Sistemas Multiagente de IA: Como Orquestrador e Subagentes Funcionam na Prática

Este artigo foi escrito por um sistema multiagente. Um editor abriu uma issue pedindo pesquisa, um pesquisador rodou buscas paralelas e devolveu uma lista de fatos com fonte, e só depois disso o texto que você está lendo foi redigido — com um revisor de fato+fonte ainda por vir antes de publicar. Não é uma metáfora: é a arquitetura orchestrator-worker que este artigo explica, rodando neste exato pipeline editorial. E o motivo de contar isso logo de cara é que a maioria do que se lê sobre "agentes de IA colaborando" é hype sem produção real por trás. Este texto tenta ser o oposto: o que existe, o que funciona, o que custa e quando não vale a pena.

O que muda quando um agente vira um sistema de agentes

A Anthropic separa duas categorias no próprio guia de engenharia: workflows, onde o caminho de execução é definido por código escrito por humanos, e agents, onde o LLM decide dinamicamente os próprios passos e o uso de ferramentas. A recomendação da empresa é começar sempre pela solução mais simples possível e só subir para um sistema agêntico — e depois para multiagente — quando a tarefa realmente exigir, porque cada camada de autonomia troca previsibilidade e custo por capacidade (Building Effective Agents, Anthropic, dez/2024).

Um sistema multiagente adiciona uma segunda decisão sobre essa base: em vez de um único agente fazer tudo em sequência, um agente orquestrador analisa a tarefa, define uma estratégia e cria vários subagentes especializados, cada um operando na própria janela de contexto, em paralelo quando possível. O orquestrador não executa o trabalho fino — ele decompõe, distribui e depois compila o que os subagentes devolvem.

É exatamente o padrão que a própria Anthropic usa no produto "Research": um agente líder (rodando em Opus 4) interpreta a pergunta do usuário, desenha o plano de investigação e gera de 3 a 5 subagentes (rodando em Sonnet 4) que pesquisam em paralelo, cada um com seu próprio contexto e conjunto de ferramentas, retornando achados condensados para o líder sintetizar — com um passo separado, à parte, para gerar as citações finais (How we built our multi-agent research system, Anthropic, 13/06/2025).

A heurística de escalonamento que a Anthropic revelou nesse mesmo post é útil como regra de bolso: busca simples usa 1 agente com 3 a 10 chamadas de ferramenta; uma comparação direta entre poucas opções usa de 2 a 4 subagentes com 10 a 15 chamadas cada; pesquisa ampla e complexa passa de 10 subagentes com responsabilidades bem divididas. O ponto de operação típico fica entre 3 e 5 subagentes em paralelo — não dezenas.

Frameworks reais em 2026

Não é só a Anthropic que publica isso como produto. Seis ferramentas dominam o espaço de orquestração multiagente hoje, com propostas de arquitetura diferentes:

Fonte de cada linha: Subagents in the SDK (Anthropic); OpenAI Agents SDK docs e repositório (OpenAI); LangGraph overview e repositório (LangChain); docs.crewai.com e repositório (CrewAI); repositório AG2 (AG2); ADK Technical Overview (Google) — todas acessadas em 12/08/2026.

Dois detalhes valem destaque. O primeiro é que o OpenAI Agents SDK é descrito pela própria OpenAI como o "upgrade pronto para produção" do Swarm, um framework anterior que a empresa nunca recomendou usar em produção. O segundo é o Agent2Agent (A2A), protocolo do Google para comunicação entre agentes de frameworks e fornecedores diferentes, anunciado em abril de 2025 e doado à Linux Foundation em junho do mesmo ano — em abril de 2026, mais de 100 empresas de tecnologia (Microsoft, AWS, Cisco, Salesforce, SAP, ServiceNow, entre outras) já apoiavam o protocolo (Google Cloud donates A2A to Linux Foundation; A year of open collaboration).

O Claude Agent SDK também documenta controles de governança que valem observar antes de soltar subagentes em produção: CLAUDE_CODE_MAX_SUBAGENT_SPAWN_DEPTH limita a profundidade de subagentes gerando sub-subagentes (padrão 3 níveis), CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS limita paralelismo (padrão 20), e há teto de gasto configurável (maxBudgetUsd) — porque cada subagente é uma chamada cobrada, e a árvore pode crescer rápido sem esses freios (Subagents in the SDK, acessado 12/08/2026).

Casos reais em produção — e o que é só página de venda

O caso mais bem documentado, com fonte primária técnica detalhada, continua sendo o da própria Anthropic: no benchmark interno de pesquisa da empresa, o sistema orchestrator-worker (Opus 4 como líder, Sonnet 4 como subagentes) superou um único agente Opus 4 sozinho em 90,2%. Num eixo separado de medição, a paralelização — de 3 a 5 subagentes simultâneos, cada um usando várias ferramentas em paralelo — cortou em até 90% o tempo de pesquisas complexas em relação aos agentes sequenciais que a própria empresa usava antes. Na avaliação BrowseComp, uso de tokens sozinho explica cerca de 80% da variância de desempenho; tokens somados a número de chamadas de ferramenta e escolha de modelo explicam 95% (How we built our multi-agent research system, Anthropic, 13/06/2025).

A Meta publicou um caso de produção real em ads ranking: o Ranking Engineer Agent (REA) combina um REA Planner (estratégia e desenho de experimento) com um REA Executor (loop assíncrono de execução de jobs), com um mecanismo "hibernate-and-wake" que hiberna o próprio agente (não o treino) para sobreviver a horizontes de dias a semanas. Na primeira validação em produção, com seis modelos, iterações guiadas pelo REA dobraram a acurácia média dos modelos sobre a linha de base. Entre os primeiros a adotar a ferramenta, o número de propostas de melhoria subiu de 1 para 5 no mesmo intervalo de tempo, e o trabalho que antes exigia 2 engenheiros por modelo passou a precisar de apenas 3 engenheiros para 8 modelos — ganho que a própria Meta rotula como "5x Engineering Output" (Ranking Engineer Agent, Meta Engineering, 17/03/2026).

Fora desses dois, a maior parte dos números que circulam sobre multiagente em produção vem de página de case study do próprio fornecedor — sem auditoria independente. A Cognition (criadora do Devin) reporta taxa de merge de PR subindo de 34% para 67% ano a ano em sua revisão anual (Devin's 2025 Performance Review, 2025). Sierra e Decagon publicam, nas páginas de clientes, taxas de resolução sem intervenção humana entre 80% e mais de 90% (Ramp 90% e Airtable 80% na Sierra; Substack acima de 90% na Decagon), enquanto a página de métricas do Agentforce reporta patamar mais baixo — 50% das solicitações resolvidas de forma autônoma, com um cliente citado em 62% de resolução de casos. Em todos os casos são números de material do próprio fornecedor, sem auditoria independente (Ramp na Sierra; Airtable na Sierra; Substack na Decagon; Salesforce Agentforce metrics, todas acessadas em 08/2026).

Vale um alerta específico aqui: durante esta pesquisa, uma estatística amplamente repetida sobre a Wells Fargo — "35 mil bankers, 1.700 procedimentos, 30 segundos em vez de 10 minutos" — apareceu várias vezes atribuída ao projeto com o Google Cloud. Os números são reais, mas o projeto é outro: foram publicados pela Microsoft, em abril e maio de 2025, e descrevem um agente que a Wells Fargo construiu dentro do Microsoft Teams para 35 mil bankers em 4 mil agências, com acesso a 1.700 procedimentos internos — 75% das buscas passaram a ocorrer pelo agente, e o tempo de resposta caiu de 10 minutos para 30 segundos (How agentic AI is driving AI-first business transformation, Microsoft, 28/04/2025; As AI agents transform work, the Bay Area is on the cutting edge, Microsoft Bay Area, 07/05/2025 — é este segundo post que traz os 35 mil bankers). O post do Google Cloud sobre o Agentspace, que costuma ser citado junto, não traz esses números: nele o exemplo é outro, o de gestão de contratos, onde a Wells Fargo lida com "cerca de um quarto de milhão" de documentos relativos a acordos com fornecedores que um agente sob medida pode consultar (Wells Fargo brings the agentic era to financial services, Google Cloud). Um lembrete de que, neste espaço, o erro mais comum não é inventar número: é colar um número verdadeiro no projeto errado.

O preço: 15x mais tokens, e falhas que a própria Anthropic documentou

O ganho de desempenho vem com um custo direto. Segundo a própria Anthropic, agentes usam cerca de 4x mais tokens que um chat simples — e sistemas multiagente usam cerca de 15x mais tokens que chat (How we built our multi-agent research system, 13/06/2025). Isso muda o cálculo de quando vale a pena: só compensa quando o ganho de qualidade ou velocidade supera esse multiplicador de custo.

A Anthropic também documentou falhas reais de produção no mesmo sistema: agentes chegaram a criar 50 subagentes para consultas simples e duplicaram trabalho por decomposição ruim de tarefa; e testadores humanos notaram que os primeiros agentes preferiam conteúdo otimizado para SEO a fontes confiáveis, como PDFs acadêmicos ou blogs pessoais. A isso soma-se um limite de arquitetura: acima de 200 mil tokens o contexto é truncado, e a empresa mitiga o corte salvando o plano em memória externa. Sobre escolha de ferramenta a empresa não relata falha própria, mas enuncia o princípio — um agente que busca na web um contexto que só existe no Slack está, nas palavras dela, condenado desde o início.

Há também um esforço acadêmico recente para taxonomizar essas falhas de forma sistemática: o paper "Why Do Multi-Agent LLM Systems Fail?" (Cemri, Pan, Yang et al., com os pesquisadores seniores Ion Stoica, Matei Zaharia e Joseph E. Gonzalez, da UC Berkeley — Yang assina pelo Intesa Sanpaolo), aceito no NeurIPS 2025 Datasets & Benchmarks Track, publicou o MAST-Data, conjunto de mais de 1.600 traços de execução em sete frameworks populares, todos anotados por um LLM juiz — 210 deles também anotados por especialistas humanos, e o LLM juiz validado contra anotações humanas de um conjunto separado, reservado dos estudos de concordância (94% de acurácia, kappa=0,77). A taxonomia MAST veio antes do dataset: foi construída a partir da análise detalhada de 150 traços de cinco desses frameworks (HyperAgent, AppWorld, AG2, ChatDev e MetaGPT), e tem 14 modos de falha em três categorias — design de sistema, desalinhamento entre agentes e verificação de tarefa —, com concordância entre os anotadores humanos de kappa=0,88 (arxiv.org/abs/2503.13657, v3 26/10/2025, versão NeurIPS).

Um segundo problema documentado é o da alucinação composta: quando um agente erra e o próximo confia no erro sem checar, o erro pode atravessar a cadeia inteira. O paper "Hallucination Cascade: Analyzing Error Propagation in Multi-Agent LLM Systems" (Jamshidi, Moradi Dakhel, Nafi, Khomh — Polytechnique Montréal) mediu isso num setup próprio de 500 cascatas em 10 domínios de conhecimento, e o resultado contraria a intuição: em cascatas de três agentes, a métrica normalizada de alucinação caiu de 0,422 no primeiro agente para 0,272 no último — atenuação líquida, com fator 0,644. A propagação nociva existe, mas é minoria: 7,3% das transições entre agentes amplificam a alucinação, enquanto 54,6% corrigem ou enfraquecem a afirmação problemática. O custo aparece em outro lugar — a acurácia factual também caiu, de 0,789 para 0,769. Ou seja, não é uma correção limpa: é um trade-off entre suprimir alucinação e preservar fato (arxiv.org/html/2606.07937v1, 06/06/2026).

Quando multiagente não vale a pena

O contraponto mais direto veio de dentro da própria indústria, e quase no mesmo dia em que a Anthropic publicou seu caso de sucesso. Um dia antes, a Cognition — criadora do Devin — publicou "Don't Build Multi-Agents", argumentando que subagentes não têm visibilidade total do trabalho uns dos outros, o que leva a decisões implícitas conflitantes que um coordenador final não consegue reconciliar de forma confiável. O exemplo usado no post tem duas etapas. Na primeira, sem contexto compartilhado, dividir a criação de um clone de Flappy Bird entre dois subagentes fez um deles construir um fundo em estilo de Super Mario Bros, enquanto o outro entregou um pássaro que não parecia um asset de jogo nem se movia como o do Flappy Bird — sobrando ao agente final a tarefa de combinar as duas falhas de comunicação. Na segunda etapa, já com contexto compartilhado, o problema não desaparece — muda de natureza: pássaro e fundo saem em estilos visuais completamente diferentes, porque os subagentes continuam sem enxergar o trabalho um do outro. O próprio post cita o Claude Code, no estado de junho de 2025, como exemplo de agente que abre subtarefas sem nunca trabalhar em paralelo com elas, e cujo subagente em geral só responde a uma pergunta, em vez de escrever código (Don't Build Multi-Agents, Cognition, 12/06/2025).

A Anthropic reconhece o mesmo limite na própria pesquisa: multiagente só compensa quando há paralelização pesada, informação que excede uma única janela de contexto e uso de muitas ferramentas complexas — e cita codificação como um mau encaixe para essa arquitetura, justamente porque é pouco paralelizável e exige contexto compartilhado e dependências entre agentes.

Dois papers acadêmicos recentes sustentam esse ponto com dados. "Single-Agent LLMs Outperform Multi-Agent Systems on Multi-Hop Reasoning Under Equal Thinking Token Budgets" (Tran, Kiela) mostrou que, com orçamento de tokens de raciocínio equalizado entre as duas abordagens, agente único iguala ou supera multiagente em modelos como Qwen3, DeepSeek-R1-Distill-Llama e Gemini 2.5 — sugerindo que parte dos ganhos multiagente relatados antes refletia computação extra descontrolada, não superioridade de arquitetura (arxiv.org/abs/2604.02460, v1 02/04/2026).

"Towards a Science of Scaling Agent Systems" (Kim, Gu, Park et al., afiliados a MIT e Google) testou 260 configurações em 6 benchmarks e 5 arquiteturas: multiagente variou de +80,8% em tarefas decomponíveis e paralelizáveis (como raciocínio financeiro) a -70,0% em tarefas de planejamento sequencial — variação relativa à linha de base de agente único, não pontos percentuais. Em outras palavras, a mesma arquitetura que quase dobra o resultado numa tarefa pode piorar o resultado em até 70% quando a tarefa exige sequência em vez de paralelismo (arxiv.org/abs/2512.08296, v3 08/04/2026). Um terceiro estudo, "When Does Multi-Agent Collaboration Help? An Entropy Perspective" (Zhao, Chen, Su), encontrou agente único superando multiagente em cerca de 43,3% dos casos testados em 6 benchmarks de raciocínio e 2 tarefas agênticas, atribuindo parte do problema a entropia instável nas primeiras rodadas de interação entre agentes (arxiv.org/html/2602.04234v6, v6 04/06/2026).

O paper MAST citado na seção anterior parte da mesma premissa: os ganhos de sistemas multiagente "em benchmarks populares costumam ser mínimos, apesar do entusiasmo em torno deles" — e o próprio paper existe para explicar por quê.

Como decidir se vale a pena no seu caso

Cruzando o que a Anthropic documentou com o contraponto da Cognition e os três papers acadêmicos, dá para montar um filtro prático:

• A tarefa é paralelizável de verdade? Se os pedaços dependem uns dos outros em sequência (como escrever um módulo de código que depende de decisões de outro módulo), multiagente tende a piorar, não melhorar.
• A informação excede uma janela de contexto? Pesquisa ampla com muitas fontes independentes é o cenário onde a Anthropic viu o maior ganho — cada subagente lê uma fatia sem competir por espaço de contexto com os outros.
• O orçamento de tokens comporta 15x? Se o ganho de qualidade ou velocidade não supera esse multiplicador de custo, um agente único com mais tempo de raciocínio pode entregar resultado equivalente por menos.
• Existe verificação entre os passos? A alucinação composta se agrava quando um agente aceita a saída do anterior sem checar. Um passo de verificação — mesmo que simples — reduz a chance de erro se propagar pela cadeia.

Nenhuma dessas perguntas tem resposta genérica. É por isso que tanto a Anthropic quanto a Cognition — duas empresas de fronteira, publicando quase no mesmo dia — chegaram a conclusões opostas: elas estavam testando tarefas diferentes.

Perguntas Frequentes

O que é um sistema multiagente de IA?

É uma arquitetura onde um agente orquestrador decompõe uma tarefa e distribui partes para subagentes especializados, cada um operando na própria janela de contexto — em vez de um único agente executar tudo em sequência. O padrão mais documentado é o orchestrator-worker, usado pela Anthropic no produto Research.

Multiagente é sempre melhor que um agente único?

Não. A Anthropic documentou +90,2% de ganho em pesquisa complexa e paralelizável, mas o paper "Towards a Science of Scaling Agent Systems" mediu queda de até 70% em tarefas de planejamento sequencial, e a Cognition (criadora do Devin) publicou um contraponto explícito recomendando não usar multiagente para escrever código.

Quanto custa a mais rodar um sistema multiagente?

Segundo a Anthropic, sistemas multiagente consomem cerca de 15 vezes mais tokens que um chat simples, e agentes isolados já consomem cerca de 4 vezes mais. Esse multiplicador precisa ser comparado ao ganho real de qualidade ou velocidade antes de adotar a arquitetura.

Quais frameworks existem hoje para construir sistemas multiagente?

Os principais em 2026 são Claude Agent SDK (Anthropic), OpenAI Agents SDK, LangGraph (LangChain), CrewAI, AutoGen/AG2 e Google ADK — cada um com um modelo de coordenação diferente, de handoffs a grafos com estado a hierarquias compostas.

O que é alucinação composta em sistemas multiagente?

É quando um agente comete um erro e o agente seguinte na cadeia confia nesse resultado sem verificar, deixando o erro atravessar a cadeia. Pesquisa acadêmica recente mediu que, na média, a cadeia até reduz a alucinação — a propagação que amplifica o erro aparece em cerca de 7% das transições entre agentes —, mas essa mesma passagem de mão em mão custa acurácia factual: ao revisar a saída anterior, os agentes podem omitir detalhes válidos, simplificar afirmações com nuance e trocar conteúdo específico por formulações mais seguras e menos informativas.

Conclusão

Multiagente não é o upgrade automático que o hype sugere — é uma troca de custo por capacidade, e só vale a pena quando a tarefa é paralelizável, a informação excede uma janela de contexto e o orçamento comporta o multiplicador de tokens. Este artigo saiu de um pipeline que é, ele mesmo, um sistema multiagente: um editor pediu pesquisa, um pesquisador voltou com fontes verificadas, e a redação partiu só depois disso. Onde a arquitetura se encaixa, o ganho é real e documentado. Onde não se encaixa — como em código sequencial e fortemente acoplado — o resultado piora, e duas empresas de fronteira publicaram isso quase no mesmo dia.

Posts Relacionados

• Plugins e Skills de Claude Code: Como a Gente Automatiza o Próprio Trabalho
• MCP: O Protocolo que Conecta IAs a Qualquer Sistema
• Agentic AI: por que 2026 é o ano dos agentes que agem sozinhos