Carol Silva e Jéssica dos Santos ensinam desde a criação da função de busca com filtros até a conexão completa para que o agente de IA opere de forma autônoma; confira
É hora de aprender, na prática, como funcionam os modelos de consulta preditiva (MCP) – que são uma abordagem moderna e em alta no uso de IA!
Neste workshop, você desenvolverá um buscador inteligente de livros, capaz de entender pedidos como “Quero um romance curto!” ou “Me dê mais informações sobre tal livro!” e retornar resultados relevantes.
A primeira parte da oficina é conduzida por Carol Silva, cientista de dados na Neuralmed. Ela começa explicando como criar uma função de python com filtros por palavras-chave para buscar livros. Aqui, ela fala qual dataset será utilizado e a lógica da função, que deve receber os parâmetros de entrada (gênero do livro e número de páginas), carregar a base, filtrar os livros – por gênero e número de páginas, e depois por rating –, ordenar e selecionar os dez melhores títulos, e retornar o resultado com a lista final.
Depois, ela mostra como é feita essa estruturação de um MCP modular e reutilizável, combinando critérios de busca e ordenação. O MCP – Model Context Protocol, em inglês, ou protocolo de contexto de modelo, em português – é um padrão aberto desenvolvido pela Anthropic para permitir a integração fácil e padronizada entre modelos de IA e ferramentas externas, atuando assim como um conector universal. Carol explica ainda como funcionam as etapas de um MCP e quais as vantagens de utilizá-lo.
Já na segunda parte, conduzida por Jéssica dos Santos, cientista de dados especialista na Winnin, você vai se aprofundar em alguns conceitos e aprender a adicionar mais códigos ao seu MCP.
Ela começa revisando o que foi aprendido com Carol Silva e dando mais informações sobre o LangGraph, biblioteca para a criação de agentes de IA que gerencia o fluxo de integração entre as ferramentas através de grafos. Depois, ela parte para a adição de uma nova função ao buscador: a de retornar informações sobre livros específicos. Conforme mostra o passo a passo de cada uma das etapas desse processo, Carol vai solucionando os erros que aparecem – por exemplo, quando adiciona memória para que o buscador possa entender comandos relacionados a perguntas anteriores.
Confira abaixo os dois vídeos:
Acesse o material de apoio aqui.
Autoras Carol Silva é cientista de dados na Neuralmed, trabalhando com Visão Computacional. É formada em Engenharia Elétrica, tem mestrado na área de Ciência da Computação e é membra da comunidade Mulheres em IA. Sonha em ser referência para mulheres e pessoas não-binárias na área de tecnologia. Atualmente, carrega um vício por montar legos e cuidar da sua fazenda no Stardew Valley. Jéssica dos Santos possui mestrado em Sistemas de Informação, com linha de pesquisa em Inteligência de Sistemas. Em seu projeto, usou modelos de atenção visual baseados em reconhecimento de padrões para identificar autismo. Já atuou como cientista de dados em empresas do mercado financeiro e imobiliário, e do setor de saúde, e atualmente está na área de marketing na Winnin. Também participa de projetos que incentivam mulheres na carreira de cientista de dados, sendo embaixadora do Women in Data Science (WiDS) São Paulo desde 2019 e co-fundadora do Mulheres em IA (MIA). Revisora Stephanie Kim Abe é jornalista, formada pela Escola de Comunicações e Artes da Universidade de São Paulo (ECA-USP). Trabalha no terceiro setor, cobrindo Educação ou apoiando a comunicação de organizações da sociedade civil. Esteve nos primórdios da Programaria, mas testou as águas da programação e achou que não eram a sua praia. Atualmente, faz parte da equipe de Comunicação da Open Knowledge Brasil.
Este conteúdo faz parte da PrograMaria Sprint IA Generativa.