-
Notifications
You must be signed in to change notification settings - Fork 45
CURSO_BASICO
Ysrael edited this page May 10, 2026
·
1 revision
Este curso básico irá te guiar através dos conceitos fundamentais e uso prático do Mangaba AI, um sistema de agentes de IA versátil com protocolos avançados de comunicação.
- Introdução
- Conceitos Fundamentais
- Arquitetura do Sistema
- Configuração Inicial
- Primeiro Uso
- Protocolos Avançados
- Exemplos Práticos
- Troubleshooting
- Próximos Passos
O Mangaba AI é um sistema de agentes de inteligência artificial que combina:
- 🤖 Agente Principal: Baseado no Google Generative AI (Gemini)
- 🔗 Protocolo MCP: Model Context Protocol para gerenciamento de contexto
- 🌐 Protocolo A2A: Agent-to-Agent para comunicação entre agentes
- ⚡ Performance: Otimizado para alta performance e escalabilidade
- Automação de tarefas complexas
- Análise de documentos e textos
- Comunicação entre múltiplos agentes
- Processamento de linguagem natural avançado
- Integração com APIs e sistemas externos
Um agente é uma entidade autônoma que:
- Recebe entradas (prompts, dados)
- Processa informações usando IA
- Gera respostas ou executa ações
- Mantém contexto entre interações
- Gerencia contextos de conversação
- Mantém histórico e estado
- Permite recuperação de informações relevantes
- Comunicação entre diferentes agentes
- Distribuição de tarefas
- Colaboração em tempo real
O contexto inclui:
- Histórico de conversas
- Dados relevantes
- Configurações específicas
- Estado atual do agente
┌─────────────────────────────────────────────────────────┐
│ MANGABA AI │
├─────────────────────────────────────────────────────────┤
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Agente │ │ MCP │ │ A2A │ │
│ │ Principal │ │ Protocol │ │ Protocol │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────────┤
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Config │ │ Logger │ │ Utils │ │
│ │ System │ │ System │ │ System │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────────┤
│ Google Generative AI (Gemini) │
└─────────────────────────────────────────────────────────┘
- Python 3.8+
- Chave da API do Google Generative AI
- Ambiente virtual (recomendado)
# 1. Clone o repositório
git clone <repository-url>
cd mangaba_ai
# 2. Execute o setup automático
python quick_setup.py# 1. Criar ambiente virtual
python -m venv venv
venv\Scripts\activate # Windows
# 2. Instalar dependências
pip install -r requirements.txt
# 3. Configurar .env
cp .env.template .env
# Edite o .env com sua API key- Acesse: https://makersuite.google.com/app/apikey
- Faça login com sua conta Google
- Clique em "Create API Key"
- Copie a chave gerada
- Cole no arquivo
.env:
GOOGLE_API_KEY=sua_chave_aqui# Verificar se tudo está funcionando
python validate_env.py# exemplo_basico.py
from mangaba_agent import MangabaAgent
# Criar agente
agent = MangabaAgent()
# Primeira conversa
resposta = agent.chat("Olá! Como você pode me ajudar?")
print(resposta)
# Continuar conversa
resposta = agent.chat("Explique sobre inteligência artificial")
print(resposta)python exemplo_basico.pyOlá! Sou o Mangaba AI, um agente de inteligência artificial...
Inteligência Artificial (IA) é um campo da ciência da computação...
from mangaba_agent import MangabaAgent
from protocols.mcp import MCPProtocol
# Criar agente com MCP
agent = MangabaAgent()
mcp = MCPProtocol()
agent.add_protocol(mcp)
# Adicionar contexto
mcp.add_context(
content="Usuário trabalha em uma empresa de tecnologia",
context_type="user_info",
priority=1
)
# Chat com contexto
resposta = agent.chat("Que tipo de projetos posso desenvolver?")
print(resposta)from mangaba_agent import MangabaAgent
from protocols.a2a import A2AProtocol
# Criar dois agentes
agent1 = MangabaAgent(agent_name="Analista")
agent2 = MangabaAgent(agent_name="Escritor")
# Configurar A2A
a2a1 = A2AProtocol(port=8080)
a2a2 = A2AProtocol(port=8081)
agent1.add_protocol(a2a1)
agent2.add_protocol(a2a2)
# Conectar agentes
a2a1.connect_to_agent("localhost", 8081)
# Comunicação
mensagem = "Analise este texto: 'Python é uma linguagem versátil'"
resposta = agent1.send_to_agent("Escritor", mensagem)
print(resposta)# Exemplo: Analisar um documento
from mangaba_agent import MangabaAgent
agent = MangabaAgent()
# Ler arquivo
with open("documento.txt", "r", encoding="utf-8") as f:
texto = f.read()
# Analisar
resposta = agent.chat(f"""
Analise este documento e forneça:
1. Resumo principal
2. Pontos importantes
3. Conclusões
Documento:
{texto}
""")
print(resposta)# Exemplo: Gerar relatório automático
from mangaba_agent import MangabaAgent
from datetime import datetime
agent = MangabaAgent()
# Dados de exemplo
vendas = {
"janeiro": 15000,
"fevereiro": 18000,
"março": 22000
}
# Gerar relatório
resposta = agent.chat(f"""
Crie um relatório de vendas profissional com base nestes dados:
{vendas}
Incluir:
- Análise de tendências
- Comparações mensais
- Recomendações
- Formatação em markdown
""")
print(resposta)
# Salvar relatório
with open(f"relatorio_{datetime.now().strftime('%Y%m%d')}.md", "w") as f:
f.write(resposta)# Exemplo: Pipeline de processamento
from mangaba_agent import MangabaAgent
from protocols.mcp import MCPProtocol
agent = MangabaAgent()
mcp = MCPProtocol()
agent.add_protocol(mcp)
# Tarefa 1: Análise
analise = agent.chat("Analise as tendências do mercado de IA em 2024")
mcp.add_context(analise, "market_analysis")
# Tarefa 2: Estratégia (usando contexto da análise)
estrategia = agent.chat("Com base na análise anterior, sugira uma estratégia de negócios")
mcp.add_context(estrategia, "business_strategy")
# Tarefa 3: Plano de ação
plano = agent.chat("Crie um plano de ação detalhado baseado na estratégia")
print("=== ANÁLISE ===")
print(analise)
print("\n=== ESTRATÉGIA ===")
print(estrategia)
print("\n=== PLANO ===")
print(plano)# Solução:
1. Verificar se o arquivo .env existe
2. Confirmar se GOOGLE_API_KEY está definida
3. Executar: python validate_env.py# Solução:
1. Ativar ambiente virtual
2. Reinstalar dependências: pip install -r requirements.txt
3. Verificar versão do Python: python --version# Solução:
1. Usar PowerShell em vez de CMD
2. Configurar encoding: chcp 65001
3. Usar Python 3.8+ com suporte UTF-8# Habilitar logs detalhados
import logging
logging.basicConfig(level=logging.DEBUG)
# Ou configurar no .env
LOG_LEVEL=DEBUG
DEBUG_MODE=true# Executar todos os testes
python validate_env.py
# Verificar configurações
python example_env_usage.py
# Testar funcionalidades básicas
python test_basic.py-
Leia a documentação completa:
-
README.md- Visão geral -
PROTOCOLS.md- Detalhes dos protocolos -
SETUP.md- Configuração avançada
-
-
Explore os exemplos:
-
examples/- Casos de uso específicos -
tests/- Testes e validações
-
-
Experimente configurações avançadas:
- Cache personalizado
- Rate limiting
- Métricas e monitoramento
# Criar seu próprio agente especializado
class MeuAgente(MangabaAgent):
def __init__(self):
super().__init__()
self.especialidade = "análise financeira"
def analisar_financas(self, dados):
prompt = f"""
Como especialista em {self.especialidade},
analise estes dados: {dados}
"""
return self.chat(prompt)- APIs REST
- Bancos de dados
- Sistemas de arquivos
- Serviços em nuvem
- Interfaces web
- Contribua com exemplos
- Reporte bugs
- Sugira melhorias
- Compartilhe casos de uso
Você completou o curso básico do Mangaba AI! Agora você tem o conhecimento fundamental para:
✅ Configurar e usar o sistema
✅ Criar agentes de IA funcionais
✅ Implementar protocolos avançados
✅ Desenvolver soluções práticas
✅ Resolver problemas comuns
-
Documentação: Consulte os arquivos
.mddo projeto -
Exemplos: Explore a pasta
examples/ -
Testes: Execute
pytestpara ver mais casos -
Validação: Use
python validate_env.pysempre que precisar
O Mangaba AI é uma ferramenta poderosa. Quanto mais você experimentar, mais possibilidades descobrirá!
Boa sorte em seus projetos com IA! 🤖✨
Última atualização: Dezembro 2024