Próximas Turmas

  • Frequência: Segunda e Quarta
  • Horário: 18:00/21:00h
  • Término Previsto: 30/09/2026
  • Modalidade: Online (ao vivo)
  • Professor: Vitor Esteves
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

Neste curso, você vai aprender a desenvolver Agentes de Inteligência Artificial com JavaScript, entendendo desde os fundamentos dos modelos de linguagem até a criação de agentes capazes de usar ferramentas, acessar dados e manter contexto. Você também verá como funcionam os LLMs, tokens, prompts e respostas estruturadas, além de realizar chamadas para modelos usando Node.js e evoluir para conceitos como chatbots, workflows e agentes.

Em seguida, você vai construir agentes na prática, trabalhando com Tool Calling e criando um Agent Loop capaz de decidir quando responder ou executar ações. Também aprenderá a integrar APIs e bancos de dados, gerenciar histórico, memória e estado, além de lidar com segurança, incluindo validação de ações e proteção contra Prompt Injection.

Por fim, você vai explorar RAG, embeddings e busca semântica, aprendendo a preparar documentos, gerar embeddings e recuperar contexto relevante. O curso também apresenta o MCP (Model Context Protocol) e suas integrações, permitindo que você compreenda a arquitetura moderna de agentes e utilize frameworks do ecossistema.

Conteúdo do curso

 

Introdução aos LLMs

  • O que é um LLM
  • Como um LLM gera respostas
  • Tokens e contexto
  • Nossa primeira chamada para um modelo utilizando Node.js

Prompt Engineering e Structured Output

  • Prompt Engineering
  • System Prompt e User Prompt
  • Contexto e instruções
  • Structured Output
  • Validação e utilização das respostas pela aplicação

De LLM para Agent

  • O que caracteriza um Agente de IA
  • Diferença entre chatbot, workflow e agente
  • Introdução ao Tool Calling
  • Criação das primeiras Tools

Construindo nosso próprio Agent Loop

  • Como funciona o ciclo de execução de um agente
  • Decisão entre responder ou executar uma Tool
  • Execução e retorno das Tools
  • Construção manual de um Agent Loop

Agentes trabalhando com dados reais

  • Criação de Tools reais
  • Integração com APIs
  • Integração com banco de dados
  • Execução sequencial de Tools

Estado, memória e segurança

  • Histórico de conversação
  • Estado e memória
  • Persistência de contexto
  • Segurança de agentes
  • Validação e autorização de ações
  • Prompt Injection

Introdução ao RAG e Embeddings

  • Preparando o agente para conhecimento privado
  • O problema que o RAG resolve
  • Introdução ao RAG
  • Embeddings
  • Busca semântica

Pipeline de ingestão e Retrieval

  • Preparação de documentos
  • Chunking
  • Geração de embeddings
  • Armazenamento vetorial
  • Retrieval
  • Recuperação de contexto relevante

RAG integrado ao Agente

  • Construção do fluxo completo de RAG
  • Utilização do contexto recuperado pelo LLM
  • RAG como uma Tool
  • Decisão do agente sobre quando consultar a base de conhecimento

Arquitetura moderna de Agentes e MCP

  • Arquitetura completa do agente
  • Introdução ao MCP
  • MCP Client e MCP Server
  • Tools e Resources
  • Criação de uma integração MCP
  • Visão geral de frameworks para desenvolvimento de agentes
  • Consolidação da arquitetura construída durante o curso