Capítulo 7
Agentic RAG
Quando o RAG básico não é suficiente: agentes autônomos que decidem o que buscar, como buscar e como refinar a resposta.
⚠️ Quando RAG Simples Não É Suficiente
- →Perguntas compostas que exigem múltiplos passos de reasoning
- →Necesidade de buscar em bases diferentes (vetorial + SQL + web)
- →Contexto muito longo que não cabe em uma única chamada
- →Perguntas que exigem cálculo ou agregação de dados
- →Cenários onde o modelo precisa pedir clarification
🏗️ Arquitetura Agentic RAG
🤖 Sistema Multi-Agent (Beer and Code)
O Planner IA 2026 usa 3 agentes especializados, cada um com seu próprio system prompt, tools e base de conhecimento:
🎓
Agente Mentor
Orquestrador: coordena os outros agentes, decide quando buscar mais contexto ou refinar a resposta.
role: orchestrator
💻
Agente Técnico
Responde dúvidas técnicas de código, arquitetura, patterns e boas práticas.
role: code_expert
🎯
Agente Estratégico
Ajuda com planejamento, metas, roadmap e decisões de projeto.
role: strategy
🧠
Agente Comportamental
Ajuda com aspectos comportamentais, comunicação e dinâmica de equipe.
role: behavioral
🔧 Tools (Ferramentas) no Laravel
app/Agents/Tools/SemanticSearchTool.php
<?php
class SemanticSearchTool
{
public function name(): string
{
return "string">'semantic_search';
}
public function description(): string
{
return 'Busca informações em artigos do sistema
usando busca semântica. Use quando precisar
responder perguntas sobre conceitos técnicos.';
}
public function execute(array $params): array
{
$query = $params["string">'query'] ?? "string">'';
$limit = $params["string">'limit'] ?? 3;
$results = app(RetrievalService::class)
->search($query, $limit);
return [
"string">'results' => $results->map(fn($r) => [
"string">'content' => $r->chunk,
"string">'source' => $r->title,
"string">'score' => round($r->similarity, 3),
])->toArray(),
"string">'count' => $results->count(),
];
}
}