análise · 03 de setembro de 2026 · 22:54
Graph Engineering: orquestração de agentes na prática
Graph engineering não é novo: é um nome para orquestração de agentes que já existia. O autor mostra que, na maioria dos casos, um agente que enxerga todo o contexto supera vários agentes rápidos que não se comunicam, e fecha com uma demonstração de grafo com múltiplos agentes e work trees no Claude Code.
O que muda na prática
01A evolução em cinco passos
Prompt engineering era perguntar e receber resposta. Context engineering acrescenta o que o modelo precisa saber. Harness engineering cuida do que fica entre você e o modelo. Loop engineering transforma o prompt em um ciclo que se repete até resolver. Graph engineering entra como orquestração de agentes. O autor ressalta que nada disso é novo: o termo graph engineering não aparece na documentação da Anthropic, é jargão da comunidade.
02Gráfico é coisa antiga
A ideia central é a de pontos e linhas. O autor usa o mapa de metrô como analogia: cada estação é um vértice, cada trecho de trilho é uma aresta. As quatro regiões do problema das sete pontes têm grau ímpar, o que torna a travessia sem repetição impossível. A formulação é de 1736, de um matemático e físico suíço.
03O problema dos agentes em paralelo
O artigo do Walen Yan, um dos donos da Cognition, parte de uma frase simples: vários assistentes trabalhando em paralelo, sem saber o que o outro faz, produzem resultados que não se encaixam. Ele descreve quatro jeitos de montar um sistema de agentes, do mais frágil ao mais controlado. No primeiro, um agente chefe divide tarefas para funcionários que não se falam entre si, e o resultado final não combina. No segundo, os agentes têm histórico, mas se ele não for completo, as decisões continuam conflitantes. No terceiro, um agente linear resolve tudo em sequência, o que evita conflito, mas enche a janela de contexto e pode perder informação no fim. No quarto, um agente com resumo carrega um histórico longo e vai resumindo aos poucos. A lição é que, além da tarefa, é preciso passar o histórico completo: tudo que foi pesquisado, tudo que foi decidido.
04Agent Teams: experimental e com limite
O autor percorre os modelos e o caso de junho de 2025, em que o Claude Code usava subagentes, mas nunca em paralelo, porque o subagente não recebia o contexto do agente principal. O Agent Teams, lançado depois, permite que os companheiros mandem mensagem entre si. A documentação, porém, classifica o recurso como experimental, com parâmetro que você ativa em arquivo de configuração. As limitações listadas incluem status de tarefa atrasado, ausência de retomada entre companheiros e consumo excessivo de token. Um experimento com 16 agentes em paralelo num compilador mostrou que todos batiam no mesmo erro e tentavam sobrescrever uns aos outros; a solução foi dividir o trabalho com testes que definiam pronto, sem ambiguidade, e não fazer os agentes conversarem.
05O que muda na prática
Para quem já orquestrava com um único comando encadeado, o que muda é que o grafo deixa você dividir em nós com saída definida e em arestas que ligam um passo ao seguinte. No exemplo, o objetivo é processar arquivos de texto contando e classificando palavras. Um planejador lê os textos e cria uma tarefa para cada um. Cada tarefa abre uma work tree separada, onde dois subagentes rodam: um contador e um verificador que classifica textos com menos de três palavras como curtos. No fim, um agente coletor junta os resultados, limpa as work trees e só para quando o arquivo de resultado final existir com todos os textos processados. O autor observa que, para a maioria dos casos, não é preciso fazer uma estrutura complexa. O simples costuma ganhar. O problema não é inteligência, é informação.
Nas palavras dele
“Vários assistentes de A trabalhando em paralelo, cada um sem saber o que o outro está fazendo, produzem resultados que não se encaixam”
ouvir em 5:50
“Um simples costuma ganhar”
ouvir em 14:40
“O problema não é inteligência, é informação”
ouvir em 14:50
Perguntas
Graph engineering é realmente um conceito novo?
Não. O autor diz que é um novo nome para orquestração de agentes, algo que já existia. A própria documentação da Anthropic não traz o termo; ele é jargão da comunidade.
O Agent Teams da Anthropic resolve o problema de agentes em paralelo?
Segundo o autor, que consultou a documentação, o recurso não resolve 100%, mas reduz o risco. Ele ainda é parâmetro experimental e consome bastante token.
Quando vale a pena usar múltiplos agentes e quando um agente só resolve?
O autor diz que depende de cada caso. Um agente único que enxerga todo o contexto costuma ser mais confiável que vários agentes rápidos que não se comunicam. O simples costuma ganhar.
Quer ir além do vídeo?
Continue por aqui
Este resumo foi escrito a partir da transcrição do vídeo. As citações são literais. Para o conteúdo completo, assista no YouTube.