frequência: Segunda à Sexta
  • Horário: 17:00/18:00h
  • Término Previsto: 01/10/2026
  • Modalidade: Presencial/Online (ao vivo)
  • Professor: Sergio Mendes
Investimento:

10*140,00 no cartão de crédito ou Entrada R$ 154,00 + 36x R$ 60,49 no boleto

Quero mais informações

O que você vai aprender nesse curso

O curso Desenvolvimento de Agentes de IA com Python tem como objetivo capacitar o aluno a projetar, arquitetar e implementar agentes inteligentes robustos. A formação é voltada para desenvolvedores que já possuem conhecimentos em Python, programação orientada a objetos e desenvolvimento de APIs REST, e desejam evoluir para a criação de soluções modernas baseadas em Inteligência Artificial.

Durante o curso, o aluno aprenderá a desenvolver agentes capazes de interpretar solicitações, utilizar ferramentas, manter contexto, armazenar memória, tomar decisões e executar tarefas de forma automatizada.

O curso é orientado à prática e prepara o aluno para atuar em projetos reais envolvendo APIs inteligentes, microsserviços, automação de processos, assistentes virtuais, sistemas corporativos e arquiteturas distribuídas.

Ferramentas utilizadas

IDE: Visual Studio Code
Linguagem: Python
Gerenciamento de dependências: pip e ambientes virtuais
APIs: FastAPI
Inteligência Artificial: OpenAI e Claude
Frameworks de agentes: LangChain e SDKs de agentes
Mensageria: RabbitMQ
Banco de Dados: PostgreSQL e MongoDB
Containers: Docker
Cloud: Microsoft Azure
Versionamento: Git e GitHub

Público-alvo

Desenvolvedores Python, engenheiros de software, arquitetos de soluções, analistas de sistemas e profissionais de tecnologia que desejam desenvolver agentes inteligentes integrados a APIs, bancos de dados, sistemas corporativos e arquiteturas distribuídas.

O curso também é indicado para profissionais que desejam construir soluções avançadas de Inteligência Artificial utilizando Python, OpenAI, Azure AI e frameworks modernos de agentes.

Pré-requisitos recomendados

  • Conhecimentos de lógica de programação
  • Conhecimentos de Python
  • Conhecimentos básicos de banco de dados

Conteúdo do curso

Fundamentos de IA Generativa

  • Conceitos de IA generativa e modelos de linguagem
  • Diferenças entre chatbot, assistente e agente inteligente
  • Estrutura e aplicações corporativas de agentes
  • Integração com OpenAI.

Engenharia de Prompt

  • Estrutura de prompts profissionais
  • Definição de contexto, regras e formato de saída
  • Respostas estruturadas em JSON

Tokens, Custos e Limites

  • Tokens de entrada e saída
  • Cálculo de consumo e custo por requisição
  • Controle de limites e monitoramento de uso
  • Estratégias para redução de custos

Integração com Modelos de IA

  • Consumo de APIs de IA com Python
  • Configuração de chaves
  • Tratamento e validação de respostas

Function Calling e Ferramentas

  • Criação de funções para agentes
  • Definição de parâmetros e esquemas
  • Validação e execução segura de funções
  • Integração com APIs e bancos de dados

Memória e Contexto

  • Histórico e persistência de conversas
  • Armazenamento em MongoDB

RAG e Bancos Vetoriais

  • Conceitos de RAG e embeddings
  • Chunking e indexação de conteúdos
  • Busca por similaridade
  • Recuperação de informações relevantes
  • Respostas fundamentadas em documentos
  • Criação de bases de conhecimento

Arquitetura de Agentes

  • Agentes especializados e agente supervisor
  • Delegação e orquestração de tarefas
  • Workflows inteligentes

Fallback e Resiliência

  • Modelos principal e alternativo
  • Troca automática entre provedores
  • Tratamento de indisponibilidade e limites de requisição

APIs com FastAPI

  • Criação de APIs REST para agentes
  • Endpoints
  • Documentação com Swagger
  • Integração com IA e bancos de dados
  • Organização do projeto em camadas

Mensageria com RabbitMQ

  • Filas, produtores e consumidores
  • Criação de workers para agentes

Persistência e Monitoramento

  • Armazenamento de usuários, sessões e conversas
  • Registro de prompts e respostas
  • Persistência de memória
  • Controle de tokens e custos
  • Integração com PostgreSQL e MongoDB

Docker e Deploy

  • Criação de Dockerfile
  • Containerização de aplicações Python
  • Configuração com Docker Compose
  • Integração entre API, banco de dados e RabbitMQ
  • Preparação para produção
  • Publicação no Azure

Projeto Prático

Desenvolvimento de uma aplicação corporativa contendo:

  • API REST com FastAPI
  • Integração com modelos de IA
  • Engenharia de Prompt
  • Function Calling
  • Memória e contexto
  • RAG com documentos e banco vetorial
  • Cálculo de tokens e custos
  • Estratégia de fallback
  • Persistência de dados
  • RabbitMQ
  • Docker e Docker Compose