O que é uma agência AI-native?

Cada camada resolve um trabalho diferente. A combinação delas transforma uma demonstração de IA em um sistema operacional gerenciado.

• docAgents e personasUm papel com nome, instruções, conhecimento, tools, modelo, acesso e canais. A persona controla voz e comportamento, não permissões.
• docSkillsMétodos, checklists, referências e scripts reutilizáveis, empacotados uma vez e anexados onde o mesmo padrão de qualidade se repete.
• linkMCPA camada de conexão que permite a clientes de IA aprovados descobrir tools, resources e prompts permitidos por um endpoint autenticado.
• dataKnowledge e User MemoryAgent Knowledge é compartilhado e controlado pelo autor. User Memory é contexto pessoal deliberado, limitado a um usuário autenticado e um Agent.
• codeWorkflows e state machinesWorkflows do Microsoft Agent Framework orquestram etapas do Agent; estados e triggers explícitos controlam o próximo passo; um Flow separado possui a automação geral.
• dataOrleans e digital twinsAtores virtuais possuem identidade e estado duráveis para Agents, sessões, runs, Tasks e outras entidades. Aqui digital twin é um modelo mental de entidade de software, não uma afirmação sobre Azure Digital Twins.
• docCompanies, Goals e TasksUm limite privado de colaboração para membros, Goals e KPIs mensuráveis, Tasks tipadas, arquivos, conhecimento, processos, aprovações, custo, tempo e Agents anexados.
• dataStores e pagamentosUm dono separado do comércio para catálogo, carrinho, checkout, pedidos e obrigações do vendedor, com um Agent existente e autorizado como assistente do comprador.

1. 01
   Goal e Task

   Defina resultado, dono, KPI, prazo, dados permitidos e o ponto exato em que uma pessoa precisa decidir.

2. 02
   Agent e Skill

   Dê ao papel uma persona, conhecimento aprovado, método reutilizável, tools e regras de recusa.

3. 03
   MCP e acesso

   Conecte apenas os sistemas necessários por OAuth ou grant explícito e limitado; conectividade não é permissão.

4. 04
   Workflow e estado

   Use uma state machine, um workflow do Agent ou um Flow para etapas previsíveis, tentativas e aprovações.

5. 05
   Dono durável

   Um grain do Orleans mantém o estado exato de Agent, sessão, run, Company Task ou operação de Store sem depender da memória de um processo.

6. 06
   Evidência e próxima ação

   Registre resultado, ator, revisão, custo, tempo e histórico de aprovações; depois atualize o Goal ou entregue a exceção a uma pessoa.

Um mapa prático das camadas de Agent, MCP, memória, workflow, Company, Task, Store e estado durável necessárias para automatizar trabalho real sem fingir que a empresa funciona sem pessoas.

Não comece com uma lista de agentes. Comece com um resultado recorrente que tenha dono, evidência e um ponto seguro de parada.

1. 01
   Nomeie o trabalho recorrente.

   Descreva trigger, resultado esperado, frequência, dono atual, custo da falha e decisão humana.

2. 02
   Separe linguagem de regras.

   Use um Agent onde linguagem e julgamento ajudam; use estados, triggers, validações e Flow onde o caminho precisa ser explícito.

3. 03
   Escolha o dono do produto.

   Escolha Agent, Skill, Flow, Company ou Store conforme quem possui identidade, trabalho, colaboração ou comércio.

4. 04
   Conecte a autoridade mínima.

   Exponha apenas MCP tools e dados necessários, limite a memória, teste OAuth e exija aprovação antes de escritas relevantes.

5. 05
   Meça antes de ampliar.

   Revise qualidade, exceções, tempo, custo, impacto no cliente e progresso do Goal antes de adicionar outro processo ou Agent.