30 de junho de 2025 - 5 minutos de leitura

O termo Context Engineering está se tornando cada vez mais relevante no universo da inteligência artificial. A discussão está migrando de "prompt engineering" para um conceito mais abrangente e poderoso: Context Engineering. Tobi Lutke define como "a arte de fornecer todo o contexto para que a tarefa seja plausivelmente resolvível pelo LLM", e ele está absolutamente correto.

À medida que os Agentes se tornam mais comuns, a informação que inserimos na "memória de trabalho limitada" ganha importância. Observamos que o principal fator que determina o sucesso ou fracasso de um Agente é a qualidade do contexto fornecido. A maioria das falhas de agentes não são mais falhas de modelo, mas sim falhas de contexto.

Para compreender o que é Context Engineering, precisamos primeiro ampliar nossa noção de "contexto." Isto não se resume a apenas um único prompt enviado a um LLM, mas envolve tudo que o modelo observa antes de gerar uma resposta. Isso inclui instruções, histórico da conversa e informações externas.

A programação de Agentes é menos sobre a complexidade do código e mais sobre a qualidade do contexto oferecido. A diferença entre uma demonstração simples e um agente "mágico" reside na maneira como o contexto é apresentado. Por exemplo, uma solicitação simples para agendar uma reunião pode ser interpretada de formas distintas conforme a quantidade de contexto disponível.

Um "Agente Barato" possui um contexto deficiente, limitando-se ao pedido do usuário e ignorando informações relevantes. O resultado é uma resposta pouco útil e robótica. Em contraste, um "Agente Mágico" se utiliza de um contexto rico, reunindo informações essenciais, como dados do calendário, interações passadas e ferramentas disponíveis, para gerar uma resposta mais eficaz e natural.

"A mágica não está em um modelo mais inteligente ou em um algoritmo mais sofisticado. Está em fornecer o contexto certo para a tarefa certa", destaca Lutke. Essa é a razão pela qual o Context Engineering se torna tão relevante, já que as falhas de agentes não são apenas falhas de modelo; são falhas de contexto.

Context Engineering é uma disciplina que se concentra em projetar e construir sistemas dinâmicos que oferecem as informações e ferramentas adequadas, no formato certo, no momento certo, para que um LLM possa realizar uma tarefa. Isso implica que o contexto não é apenas um modelo estático; é o resultado de um sistema que opera antes da chamada principal ao LLM.

Esse processo deve ser dinâmico, criado de forma a atender a necessidade imediata da tarefa. Assim, é crucial garantir que o modelo não perca detalhes importantes, evitando a máxima "Garbage In, Garbage Out". O formato da informação também é essencial, pois um resumo conciso é mais eficaz do que um grande volume de dados brutos.

Em conclusão, construir Agentes de IA poderosos e confiáveis se torna menos sobre encontrar um prompt mágico ou atualizações de modelo. Trata-se da engenharia do contexto e da oferta das informações e ferramentas corretas, na formatação adequada, no tempo certo. Este é um desafio multifuncional que envolve entender o uso do seu negócio, definir os resultados desejados e estruturar todas as informações necessárias para que um LLM possa "cumprir a tarefa".