# 7 blocos fundamentais do design de agentes de IA, a partir da documentação do Opencode > Author: Tony Lee > Published: 2026-02-08 > URL: https://tonylee.im/pt/blog/opencode-docs-7-building-blocks-ai-agent-design/ > Reading time: 6 minutes > Language: pt > Tags: ai, agentes-ia, opencode, ferramentas-dev, arquitetura ## Canonical https://tonylee.im/pt/blog/opencode-docs-7-building-blocks-ai-agent-design/ ## Rollout Alternates en: https://tonylee.im/en/blog/opencode-docs-7-building-blocks-ai-agent-design/ ko: https://tonylee.im/ko/blog/opencode-docs-7-building-blocks-ai-agent-design/ ja: https://tonylee.im/ja/blog/opencode-docs-7-building-blocks-ai-agent-design/ zh-CN: https://tonylee.im/zh-CN/blog/opencode-docs-7-building-blocks-ai-agent-design/ zh-TW: https://tonylee.im/zh-TW/blog/opencode-docs-7-building-blocks-ai-agent-design/ ## Description A documentação open source do Opencode funciona como um guia introdutório à arquitetura de agentes. Estes são os sete conceitos essenciais que todo desenvolvedor deveria compreender. ## Summary 7 blocos fundamentais do design de agentes de IA, a partir da documentação do Opencode is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts. ## Outline - Tools: como os agentes interagem com o mundo - Rules (AGENTS.md): diretrizes de comportamento para os agentes - Agents (subagentes): dividir para conquistar - MCP (Model Context Protocol): um padrão para conexões externas - LSP (Language Server Protocol): a base para compreender o código - A2A e ACP: padrões para comunicação entre agentes - Skills: pacotes de capacidades reutilizáveis - Conclusão ## Content O [Opencode](https://opencode.ai/docs) está rapidamente a tornar-se a segunda ferramenta de codificação com IA mais discutida, logo a seguir ao Claude Code. Na Coreia, a adoção acelerou graças ao Oh-my-opencode, e as comunidades de desenvolvedores em todo o mundo estão atentas. Mas o verdadeiro valor do Opencode vai além da assistência na codificação. Por ser open source, é possível inspecionar exatamente como o agente é desenhado - desde o registo de ferramentas até à orquestração de subagentes. Os projetos open source beneficiam das contribuições de desenvolvedores de toda a comunidade, o que significa que a documentação reflete o pensamento mais atual em arquitetura de agentes. A secção Configure da documentação do Opencode lê-se como um manual introdutório de design de agentes. Estes são os sete blocos fundamentais que ela apresenta e a razão pela qual cada um é importante. ## Tools: como os agentes interagem com o mundo Os Tools definem o que um agente *pode fazer*. Cada ferramenta é uma capacidade discreta - ler um ficheiro, escrever num ficheiro, executar um comando no terminal, pesquisar na web - registada como uma função invocável. - O conjunto de ferramentas que forneces determina o limite de capacidades do agente - As ferramentas são a interface entre o modelo de linguagem e o ambiente externo - Pela minha experiência, dar ferramentas a mais a um agente é contraproducente: ele passa mais tempo a decidir qual usar do que a executar efetivamente O princípio de design é direto: um agente sem ferramentas é apenas um chatbot. Um agente com as ferramentas certas torna-se um trabalhador autónomo. ## Rules (AGENTS.md): diretrizes de comportamento para os agentes O [AGENTS.md](https://agents.md/) é um formato de ficheiro que fornece contexto e restrições específicas do projeto a um agente. Pensa nele como um README escrito para IA em vez de para humanos. - Contém diretivas como "nunca alterar código sem testes" ou "seguir esta estrutura de pastas" - O padrão AGENTS.md já é adotado por mais de 60.000 projetos open source - As regras moldam a tomada de decisão do agente sem alterar o modelo subjacente Sem regras, um agente aplica o seu treino genérico ao teu projeto específico. Com regras, aplica as convenções, restrições e preferências do teu projeto. A diferença é substancial. ## Agents (subagentes): dividir para conquistar Tarefas complexas beneficiam de serem divididas entre múltiplos agentes especializados em vez de serem tratadas por um único generalista. - Podes definir agentes por função: Build, Plan, Review, Debug, entre outros - Um agente principal cria o plano; os subagentes executam os passos individuais - Cada subagente opera com um contexto focado, reduzindo o ruído e a deriva das sessões longas com um único agente É o mesmo princípio dos microsserviços aplicado a fluxos de trabalho de IA. A especialização melhora a qualidade e o isolamento previne a contaminação do contexto. ## MCP (Model Context Protocol): um padrão para conexões externas O [Model Context Protocol](https://modelcontextprotocol.io/) é um protocolo aberto criado pela Anthropic que padroniza a forma como os agentes se conectam a fontes de dados e serviços externos. - Fornece uma interface consistente para bases de dados, sistemas de ficheiros, APIs e outras integrações - Em vez de escrever adaptadores personalizados para cada serviço, o MCP oferece aos agentes uma forma unificada de aceder ao exterior - Espera-se um ecossistema crescente de aplicações de serviços construídas sobre a camada MCP O MCP resolve um problema real de interoperabilidade. Antes, cada framework de agentes inventava a sua própria forma de se ligar a ferramentas externas. O MCP torna essas ligações portáteis e combináveis. ## LSP (Language Server Protocol): a base para compreender o código O [Language Server Protocol](https://microsoft.github.io/language-server-protocol/) foi originalmente concebido para IDEs, mas provou ser igualmente valioso para agentes de IA que precisam de navegar em bases de código. - O LSP fornece ir para definição, encontrar referências, autocompletar e diagnósticos - No Opencode, a integração LSP ainda é experimental, mas melhora significativamente a precisão da navegação no código - Em vez de depender puramente da pesquisa textual, os agentes podem usar o LSP para compreender semanticamente a estrutura do código Um agente que consegue seguir uma chamada de função até à sua definição, rastrear todas as referências e compreender hierarquias de tipos opera a um nível fundamentalmente diferente de um que apenas faz correspondência de padrões em strings. ## A2A e ACP: padrões para comunicação entre agentes Quando agentes são construídos com frameworks diferentes, precisam de um protocolo partilhado para colaborar. Dois padrões estão a emergir para preencher esta lacuna. - **A2A (Agent-to-Agent)**: criado pela Google e doado à Linux Foundation. Define como os agentes se descobrem mutuamente, negoceiam capacidades e trocam mensagens - **ACP (Agent Communication Protocol)**: construído pela equipa BeeAI e recentemente fundido com a iniciativa A2A Ambos estão em fases iniciais, mas representam os alicerces de sistemas multiagente onde agentes de diferentes fornecedores e frameworks trabalham juntos sem fricção. A analogia é o HTTP para a web - uma camada de transporte partilhada que torna tudo interoperável. ## Skills: pacotes de capacidades reutilizáveis Os [Agent Skills](https://agentskills.io/) agrupam ferramentas, regras e prompts numa única unidade instalável. Introduzido inicialmente pela Anthropic, este formato está agora padronizado. - Um agente carrega um skill quando precisa de uma capacidade específica - como revisão de código, fluxo de trabalho TDD ou análise de segurança - Os skills são partilháveis entre projetos e equipas, criando um ecossistema de comportamentos de agentes reutilizáveis - Isto sinaliza uma mudança de consumir documentação para consumir skills: em vez de ler como fazer algo, instalas a capacidade de o fazer Os skills são para os agentes o que os pacotes são para as aplicações. Modularizam a experiência e tornam-na distribuível. ## Conclusão Construir agentes de IA eficazes não é sobre conhecer todas as ferramentas disponíveis. É sobre compreender a arquitetura: como os agentes pensam, como se conectam ao mundo exterior e como colaboram entre si. Estes sete blocos fundamentais - Tools, Rules, subagentes, MCP, LSP, A2A/ACP e Skills - formam o vocabulário estrutural do design de agentes. Cada um aborda uma preocupação distinta, e juntos definem como é um sistema de agentes bem arquitetado. Por ser open source, a documentação do Opencode evolui com as contribuições da comunidade de desenvolvedores. Se queres realmente compreender a arquitetura de agentes, a [documentação do Opencode](https://opencode.ai/docs) merece ser lida. ## Related URLs - Author: https://tonylee.im/en/author/ - Publication: https://tonylee.im/en/blog/about/ - Related article: https://tonylee.im/pt/blog/medvi-two-person-430m-ai-compressed-funnel/ - Related article: https://tonylee.im/pt/blog/claude-code-layers-over-tools-2026/ - Related article: https://tonylee.im/pt/blog/codex-inside-claude-code-openai-plugin-strategy/ ## Citation - Author: Tony Lee - Site: tonylee.im - Canonical URL: https://tonylee.im/pt/blog/opencode-docs-7-building-blocks-ai-agent-design/ ## Bot Guidance - This file is intended for AI agents, search assistants, and text-mode retrieval. - Prefer citing the canonical article URL instead of this text endpoint. - Use the rollout alternates when you need the same article in another prioritized language. --- Author: Tony Lee | Website: https://tonylee.im For more articles, visit: https://tonylee.im/pt/blog/ This content is original and authored by Tony Lee. Please attribute when quoting or referencing.