EM BREVE — Para desenvolvedores que constroem agentes de IA

⚠️ Este produto é para desenvolvedores. Se você não sabe programar, essa plataforma não é para você.

A infraestrutura que faltava
para seus agentes de IA.

Pare de reinventar a roda. O DevAgente entrega toda a infraestrutura de orquestração, memória, ferramentas e deploy para você focar no que importa: a lógica do seu agente.

// suporte a Python · JavaScript · REST API · Multi-LLM · produção-ready

🔔 Entrar na lista de espera Ver casos de uso →

devagente-sdk · exemplo de uso

Python

JavaScript

REST API

from devagente import Agent, tools
 
# Define o agente com ferramentas e memória
agente = Agent(
  nome="sales-bot-v2",
  modelo="claude-sonnet",
  ferramentas=[tools.WebSearch, tools.CRM, tools.Email],
  memoria="persistent",
  tokens=100_000
)
 
resposta = agente.run("Pesquise leads no setor de saúde")
# → agente executa, usa ferramentas, retorna resultado
print(resposta.output) 

import { Agent, tools } from '@devagente/sdk'
 
// Cria e executa o agente
const agente = new Agent({
  nome: 'sales-bot-v2',
  modelo: 'claude-sonnet',
  ferramentas: [tools.WebSearch, tools.CRM, tools.Email],
  memoria: 'persistent',
  tokens: 100_000
})
 
const resposta = await agente.run('Pesquise leads saúde')
console.log(resposta.output) 

# Deploy do agente → API REST gerada automaticamente
 
POST https://api.devagente.com.br/v1/agents/run
Authorization: Bearer da_token_xxx
Content-Type: application/json
 
{
  "agent_id": "sales-bot-v2",
  "input": "Pesquise leads no setor de saúde",
  "session_id": "user_123"
}
# → 200 OK · { output, tokens_used, steps_taken } 

👨‍💻 Para quem é

Feito para quem escreve código.
Não para quem clica em botões.

DevAgente é uma plataforma técnica. Se você já trabalhou com APIs, entende o que é um token de LLM e sabe deployar uma aplicação, você vai se sentir em casa.

✗ DevAgente não é para você se...

Você nunca escreveu uma linha de código e não tem intenção de aprender

Você quer um chatbot pronto sem nenhuma customização técnica

Você não sabe o que é uma API REST ou um JSON payload

Você espera que a plataforma "faça tudo sozinha" sem configuração

Você não tem noção básica de como LLMs funcionam

Você quer uma solução no-code do tipo "arrasta e solta"

⚡ Casos de uso

O que você consegue
construir com o DevAgente.

Exemplos reais com código. Não são demos. São padrões de arquitetura que você pode usar em produção.

🔍

Agente de Pesquisa e Relatório

Agente que pesquisa na web, consolida dados de múltiplas fontes e gera relatórios estruturados automaticamente. Ideal para monitoramento de concorrentes, pesquisa de mercado e due diligence.

ferramentas: [WebSearch, PDFReader, Summarizer]

fluxo: query → busca → extrai → consolida → gera PDF

output: relatório estruturado + fontes citadas

web_searchpdf_readermemorystructured_output

💬

Agente de Atendimento com Contexto

Agente com memória persistente por sessão, integrado ao seu banco de dados e CRM. Responde com contexto real do cliente, escala para humano quando necessário e registra interações automaticamente.

ferramentas: [DatabaseQuery, CRMUpdate, HumanHandoff]

memoria: persistent · session_id por usuário

deploy: webhook → qualquer canal (WhatsApp, web, app)

persistent_memorydb_querywebhookhandoff

⚙️

Agente de Automação de Processos

Agente que executa workflows complexos: lê emails, classifica, toma decisões, atualiza sistemas e notifica. Substitui processos manuais repetitivos com lógica de IA no meio.

ferramentas: [EmailReader, Classifier, APICall, Notify]

trigger: cron / webhook / event

fluxo: lê → classifica → decide → executa → reporta

email_toolsclassifierapi_callcron_trigger

📊

Agente de Análise de Dados

Agente que conecta em fontes de dados, executa queries, interpreta resultados e gera insights em linguagem natural. Ideal para dashboards inteligentes e alertas automáticos baseados em dados.

ferramentas: [SQLQuery, ChartGen, AlertSystem]

fontes: PostgreSQL, BigQuery, APIs REST

output: texto + gráficos + alertas condicionais

sql_querydata_vizalertsscheduled_runs

🔧 Arquitetura

Como funciona
por dentro.

Sem mágica. Sem caixas pretas. Você tem controle total sobre o que seu agente faz em cada etapa.

Defina o agente via código ou UI

Configure modelo, ferramentas, memória e comportamento. Use o SDK (pip install devagente ou npm i @devagente/sdk) ou o editor visual para fluxos mais complexos.

O runtime gerencia o loop de execução

O DevAgente orquestra o ReAct loop — o agente pensa, decide qual ferramenta usar, executa, observa o resultado e repete até completar a tarefa.

Memória e contexto persistidos automaticamente

Cada execução é logada. Memória de sessão e longa duração gerenciadas automaticamente. Acesse via agent.memory.get(session_id) a qualquer momento.

Deploy e API gerados automaticamente

Um agent.deploy() e seu agente vira um endpoint REST acessível via token. Integre com qualquer sistema, front-end ou serviço externo.

runtime · execution flow

USER INPUT → agent.run(input)

│

├── THINK → LLM processa + contexto

│

├── ACT → seleciona ferramenta

│ ├── web_search(query)

│ ├── db_query(sql)

│ └── api_call(endpoint)

│

├── OBSERVE → processa resultado

│

├── MEMORY → persiste contexto

│

└── OUTPUT → retorna + loga tokens

// stack técnica da plataforma

🧠

Multi-LLM

Claude, GPT-4o, Gemini. Troque sem refatorar. Fallback automático configurável.

💾

Memória

In-memory, persistente (PostgreSQL) e vetorial (embeddings) para RAG.

🔌

Ferramentas

Built-in + custom tools via função Python ou JS. Sandbox isolado por execução.

📡

Deploy & API

REST endpoint gerado automaticamente. Webhook support. Rate limiting incluído.

⚡ Recursos técnicos

Tudo que você precisa.
Nada que atrapalhe.

Cada recurso foi pensado para dev que quer controle real, não uma abstração que esconde o que está acontecendo.

🔄

ReAct Loop Configurável

Controle total sobre o loop de raciocínio do agente. Defina max_steps, timeout, retry logic e fallback behavior.

agent.config(max_steps=10, timeout=30s)

🛠️

Custom Tools em Python/JS

Crie ferramentas customizadas com um decorator. O agente aprende a usar automaticamente via schema gerado.

@tool def minha_ferramenta(param: str) → str

💾

Memória Multi-camada

Buffer de contexto, memória de sessão e memória longa duração com busca vetorial. Tudo gerenciado automaticamente.

memory.search(query, top_k=5)

📊

Observabilidade Total

Trace completo de cada execução. Veja cada step, ferramenta chamada, tokens gastos e latência. Export para seu stack de monitoring.

agent.trace → steps, tools, tokens, ms

🚀

Deploy Production-Ready

Auto-scaling, rate limiting, autenticação via Bearer token e logs estruturados. Do dev para produção sem reconfigurar nada.

agent.deploy() → endpoint + api_key

🔀

Multi-Agent Orchestration

Orquestre múltiplos agentes especializados. Um agente supervisor delega tarefas para sub-agentes e consolida resultados.

Supervisor → [AgentA, AgentB, AgentC]

💰 Tokens

Pague pelo que usar.
Sem assinatura forçada.

Compre um pacote de tokens e use até acabar. Sem cobrança recorrente surpresa. Recarregue quando quiser ou quando precisar escalar.

starter

Grátis

100.000 tokens

1 agente em produção
Ferramentas built-in
SDK Python + JS
Logs por 7 dias
Comunidade Discord

basic

R$29 _{/ pacote}

500.000 tokens

5 agentes em produção
Custom tools
Memória persistente
Logs por 30 dias
Suporte por email

⚡ MAIS POPULAR

pro

R$89 _{/ pacote}

2.000.000 tokens

Agentes ilimitados
Multi-LLM completo
Multi-agent orchestration
Logs por 90 dias
Suporte prioritário

power

R$299 _{/ pacote}

10.000.000 tokens

Tudo do Pro
SLA de disponibilidade
Logs ilimitados + export
Webhook de uso
Suporte dedicado

// O que são tokens aqui?

Tokens no DevAgente são a unidade de consumo da plataforma. Cada chamada ao LLM consome tokens (input + output). Ferramentas como busca na web consomem tokens adicionais. Você sempre vê exatamente quantos tokens cada execução consumiu via response.tokens_used.

// Como calcular o que preciso?

Um agente simples de Q&A usa ~500–2.000 tokens por execução. Um agente de pesquisa com múltiplas ferramentas pode usar 5.000–20.000 tokens. O pacote Pro (2M tokens) suporta entre 100 e 4.000 execuções dependendo da complexidade do seu agente.

❓ FAQ técnico

Perguntas que
devs costumam fazer.

Posso usar minha própria API key de LLM? +

Sim. Você pode trazer sua própria chave da OpenAI, Anthropic ou Google. Nesse caso, o consumo de tokens do LLM vai para sua conta diretamente. Os tokens do DevAgente cobrem o uso da infraestrutura da plataforma (memória, ferramentas, orchestration, logs).

É possível integrar com banco de dados próprio? +

Sim. Você cria uma custom tool que conecta no seu banco via qualquer driver (psycopg2, pymongo, prisma, etc.). O agente aprende a usar sua tool automaticamente via schema. Também temos conectores built-in para PostgreSQL e MySQL em roadmap.

Como funciona o isolamento entre execuções? +

Cada execução roda em sandbox isolado. Custom tools são executadas em ambiente containerizado. Nenhuma execução tem acesso ao estado de outra, a menos que você explicitamente use memória compartilhada via memory.shared().

Tem suporte a streaming de resposta? +

Sim. Você pode usar agent.stream(input) para receber o output do agente em stream via Server-Sent Events (SSE). Ideal para interfaces de chat em tempo real. O SDK já abstrai isso tanto em Python quanto em JS.

Posso rodar o DevAgente self-hosted? +

Self-hosted está no roadmap para o plano Power. Por enquanto a plataforma é 100% cloud-hosted. O SDK é open-source e você pode usar localmente para desenvolvimento, mas o runtime de produção roda na nossa infraestrutura.

Qual a latência média de uma execução? +

Depende do LLM e das ferramentas usadas. Um agente simples sem ferramentas externas: 1–3s. Com ferramentas de busca ou API calls: 5–15s. Agentes multi-step com 5+ ferramentas: 20–60s. Você controla o timeout máximo via agent.config(timeout=30).

A infraestrutura que faltavapara seus agentes de IA.

Feito para quem escreve código.Não para quem clica em botões.