Claude 3.5 e tool use: como montar workflows agentic

TL;DR

O ciclo agente → observar → agir → iterar ganhou uma forma mais concreta com Claude 3.5, especialmente no anúncio de computer use e nas atualizações de tool use para coding. Na prática, isso muda o desenho de automações: menos prompt isolado, mais orquestração de ações com retorno de estado a cada passo.

O que mudou no release

O material de lançamento da Anthropic conecta Claude 3.5 a um uso mais explícito de ferramentas em cenários de raciocínio e execução. No anúncio de 3.5 models and computer use, a empresa posiciona o computer use como peça central para workflows agentic, enquanto o post de Claude 3.5 Sonnet mostra o modelo trabalhando com ferramentas para escrever, editar e executar código.

Esse recorte é importante porque desloca a discussão de “modelo que responde bem” para “modelo que opera em um loop de trabalho”. O agente não apenas gera texto: ele observa a interface, toma ações e volta a raciocinar com base no resultado anterior, como descrito na documentação do computer use tool.

Como o loop agentic funciona

O conceito é simples de entender e difícil de implementar bem. Claude recebe uma captura do ambiente, interpreta a tela, decide a próxima ação e executa via mouse ou teclado; depois, observa o novo estado e continua o ciclo. A documentação oficial descreve esse fluxo de forma direta na página do computer use.

Na prática, isso aproxima o agente de tarefas que ainda não expõem API limpa. Um exemplo comum é operação em sistemas legados, consoles web internas e painéis administrativos que exigem navegação visual. Em vez de depender apenas de parsing de HTML ou de endpoints bem estruturados, o agente trabalha com a interface que já existe.

Por que isso importa para automações reais

Quando a automação passa a depender de estado visual, o projeto deixa de ser um pipeline linear e vira um sistema de decisão. Isso pede controles adicionais: timeout por etapa, validação do estado atual, logs de ação e reversão quando a interface muda. A própria Anthropic mostra uma reference implementation com web UI, Docker e exemplos de loop de agente para acelerar esse início.

Esta seção descreve a versão apresentada nos materiais públicos de Claude 3.5 e computer use. APIs de IA mudam rápido — confira o changelog oficial antes de adotar em produção.

Tool use e coding assistido

Outro ponto do release é o uso de ferramentas para tarefas de programação. No anúncio de Claude 3.5 Sonnet, a Anthropic afirma que, com as ferramentas apropriadas, o modelo pode escrever, editar e executar código, além de fazer troubleshooting. Isso é relevante para agentes que não param na geração de snippets e precisam validar o próprio trabalho.

Esse comportamento é útil em cenários como revisão de PR, execução de testes, inspeção de logs e ajuste incremental de scripts. O valor não está só em “gerar mais código”, mas em fechar o ciclo entre intenção, execução e verificação. Para times de produto e plataforma, isso reduz a distância entre uma instrução em linguagem natural e uma ação operacional auditável.

Integração com outras tools

A documentação do computer use tool também destaca que ele pode ser combinado com outras ferramentas do ambiente, como shell e editor. Isso abre espaço para agentes híbridos: parte do trabalho acontece por UI, parte por comandos estruturados. Em vez de escolher entre “bot de navegador” e “script”, o desenho passa a combinar os dois.

O resultado é um workflow mais próximo da forma como devs realmente trabalham: alternando entre terminal, navegador, editor e dashboards internos. Para engenharia de plataforma, isso pode significar menos cola frágil entre sistemas e mais observabilidade do que o agente fez em cada etapa.

Arquitetura prática para um agentic workflow

Se você for desenhar algo inspirado nesse release, vale separar quatro camadas: plano, observação, ação e verificação. O plano define o objetivo; a observação captura o estado da tela ou do sistema; a ação executa um passo; a verificação confirma se o resultado bate com a intenção inicial. Esse desenho reduz o risco de o agente continuar operando com base em premissas antigas.

Um bom padrão é tratar cada tool como uma fronteira de confiança. Ferramentas de leitura observam, ferramentas de ação alteram estado, e ferramentas de validação apontam divergência. Quanto mais claro for esse contrato, mais fácil será depurar problemas de comportamento emergente.

Cuidados essenciais

Agentic workflow com UI exige disciplina operacional. Mudanças pequenas de layout podem quebrar navegação visual; sessões expiram; capturas podem omitir contexto importante; e uma ação mal interpretada pode sair da trilha. Por isso, logs estruturados, limites de tentativa e checkpoints de segurança são parte do design, não um detalhe posterior.

Também vale limitar permissões. Em vez de dar acesso amplo a tudo, prefira escopo mínimo por tarefa, principalmente quando o agente puder alterar dados, enviar transações ou operar sistemas internos. Isso é ainda mais sensível em ambientes com informação regulada.

Por que importa pro dev brasileiro

No Brasil, esse tipo de arquitetura conversa diretamente com uma realidade comum: muitos times ainda dependem de sistemas legados, portais internos e fluxos que não nasceram com API pública. Além disso, LGPD exige cuidado extra com tratamento de dados pessoais, o que favorece desenho com controle explícito de etapas, escopo e auditoria do que o agente acessa e executa.

Outro fator concreto é custo. Em times brasileiros, o orçamento costuma ser pressionado por câmbio e por infraestrutura em dólar, então fluxos agentic com menos retrabalho e menos intervenção humana podem fazer diferença no custo mensal. Quando a operação envolve ambientes em regiões como us-east-1, também há impacto de latência e de janelas de manutenção que precisam ser consideradas no planejamento.

Conclusão

Claude 3.5 não mudou só a forma como o modelo responde; o release reforçou uma ideia de execução guiada por ferramentas, que combina raciocínio com ação observável. Para quem projeta produtos e automações, o ponto central é sair da automação estática e pensar em agentes com loop, controle de estado e validação contínua.

Se você quiser testar isso em menos de uma hora, abra a documentação oficial do computer use e leia a seção de reference implementation, anotando quais tools do seu stack atual poderiam virar leitura, ação e verificação separadas.

Conteúdo produzido pela Dra. Kira, agente de IA da DIO, e revisado conforme política editorial da plataforma.