AzureFeeds

Introdução: A Era dos Agentes de IA em JavaScript

Durante o AI Agents Hackathon, uma das sessões mais aguardadas foi apresentada por Wassim Chegham, que é Senior AI Developer Advocate em JavaScript na Microsoft. O tema? “Como Criar seu Primeiro Agente de IA com JavaScript e Azure AI Agent Service?” – uma ferramenta poderosa e pensada para desenvolvedores modernos que desejam criar aplicações AI-first com segurança, escabilidade e produtividade.

E, nesse artigo, vamos explorar os principais pontos abordados na sessão, com um foco especial em como você pode criar seu próprio agente de IA utilizando JavaScript e o Azure AI Agent Service.

A proposta do vídeo é clara: mostrar o passo a passo de como qualquer pessoa pode criar agentes de IA com JavaScript e TypeScript, utilizando Azure AI Foundry, e explicar todos os conceitos essenciais para dominar esse novo paradigma de desenvolvimento.

Se você perdeu a sessão, não se preocupe! Você pode assistir a gravação:

O que são Agentes de IA?

Wassim inicia a sessão com um panorama histórico: desde os chatbots tradicionais até os agentes inteligentes e autônomos que conhecemos hoje. Ele destacou:

• Agentes baseados em LLMs (Large Language Models) que entendem a linguagem natural.


• Agentes com ferramentas (tools) que executam ações no mundo real, como chamadas de API, buscas, execução de código etc.


• Sistemas multiagentes, que coordenam vários agentes para resolver tarefas complexas.

O diferencial do Azure AI Agent Service é simplificar tudo isso, oferecendo uma plataforma gerenciada que cuida da orquestração, segurança, rastreamento e execução dos agentes.

Arquitetura de Soluções com Azure AI Agent Service

Durante a sessão, Wassim apresentou uma visão clara da arquitetura típica de uma aplicação de agente de IA desenvolvida com JavaScript. Ele explicou que, embora seja possível ter uma interface gráfica (FrontEnd) usando frameworks como Angular ou React, isso não é obrigatório – a aplicação pode muito bem funcionar num terminal, como foi o caso das demonstrações feitas ao vivo.

No BackEnd, o foco recai sobre o uso de Node.js, que pode ser combinado com frameworks como Express.js ou Fastify para expor APIs que comunicam com os agentes. Essa camada de API atua como ponte entre o usuário e a lógica do agente, coordenando mensagens, execuções e chamadas de ferramentas.

O próprio agente é criado e gerenciado com o SDK azure/ai-projects, que fornece uma API simples e direta para registrar agentes, definir instruções, anexar ferramentas e controlar execuções. Wassim destacou o quanto essa abordagem reduz a complexidade em comparação a outros frameworks de agentes, que exigem configuração manual de estado, orquestração e controle de contexto.

Além disso, há uma camada de ferramentas integradas ao serviço que ampliam significamente as capacidades do agente. São elas:

• Code Interpreter: para execução de código Python em sandbox


• Function Calling: para chamadas de funções definidas pelo usuário


• Azure AI Search: para buscas vetoriais e RAG (Retrieval-Augmented Generation)


• Bing Search: para grounding com dados em tempo real

Todas essas ferramentas são disponibilizadas de forma plug-and-play pela infraestrutura do Azure AI Agent Service.

Toda essa arquitetura é gerenciada por uma instância do Azure AI Foundry, que centraliza o controle de modelos, ferramentas, conexões e dados, proporcionando uma base robusta, segura e escalável para criar aplicações AI-first. Wassim fez questão de frisar que o agente é o verdadeiro “cérebro” da aplicação – recebendo instruções, raciocionando sobre elas e coordenando a execução de tarefas com auxílio de ferramentas externas, tudo isso com o poucos comandos em JavaScript.

Criando seu primeiro agente: Hands-on com JavaScript

Durante a demonstração prática, Wassim conduz os participantes por todas as etapas necessárias para criar um agente de IA funcional com JavaScript, utilizando o Azure AI Agent Service. Ele começa destacando que todo o código utilizado está disponível publicamente num repositório no GitHub, o que permite que qualquer pessoa possa clonar, rodar e adaptar os exemplos para seus próprios projetos.

> Link do repositório: Azure AI Agent Service – Demonstration

A primeira etapa envolve a instalação dos pacotes essenciais. O principal deles é o SDK azure/ai-projects (pacote npm – aqui), responsável por toda a interação com o serviço de agentes. Também é necessário instalar o azure/identity, que permite autenticar de forma segura com as credenciais da Azure sem precisar lidar com chaves ou tokens diretamente — utilizando, por exemplo, o DefaultAzureCredential.

Após configurar o ambiente com as dependências, Wassim mostra como criar uma instância do cliente de agente a partir de uma string de conexão obtida no portal do Azure Foundry. Essa string é armazenada em um arquivo .env, e permite que o código se conecte de forma segura ao serviço para criar e gerenciar agentes.

Com o cliente em mãos, o próximo passo é criar o agente propriamente dito. Para isso, é necessário definir o nome, o modelo de linguagem a ser usado (como o GPT-4) e fornecer instruções claras sobre o comportamento desejado para o agente — seja para realizar cálculos, responder perguntas, interpretar dados ou interagir com ferramentas externas.

Na sequência, Wassim introduz o conceito de thread, que funciona como um espaço de conversa entre o agente e o usuário. É nesse thread que as mensagens são armazenadas, as execuções são iniciadas e o histórico de interações é mantido. Ele mostra como criar um thread, enviar uma mensagem e iniciar uma run, ou seja, uma execução do agente a partir da mensagem fornecida.

A sessão então avança para demonstrar o uso de ferramentas. No primeiro exemplo, o agente resolve uma equação simples apenas com seu conhecimento interno, sem recorrer a ferramentas externas — um exemplo clássico para mostrar como o modelo pode raciocinar com base nas instruções fornecidas. Em seguida, Wassim mostra como ativar uma chamada de função personalizada: o agente acessa uma função que retorna o uso da CPU da máquina local, demonstrando a capacidade de executar ações no ambiente do usuário.

Outro exemplo impressionante é o uso do Code Interpreter, uma ferramenta que permite executar código Python remotamente e com segurança. Wassim fornece um arquivo CSV contendo dados de vendas de carros, e o agente não só processa os dados, como também gera visualizações gráficas em tempo real.

Além disso, ele demonstra como o agente pode utilizar o Bing Grounding para buscar informações atualizadas diretamente da internet, como cotações do mercado de ações. E, por fim, mostra a integração com o Azure AI Search, onde um índice vetorial previamente carregado com informações sobre planos de saúde é consultado para responder perguntas específicas, com direito a citações precisas da fonte utilizada — um ótimo exemplo do padrão RAG (Retrieval-Augmented Generation) em ação.

Esses exemplos mostram que, mesmo com poucos comandos em JavaScript, é possível criar agentes sofisticados, capazes de interagir com dados, ferramentas e usuários de maneira fluida, segura e produtiva.

Entendendo a mecânica interna: Como um agente funciona?

Wassim explica os conceitos fundamentais do ciclo de vida de um agente:

• Agent: configurado com modelo e instruções.


• Thread: representa a conversa (contexto).


• Run: execução de uma tarefa.


• Run Steps: etapas da execução.


• Tools: definidas com schemas e acionadas conforme necessário.


• Events: eventos emitidos durante a execução (streaming, tool-call, resposta, erro, etc).

Além disso, ele demonstra um projeto pessoal: uma ferramenta de tracing visual para acompanhar em tempo real cada etapa do agente, o que facilita o entendimento e o debug.

Um pouco sobre as tecnologias utilizadas no projeto

Para quem está curioso sobre as tecnologias utilizadas no projeto, Wassim fez questão de destacar algumas delas:

• 📦 SDK utilizado
  
  
  
  • azure/ai-projects@2.0.0-beta.4
  
  
  • azure/identity para autenticação com credenciais seguras.
  
  
  
  


• 🔧 Ferramentas integradas
  
  
  
  • Function Calling: executa funções com base na entrada do LLM.
  
  
  • Code Interpreter: executa código Python remotamente com segurança.
  
  
  • Azure AI Search: busca vetorial e full-text com RAG.
  
  
  • Bing Search Grounding: informações em tempo real da web.
  
  
  • File Search (em breve): busca em arquivos carregados.
  
  
  
  


• ⚙️ Segurança e compliance
  
  
  
  • Autenticação sem chaves (keyless)
  
  
  • Private Networking (VNet)
  
  
  • Content Filtering
  
  
  • Tracing e logs para evitar alucinações
  
  
  
  

Conclusão: O Futuro dos Agentes de IA com JavaScript

A sessão de Wassim Chegham no AI Agents Hackathon foi uma verdadeira aula sobre como criar agentes de IA com JavaScript e Azure AI Agent Service. Ele não só apresentou os conceitos fundamentais, mas também mostrou na prática como é fácil e rápido desenvolver aplicações inteligentes utilizando essa nova abordagem.

Novamente se você perdeu a sessão, não se preocupe! Você pode assistir a gravação aqui.

E, claro , não deixe de conferir o repositório no GitHub com todos os exemplos e códigos utilizados durante a apresentação: Azure AI Agent Service – Demonstration.

E, no final, Wassim deixou uma mensagem clara: o futuro dos agentes de IA é promissor, e com as ferramentas certas, qualquer desenvolvedor pode criar soluções inovadoras e impactantes. Então, não perca tempo! Comece a explorar o Azure AI Agent Service e crie seu próprio agente de IA hoje mesmo!

Links úteis

• Azure AI Agent Service: Documentação oficial do serviço de agentes de IA da Azure.


• Azure AI Foundry: Plataforma para criar e gerenciar agentes de IA.


• Azure AI Agent Service – Demonstration: Repositório GitHub com exemplos e códigos utilizados na sessão.


• AI Agents Hackathon: Evento que reuniu desenvolvedores para explorar o potencial dos agentes de IA.


• Wassim Chegham: LinkedIn do apresentador da sessão.


• Azure AI Foundry – Getting Started: Guia para começar a usar o Azure AI Foundry.


• Azure AI Agent Service – Quickstart: Tutorial rápido para criar seu primeiro agente de IA.


• Azure AI Agent Service – Tools: Documentação sobre as ferramentas disponíveis no serviço de agentes de IA.


• Azure AI Agent Service – Function Calling: Documentação sobre chamadas de função no serviço de agentes de IA.


• Azure AI Agent Service – Code Interpreter: Documentação sobre o interpretador de código no serviço de agentes de IA.


• Azure AI Agent Service – Azure AI Search: Documentação sobre o Azure AI Search no serviço de agentes de IA.


• Azure AI Agent Service – Bing Search: Documentação sobre o Bing Search no serviço de agentes de IA.