Blank white background with no objects or features visible.

Estamos disponibilizando acesso gratuito ao Gartner Hype Cycle for AI Governance 2026 completo. Obtenha sua cópia →

Do Agente ao Loop ao Grafo: Uma Arquitetura de Produção para Sistemas Agênticos

By Boyu Wang

Published: October 7, 2026

Uma publicação amplamente compartilhada no X em 18 de agosto de 2026 atribui um passo a passo de duas horas a Andrew Ng e apresenta uma progressão útil do escopo de engenharia: um primeiro agente funcional aos 9:14, loops aos 33:11, loops se tornando grafos aos 1:02:46, agentes modificando seu próprio código aos 1:30:15 e uma camada de orquestração unindo o sistema aos 1:49:05. Este artigo utiliza esse roteiro com marcações de tempo como ponto de partida para a arquitetura de produção; ele não depende da veracidade da atribuição.

Independentemente de esses rótulos se tornarem vocabulário canônico, a progressão é útil porque cada etapa adiciona uma questão de sistemas diferente. Um único agente introduz questões de capacidade e uso de ferramentas. Um loop durável adiciona preocupações com estado, recuperação, contexto e aprovação. Um grafo adiciona topologia, coordenação e delegação. A automodificação levanta questões de verificação, contenção e promoção. A orquestração transforma o sistema combinado em um problema operacional.

Editorial Analysis and Key Takeaways
Source note. The supplied X post is dated August 18, 2026 and presents the five timestamps below as an Andrew Ng walkthrough. We found syndicated copies preserving the same timestamped outline, but we did not independently verify the underlying two-hour artifact as an Andrew Ng publication. DeepLearning.AI's current catalog lists Andrew Ng's Agentic AI course at 7h45m and Agentic Knowledge Graph Construction as a separate 3h8m course taught by Andreas Kollegger. Neither establishes the provenance of the exact two-hour artifact. The timestamps in this article therefore remain the X post's framing, and the production architecture below is TrueFoundry editorial analysis.
The operating principle: the interesting move is not “replace prompts with graphs.” It is to make increasingly consequential work explicit as runtime loops, graph edges, and operating controls that can be inspected, bounded, and improved.

Key Takeaways

  • Agent → loop → graph is a change of engineering object. The model does not disappear; more responsibility moves into the machinery around it.
  • Loops and graphs are complementary. A graph decides which nodes exist and how work moves; multi-step agentic nodes still need a local loop that plans, acts, observes, and recovers.
  • Do not confuse graph orchestration with knowledge graphs. A knowledge graph structures information; an agent graph structures execution, delegation, dependencies, and authority.
  • Self-modification raises the bar. If an agent can rewrite code or configuration, its proposed change should not be the only evidence used to accept that change.
  • TrueForge fits naturally inside multi-step agentic nodes. It is an open-source agent harness for the execution loop: model calls, MCP tools, skills, sandboxing, approvals, subagents, context management, and persisted session state.
  • TrueFoundry gateways can provide shared policy surfaces across routed traffic. Model access, routing, budgets, rate limits, guardrails, and traces can be centralized for model calls routed through the AI Gateway; MCP authentication and tool/server policy can be centralized for MCP traffic routed through the MCP Gateway.

1. O Primeiro Agente é uma Capacidade; o Loop o Torna um Sistema

O primeiro marco na publicação fornecida é o mais fácil de reconhecer: fazer um agente funcionar. Dê a um modelo um objetivo, uma interface de ferramenta e estado suficiente para escolher uma ação. Esse é o momento em que um modelo de linguagem deixa de ser apenas um gerador de texto e começa a participar de um sistema.

Mas a ação única não é onde a complexidade operacional se acumula. A complexidade aparece quando o agente precisa continuar: observar o resultado, decidir se a tarefa foi concluída, chamar outra ferramenta, sobreviver a uma chamada falha, compactar o contexto, pedir aprovação ou retomar no dia seguinte.

É por isso que o artigo da TrueFoundry de junho sobre engenharia de loops definiu a disciplina desta forma:

Loop Engineering Quote
“Loop engineering is designing the system that prompts your agents.”

A frase é importante porque desvia a atenção de um único prompt heroico. Uma vez que o loop está realizando trabalho útil sem supervisão, as questões de design tornam-se questões comuns de sistemas: onde o estado reside, quais ações podem ser repetidas, quantas vezes uma falha pode se repetir, quando um humano deve intervir, qual código pode ser executado, quais credenciais estão acessíveis e como uma execução é reconstruída posteriormente.

Progression from a single agent to a durable loop, then a graph, then a shared operating plane with routing, budgets, guardrails, and traceability.
Figura 1. Uma leitura voltada para produção da progressão fornecida. Mudar de um único agente para loops, depois para grafos e, finalmente, para uma superfície operacional compartilhada, desloca o foco da engenharia do design de prompts para o design de tempo de execução, topologia, política e evidências.

2. Um Grafo Não Substitui o Loop; Ele Organiza Loops e Outros Nós

O próximo salto conceitual da publicação no X — loops se tornando grafos — é onde o hype pode obscurecer a engenharia útil. Um grafo não é "mais agentes" por definição. Um grafo de produção pode conter agentes, funções determinísticas, roteadores, junções, filas, pontos de verificação humanos, avaliadores, gravações em banco de dados e serviços comuns.

O guia de engenharia de grafos da TrueFoundry de julho resumiu a relação em sete palavras:

Graph Orchestration Quote
“Graph orchestration and agent loops are complementary.”

O grafo ou orquestrador detém questões como: Qual nó é executado a seguir? Dois ramos podem ser executados em paralelo? Qual resultado desbloqueia uma junção? O que acontece quando um ramo falha? Qual agente pode delegar para qual outro agente? Qual caminho requer um ponto de verificação humano? Um loop de várias etapas dentro de um nó agente detém um conjunto diferente de questões: qual contexto o agente vê, qual ferramenta ele seleciona, como ele lida com observações, quando ele tenta novamente e quando seu trabalho local está concluído.

Execution graph showing two agentic nodes with local loops, a deterministic router, a tool or service node, and a human checkpoint.
Figura 2. Um grafo não é apenas "mais agentes". Ele coordena nós heterogêneos — agentes, determinísticos, voltados para ferramentas e humanos — e apenas os nós agentes precisam de seus próprios loops de execução locais.

Primeiro, separe dois significados de "grafo"

A abordagem nas redes sociais usa a expressão "grafos de conhecimento agente". Essa redação pode fundir duas arquiteturas distintas. Um grafo de conhecimento representa entidades e relacionamentos em informações. Um grafo de execução de agente representa atores, nós computacionais, transições, dependências e estado de trabalho. Um pode alimentar o outro, mas eles respondem a perguntas diferentes.

Se um agente de pesquisa consulta um grafo de conhecimento e depois delega a validação a um segundo agente, o grafo de conhecimento é parte do que o sistema sabe; o grafo de execução descreve o que o sistema faz.

3. As bordas são onde muitos controles corporativos se tornam aplicáveis

Um diagrama de grafo torna-se operacional quando nós e bordas possuem autoridade. Uma borda pode significar “chamar este modelo”, “invocar esta ferramenta MCP”, “transferir este registro de cliente para outro agente”, “escrever este patch” ou “implantar este artefato”. Uma vez que essas transições têm consequências, a topologia e a governança tornam-se inseparáveis — embora a avaliação de nós, o estado do grafo e a autorização downstream continuem sendo partes igualmente importantes da estratégia de controle.

A recente publicação da TrueFoundry sobre engenharia de grafos resume a postura corporativa em uma frase curta:

‍

Try now.

One gateway for all your models, MCP servers, and agents.
No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

No items found.
October 8, 2026
|
5 min read

A segurança de agentes é um problema de sistemas: da injeção de prompt ao controle de execução

No items found.
October 8, 2026
|
5 min read

Human in the Loop para MCP: TrueFoundry vs Kong

comparação
October 8, 2026
|
5 min read

O Que É uma Estrutura de Governança de IA?

No items found.
October 8, 2026
|
5 min read

Loop Engineering at Enterprise Grade: From Laptop Loops to Governed Runtimes

Liderança de Pensamento
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour