Phase 14 - Lesson 28

Padrões de Orquestração: Supervisor, Swarm, Hierárquico

Quatro padrões de orquestração são recorrentes nos frameworks de 2026: supervisor-worker, swarm / peer-to-peer, hierárquico, debate. A orientação da Anthropic: "Trata-se de construir o sistema certo para as suas necessidades." Comece simples; adicione topologia apenas quando um único agente associado a cinco padrões de fluxo de trabalho for insuficiente.

Tipo: Aprender + Construir Idiomas: Python (stdlib) Pré-requisitos: Fase 14 · 12 (Padrões de Fluxo de Trabalho), Fase 14 · 25 (Debate Multiagente) Tempo: ~60 minutos

Objetivos de Aprendizado

• Nomear os quatro padrões de orquestração recorrentes e quando cada um se aplica.
• Descrever a recomendação da LangChain de 2026: supervisão baseada em chamada de ferramentas (tool-call-based) versus bibliotecas de supervisor.
• Explicar a regra da Anthropic de "construir o sistema certo" e como ela define a escolha da topologia.
• Implementar todos os quatro padrões em stdlib contra um LLM simulado por script.

O Problema

As equipes recorrem a "multiagentes" antes do necessário. Quatro padrões se repetem nos frameworks; uma vez que você consiga nomeá-los, poderá escolher o correto — ou evitar a topologia inteiramente.

O Conceito

Supervisor-worker

• Um LLM de roteamento central distribui tarefas para agentes especialistas.
• Decide: retornar para si mesmo, passar a tarefa para um especialista ou encerrar.
• Os especialistas não conversam entre si; todo o roteamento passa pelo supervisor.

Frameworks: LangGraph create_supervisor, Anthropic orchestrator-workers, CrewAI Hierarchical Process.

Recomendação da LangChain de 2026: faça a supervisão por meio de chamadas diretas de ferramentas (tool calls) em vez de create_supervisor. Isso oferece um controle mais refinado da engenharia de contexto — você decide exatamente o que cada especialista vê.

Swarm / peer-to-peer

• Agentes passam tarefas diretamente por meio de uma interface de ferramentas compartilhada.
• Sem roteador central.
• Menor latência do que o supervisor (menos saltos/hops).
• Mais difícil de compreender e depurar (sem um ponto central de controle).

Frameworks: topologia de swarm do LangGraph, transferências (handoffs) do SDK de Agents da OpenAI (quando todos os agentes podem passar tarefas para todos os outros).

Hierárquico

• Supervisores gerenciando sub-supervisores que gerenciam workers.
• Implementado como subgrafos aninhados no LangGraph; crews aninhadas no CrewAI.
• Escala para grandes populações de agentes ao custo de complexidade operacional.

Quando você precisa disso: quando o limite de contexto de um único supervisor não consegue conter as descrições de todos os especialistas.

Debate

• Proponentes paralelos + crítica cruzada iterativa (Lição 25).
• Não é exatamente orquestração — está mais para verificação — mas aparece como uma opção de topologia nos frameworks.

CrewAI Crew vs Flow

O CrewAI formaliza dois modos de implantação:

• Flow para automação determinística baseada em eventos (ponto de partida recomendado para produção).
• Crew para colaboração autônoma baseada em papéis (roles).

Isso é ortogonal aos quatro padrões acima, mas mapeia para a topologia: Flow é normalmente supervisor ou hierárquico; Crew é normalmente supervisor com um roteador de LLM.

Orientação da Anthropic

"O sucesso no espaço de LLMs não se trata de construir o sistema mais sofisticado. Trata-se de construir o sistema certo para as suas necessidades."

Ordem de decisão:

1. Agente único + padrões de fluxo de trabalho (Lição 12) — comece aqui.
2. Supervisor-worker — quando você tem de 2 a 4 especialistas.
3. Swarm — quando a latência importa mais do que a clareza do raciocínio.
4. Hierárquico — apenas quando o limite de contexto do supervisor falhar.
5. Debate — quando a precisão importa mais do que o custo.

Onde esse padrão costuma dar errado

• Mentalidade de topologia primeiro (topology-first). Decidir "precisamos de multiagentes" antes de identificar qual problema os multiagentes realmente resolvem.
• Transferências infinitas (bouncing handoffs) no swarm. A -> B -> A -> B. Use contadores de saltos (hop counters).
• Hierarquia falsa. Três camadas porque é uma "empresa", mas apenas duas equipes reais. Simplifique.

Construa

O arquivo code/main.py implementa todos os quatro padrões em stdlib contra um LLM simulado por script:

• Supervisor — roteador central.
• Swarm — peer-to-peer com transferências diretas.
• Hierarchical — supervisores de supervisores.
• Debate — proponentes paralelos + crítica.

Cada padrão lida com a mesma tarefa de três intenções (reembolso / bug / vendas). Os formatos de rastreamento (trace) diferem.

Execute:

python3 code/main.py

Saída: rastreamento por padrão + contagem de operações. O supervisor é o mais limpo; swarm é o mais curto; hierárquico é o mais profundo; debate é o mais caro.

Use

• LangGraph para supervisor e hierárquico (subgrafos aninhados).
• OpenAI Agents SDK para transferências como ferramentas (formato de supervisor).
• CrewAI Flow para produção determinística.
• Customizado para debate ou quando você deseja controle exato.

Envie

O arquivo outputs/skill-orchestration-picker.md seleciona uma topologia e a implementa.

Exercícios

1. Converta um supervisor-worker em um swarm removendo o roteador. O que quebra? O que melhora?
2. Adicione um contador de saltos (hop counter) ao swarm: recuse após 3 transferências. Ele detecta a oscilação A->B->A?
3. Construa um sistema hierárquico de dois níveis para um domínio com 12 especialistas. Onde o limite de contexto falha sem o aninhamento?
4. Monitore o perfil dos quatro padrões em uma carga de trabalho semelhante à de produção. Qual deles vence em qual métrica (latência, custo, precisão, depurabilidade)?
5. Leia o artigo "Building Effective Agents" da Anthropic. Mapeie cada um dos seus fluxos de produção para um dos quatro padrões. Algum deles não se encaixa perfeitamente?

Termos-Chave

Leitura Adicional

• Anthropic, Building Effective Agents — cinco padrões + agente versus fluxo de trabalho
• LangGraph overview — supervisor, swarm, hierárquico
• CrewAI docs — Crew vs Flow
• Du et al., Society of Minds (arXiv:2305.14325) — padrão de debate