Fundamentos de AI Agents & Harnesses: Construindo de ReAct Loops a Agent Harnesses com Harness Engineering, LangChain e LangGraph

“O design de harness é essencial para o desempenho na fronteira da programação agêntica.” — Anthropic Engineering, 2026
Vá além de prompts simples e construa agentes de IA de nível de produção com LangChain e LangGraph, de loops de raciocínio ReAct a tool-calling e engenharia de contexto.
AI Agents & Harnesses Foundations mostra como construir os agentes de IA e os agent harnesses que impulsionam aplicativos modernos de IA agêntica. Você começará com os primitivos centrais do LangChain, incluindo modelos, mensagens, prompts, ferramentas e saídas estruturadas, e os usará para criar agentes cada vez mais capazes. A partir daí, você irá aos bastidores para entender o loop do agente, LLMs com tool-calling, estado, memória, engenharia de contexto, orquestração e agentes de longo horizonte. Usando LangChain, LangGraph e LangSmith, você verá como os sistemas modernos de agentes são construídos, orquestrados, rastreados e observados. Ao final, você entenderá a arquitetura moderna de agent harness e terá a base prática para construir, depurar, proteger e evoluir agentes de IA de produção confiáveis.

Neste livro, você aprenderá a: construir agentes de IA com os primitivos, ferramentas e saídas estruturadas do LangChain; entender o loop do agente: chamar o modelo, executar ferramentas, devolver resultados, repetir; construir agentes com estado usando LangGraph e aplicar engenharia de contexto; rastrear e depurar o comportamento do agente com LangSmith; projetar agent harnesses confiáveis para execução de longo horizonte; proteger e melhorar sistemas de agentes de IA de produção com memória, persistência e guardrails
Por que este livro se destaca
A maioria dos tutoriais de agentes mostra o decorator e para por aí. Este aqui mostra o que o decorator, e o harness ao redor dele, realmente fazem. Construído a partir dos primeiros princípios: LangChain, prompts brutos e regex, simplificado e reconstruído manualmente. Harnesses explicados, não apenas citados: rastreados por sistemas reais como Claude Cowork e os Deep Agents do LangChain. Fundamentado na história dos agentes: o papel do LangChain na popularização das abstrações de agentes e sua linhagem através do LangGraph e dos Deep Agents. Teoria que explica /li>
Para quem é este livro
Este livro é para desenvolvedores, engenheiros, profissionais de dados e ML, equipes de plataforma e operações, e gerentes de produto que querem entender agentes e harnesses, subagentes, engenharia de contexto, MCP e skills de dentro para fora. Familiaridade com Python e linha de comando ajuda; não é necessário conhecimento prévio de machine learning. É um livro de fundamentos: você construirá o loop do agente e o harness por conta própria, camada por camada, em vez de apenas aprender onde plugar em um framework.