Próximas Turmas

Nenhuma turma disponível no momento

Quero mais informações

O que você vai aprender nesse curso

O curso Desenvolvimento de Agentes de Inteligência Artificial com Java – Nível Avançado tem como objetivo capacitar o aluno a projetar, arquitetar e implementar agentes inteligentes robustos, preparados para ambientes corporativos e produção.

A formação é voltada para desenvolvedores Java que já dominam APIs REST, e desejam evoluir para soluções baseadas em Inteligência Artificial, criando agentes capazes de raciocinar, manter contexto e orquestrar tarefas de forma segura e performática.

Utilizando o ecossistema moderno do Java, o aluno aprenderá a trabalhar com LLMs, engenharia avançada de prompts, orquestração de agentes, mensageria, processamento assíncrono, persistência de contexto, observabilidade e deploy, seguindo padrões arquiteturais utilizados pelo mercado.

Durante o curso serão utilizadas APIs da OpenAI e o framework Spring AI, permitindo a construção de aplicações inteligentes integradas ao ecossistema Spring Boot, além de integrações com Gemini (Google) e outros modelos de IA, adotando estratégias multi-LLM.

O curso é orientado à prática, preparando o aluno para atuar em projetos reais de IA aplicada em APIs, microsserviços e automação inteligente.

Ferramentas utilizadas

  • IDE: IntelliJ IDEA
  • Linguagem: Java
  • Framework: Spring Boot
  • Framework de IA: Spring AI
  • IA Generativa: OpenAI e Gemini (Google)
  • Web: Spring Boot API REST
  • Mensageria: RabbitMQ
  • Banco de Dados: PostgreSQL e MongoDB
  • Containers: Docker
  • Versionamento: GitHub

Conteúdo do curso

Arquitetura Avançada de Agentes de IA

Conceito de agentes inteligentes modernos
Agentes baseados em LLMs
Ciclo de decisão: percepção, análise e ação
Arquiteturas orientadas a eventos e microsserviços
Boas práticas para agentes

Integração com OpenAI utilizando Spring AI

Introdução ao Spring AI
Configuração de aplicações com Spring Boot e Spring AI
Integração com modelos da OpenAI
Criação de agentes baseados em LLMs
Estratégias para controle de respostas e uso eficiente da IA

Integração com Múltiplos LLMs (OpenAI, Gemini e Outros)

Estratégia multi-LLM
Fallback entre modelos
Seleção dinâmica de modelos
Abstração de provedores utilizando Spring AI

Engenharia de Prompt

Prompts estruturados e reutilizáveis
Prompt templates
Controle de contexto e memória
Mitigação de prompt injection

Orquestração e Coordenação de Agentes

Delegação de tarefas entre agentes especializados
Arquitetura de multi-agentes
Workflows inteligentes
Orquestração utilizando serviços Spring

Spring Boot API REST para Agentes Inteligentes

Design de APIs para consumo de IA
Endpoints síncronos e assíncronos
Rate limit e controle de concorrência
Versionamento de APIs

Gerenciamento de estado e contexto em aplicações distribuídas

Processamento assíncrono com mensageria
Integração com RabbitMQ
Monitoramento de filas
Resiliência e tolerância a falhas

 Containerização e Deploy

Containerização com Docker
Uso de docker-compose para ambientes complexos