AgentOS é uma plataforma experimental que integra agentes inteligentes, fluxos orquestrados e comunicação entre múltiplos sistemas para simular o funcionamento de uma organização biónica em ambientes de transformação digital.
Capacitar indivíduos e organizações a:
- Diagnosticar seu estado digital,
- Planejar ações com base em contextos dinâmicos,
- Executar tarefas via agentes automatizados,
- Simular cenários futuros com apoio de IA, usando uma arquitetura modular baseada em agentes e protocolos.
Este projeto se apoia na convergência de quatro tecnologias fundamentais:
| Componente | Função Principal |
|---|---|
| LangChain | Criação de agentes LLM com ferramentas e memória |
| LangGraph | Orquestração do fluxo de decisão entre agentes |
| MCP (Model Context Protocol) | Padronização do estado e contexto para interoperabilidade |
| A2A (Agent-to-Agent Protocol) | Comunicação segura e semântica entre agentes internos e externos |
- Consultoria automatizada para pequenas empresas (ex: plano digital, chatbot, campanhas)
- Orquestração de tarefas administrativas via IA
- Simulação de transformações organizacionais com múltiplos agentes
- Autonomia de decisão baseada em contexto
agentos/
├── digitalops/ # Camada de operações digitais (mock ou real)
│ ├── mock.py # Mock de chamadas operacionais (ativar serviço, monitorar evento, etc.)
│ ├── state.py # Armazena/atualiza estado operacional dos serviços
│ ├── gateway.py # Interface (façade) para o resto do sistema
│ └── log.py # Logging de eventos operacionais simulados
├── agents/ # Agentes LangChain
│ ├── planner_agent.py
│ ├── executor_agent.py
├── langgraph/ # Fluxos de controle e decisão
│ └── digital_plan_graph.py
├── context/ # Schemas e exemplos de MCP
│ └── mcp_schema.json
├── a2a/ # Integração com protocolos externos
│ └── communicator.py
├── twins/ # Digital Twins / Digital Shadows
│ ├── blueprints/ # Definições estáticas (ex: DTDL, YAML, JSON)
│ │ ├── chatbot_service.json
│ ├── shadows/ # Estados dinâmicos em tempo real (espelhos)
│ │ ├── loja_conforto.shadow.json
│ └── schema.py # DTOs e validadores em Python (opcional)
├── simulation/ # Simulações e análise de impacto
│ ├── scenarios/ # Casos simulados (entradas)
│ │ ├── default.json
│ ├── models/ # Modelos exportados (ex: AnyLogic, mesa)
│ │ ├── AgentOSSim.xlpx # Ex: projeto AnyLogic
│ ├── bridge.py # Código para integração (Python ↔ AnyLogic/mesa)
│ ├── runner.py # Executor de simulações (por CLI, API ou teste)
│ └── metrics.py # Coleta e análise de KPIs simulados
├── models/ # DTOs reutilizáveis em LangGraph, AGUI, Twins, API
│ ├── base.py # BaseDTO (Pydantic root)
│ ├── plano.py # PlanoDTO, EtapaDTO
│ ├── acao.py # AcaoDTO, ResultadoExecucaoDTO
│ ├── twin.py # TwinStateDTO, BlueprintDTO
│ └── agui.py # Estruturas de entrada/saída do AG-UI
├── app/
│ ├── api.py # FastAPI principal
│ ├── agui/ # Integração com AG-UI Protocol
│ │ ├── handler.py # Eventos e lógica AG-UI
│ │ └── schema.py # (Opcional) Schemas e tipos customizados AG-UI
│ └── ui/ # Interface frontend (React, Angular etc.)
│ └── dashboard.tsx
├── main.py # Execução sequencial manual
├── check_ollama.py # Verificação do servidor LLM
├── .env # Variáveis de ambiente
├── README.md
└── requirements.txt
- Criar fluxo LangGraph com dois agentes (planejamento e execução)
- Padronizar o contexto via MCP (versão inicial)
- Expor o sistema via FastAPI
- Criar UI mínima para entrada de objetivos
- A2A: Comunicação com agentes externos via protocolo (ex: Gemini, Zapier, CRM)
- Simulação de decisões e branching via LangGraph
- Dashboard com histórico de execuções
- Permitir que usuários definam seus próprios fluxos
- Editor visual baseado em grafo
- Exportação e reexecução de planos simulados
O AgentOS visa evoluir como uma infraestrutura modular de agentes, onde:
- Fluxos podem ser descritos como grafos vivos,
- Agentes compartilham contexto em tempo real,
- Protocolos como MCP e A2A garantem interoperabilidade,
- Organizações digitais podem ser simuladas e geridas como ecossistemas adaptativos.
Jaime José Dias da Silva Neto
Engenheiro de Software | Especialista em Transformação Digital
LinkedIn: linkedin.com/in/jdiasneto