Agentes de IA eficazes (sem o hype)

agent-1.py

import os
from openai import OpenAI
from pydantic import BaseModel

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

class CalendarEvent(BaseModel):
    name: str
    date: str
    participants: list[str]

response = client.responses.parse(
    model="gpt-4o-mini",
    input="Daniel vai gravar um podcast na sexta-feira.",
    instructions="Extraia informações do evento.",
    text_format=CalendarEvent,
)

event = response.output[0].content[0].parsed
event.name
event.date
event.participants

print(event.model_dump_json(indent=2))

agent-2.py

import os
import yfinance as yf
from typing import List
from openai import OpenAI
from pydantic import BaseModel, Field

# Inicializa o cliente OpenAI
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

# Modelo de dados para saída estruturada
class StockAnalysis(BaseModel):
    ticker: str = Field(description="Símbolo da ação")
    company_name: str = Field(description="Nome da empresa")
    current_price: float = Field(description="Preço atual")
    monthly_change: float = Field(description="Variação mensal em %")
    outlook: str = Field(description="Perspectiva: positiva, neutra ou negativa")
    key_points: List[str] = Field(description="Pontos principais")

def analyze_stock(ticker):
    """Analisa uma ação e retorna dados estruturados."""
    # Obtém dados da ação com Yahoo Finance
    stock = yf.Ticker(ticker)
    info = stock.info
    history = stock.history(period="1mo")

    # Calcula variação mensal
    change_percent = 0
    if not history.empty:
        change_percent = round(
            (
                (history.iloc[-1]["Close"] - history.iloc[0]["Close"])
                / history.iloc[0]["Close"]
            )
            * 100,
            2,
        )

    # Preço atual
    price = info.get(
        "currentPrice", history.iloc[-1]["Close"] if not history.empty else 0
    )

    print(f"Analisando {ticker}: {info.get('shortName', ticker)} a ${price}")

    # Solicita análise estruturada
    response = client.responses.parse(
        model="gpt-4o-mini",
        input=f"""
        Analise a ação {ticker}:
        Nome: {info.get("shortName", ticker)}
        Setor: {info.get("sector", "N/A")}
        Preço: {price} {info.get("currency", "USD")}
        Variação mensal: {change_percent}%
        P/E: {info.get("trailingPE", "N/A")}
        Dividend Yield: {info.get("dividendYield", 0) * 100 if info.get("dividendYield") else 0}%
        """,
        instructions="Forneça uma análise financeira estruturada desta ação.",
        text_format=StockAnalysis,
    )

    # Extrai e retorna a análise
    analysis = response.output[0].content[0].parsed

    # Imprime um resumo
    print(f"\n{analysis.company_name} ({analysis.ticker}) - {analysis.outlook.upper()}")
    print(f"Preço: ${analysis.current_price} | Variação: {analysis.monthly_change}%")
    print("\nPontos-chave:")
    for point in analysis.key_points:
        print(f"• {point}")

    return analysis

# Exemplo de uso
result = analyze_stock("AAPL")

# Saída em JSON para uso programático
print("\nJSON:")
print(result.model_dump_json(indent=2))

agent-3.py

import json
import os
from openai import OpenAI
from pydantic import BaseModel, Field

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

def search_kb(question):
    """Busca respostas na base de conhecimento"""
    with open("kb.json", "r", encoding="utf-8") as f:
        return json.load(f)

tools = [
    {
        "type": "function",
        "name": "search_kb",
        "description": "Search the knowledge base for answers",
        "parameters": {
            "type": "object",
            "properties": {
                "question": {"type": "string", "description": "The user's question"},
            },
            "required": ["question"],
        },
    }
]

# Response model
class KBResponse(BaseModel):
    answer: str = Field(description="Answer to the user's question")
    confidence: str = Field(description="Confidence level: high, medium, or low")

def answer_question(question):
    system_prompt = """
    Você é um assistente virtual de uma loja online brasileira.
    Responda usando apenas as informações da base de conhecimento.
    Se a pergunta não puder ser respondida com a base, informe educadamente.
    """

    # First call to check if model wants to use the tool
    response = client.responses.create(
        model="gpt-4o-mini",
        input=f"{system_prompt}\n\nPergunta: {question}",
        tools=tools,
    )

    # Check for function calls
    function_calls = [
        output for output in response.output if output.type == "function_call"
    ]

    if function_calls:
        # Get KB data and generate structured response
        function_call = function_calls[0]
        args = json.loads(function_call.arguments)
        kb_data = search_kb(args.get("question"))

        final_response = client.responses.parse(
            model="gpt-4o-mini",
            input=f"""
            {system_prompt}

            Pergunta: {question}

            Base de conhecimento:
            {json.dumps(kb_data, ensure_ascii=False)}
            """,
            instructions="Provide structured answer based on KB data",
            text_format=KBResponse,
        )

        return final_response.output[0].content[0].parsed
    else:
        # Direct answer if no tool called
        direct_text = next(
            (output.value for output in response.output if hasattr(output, "value")),
            next(
                (
                    output.content
                    for output in response.output
                    if hasattr(output, "content")
                ),
                "",
            ),
        )

        return KBResponse(answer=direct_text, confidence="low")

# Examples
question1 = "Qual é a política de devoluções da loja?"
response1 = answer_question(question1)
print(f"\n----- {question1}")
print(f"Resposta: {response1.answer}")
print(f"Confiança: {response1.confidence}")

question2 = "Vocês entregam para o Nordeste?"
response2 = answer_question(question2)
print(f"\n----- {question2}")
print(f"Resposta: {response2.answer}")
print(f"Confiança: {response2.confidence}")

kb.json

{
    "records": [
        {
            "id": 1,
            "question": "Qual é a política de devoluções?",
            "answer": "Produtos podem ser devolvidos em até 30 dias após a compra com a nota fiscal original. O reembolso será processado no método de pagamento original em 5-7 dias úteis."
        },
        {
            "id": 2,
            "question": "Vocês entregam em todo o Brasil?",
            "answer": "Sim, realizamos entregas para todos os estados brasileiros. O prazo de entrega varia entre 3-10 dias úteis, dependendo da região. Para áreas remotas, pode haver um acréscimo no prazo."
        },
        {
            "id": 3,
            "question": "Quais formas de pagamento são aceitas?",
            "answer": "Aceitamos cartões de crédito (Visa, Mastercard, Elo, American Express), Pix, boleto bancário e pagamento parcelado em até 12x sem juros para compras acima de R$300,00."
        },
        {
            "id": 4,
            "question": "Como faço para rastrear meu pedido?",
            "answer": "Você pode rastrear seu pedido acessando a seção 'Meus Pedidos' na sua conta em nosso site ou usando o código de rastreio enviado por e-mail após o despacho do produto."
        },
        {
            "id": 5,
            "question": "Vocês oferecem garantia estendida?",
            "answer": "Sim, oferecemos garantia estendida opcional para produtos eletrônicos. A garantia padrão é de 12 meses, mas pode ser estendida para 24 ou 36 meses com um custo adicional de 10% ou 15% do valor do produto, respectivamente."
        }
    ]
}