Agentic RAG

RAG agêntico é a geração aumentada por recuperação (RAG) em que um agente de IA, um modelo de linguagem grande (LLM) que planeja e chama ferramentas em um ciclo, decide se deve recuperar informações, quais fontes pesquisar e se os resultados são suficientes para responder. O RAG padrão executa uma única passagem fixa: incorpora a pergunta, recupera as passagens mais relevantes e gera uma resposta. Um agente pode dividir uma pergunta em subperguntas, enviar uma para um índice de documentos e outra para um banco de dados SQL ou uma busca na web, perceber que um resultado não é pertinente, reformular a consulta e pesquisar novamente. Uma pesquisa de 2025 sobre RAG agêntico agrupa esses comportamentos em quatro padrões de projeto agênticos: reflexão, planejamento, uso de ferramentas e colaboração multiagente.

Como funciona o RAG agêntico#

O modelo acessa suas ferramentas de recuperação por meio de chamadas de função. Cada ferramenta, como uma busca vetorial em documentos, uma consulta a banco de dados ou uma busca na web, é descrita por um nome e um esquema de parâmetros, e o modelo emite uma chamada estruturada sempre que quer usar uma ferramenta. O Protocolo de Contexto de Modelo (MCP) oferece aos agentes uma forma padrão de se conectar a essas ferramentas. O ciclo de controle segue o padrão ReAct, alternando etapas de raciocínio e ações:

Uma pergunta como "Quais fornecedores tiveram mais entregas atrasadas neste trimestre do que no trimestre anterior, e quais penalidades seus contratos permitem?" mostra por que o ciclo é importante. Uma única passagem de recuperação incorpora a pergunta inteira e retorna trechos de contratos que mencionam atrasos de entrega em geral. Primeiro, um agente consulta o banco de dados de entregas para obter as contagens por fornecedor; depois, pesquisa o índice de contratos uma vez para cada fornecedor cuja contagem aumentou e combina as duas fontes na resposta.

As ferramentas não se limitam a texto. Quando uma resposta depende do que uma câmera está vendo naquele momento, um agente pode chamar um modelo Ultralytics YOLO26 como ferramenta: a inferência no quadro mais recente retorna todos os objetos detectados, e results[0].summary() transforma as detecções em uma lista de dicionários com o nome da classe, a confiança e as coordenadas da caixa, que o agente lê como qualquer outro resultado recuperado.

RAG agêntico vs. abordagens relacionadas#

• RAG padrão: recupera informações uma vez por pergunta por meio de um pipeline fixo, com latência e custo baixos e previsíveis. É adequado para perguntas que podem ser respondidas com uma ou duas passagens.
• Self-RAG e RAG corretivo: o Self-RAG (2023) treina um modelo para emitir tokens de reflexão que decidem quando recuperar informações e avaliar a própria saída, e o RAG corretivo (2024) acrescenta um avaliador de recuperação que aciona uma busca na web quando os documentos recuperados recebem uma pontuação baixa. Ambos incorporam um comportamento agêntico em um pipeline que, de resto, é fixo.
• GraphRAG: recupera entidades, relações e resumos de comunidades de um grafo de conhecimento criado a partir dos documentos. Um agente pode chamar consultas ao grafo como uma de suas ferramentas.
• Fluxos de trabalho agênticos: a família mais ampla de sistemas LLM com várias etapas, da qual o RAG agêntico é o integrante focado em encontrar informações.
• Agentes de pesquisa aprofundada: RAG agêntico estendido por muitas buscas para responder a uma pergunta, muitas vezes divididas entre vários agentes. No sistema de pesquisa multiagente da Anthropic, um agente principal Claude Opus 4 delega subtarefas a subagentes Claude Sonnet 4 em paralelo, e o sistema superou um único agente Opus 4 em 90,2% na avaliação interna de pesquisa da Anthropic.

Aplicações no mundo real#

• Assistentes de pesquisa empresariais: respondem a perguntas que envolvem um data warehouse, repositórios de documentos e a web, como comparar os números internos de vendas com os resultados publicados por um concorrente.
• Suporte ao cliente: um agente verifica o status de um pedido em um sistema, recupera a política de devoluções em outro e decide se cabe um reembolso antes de responder.
• Resolução de problemas na fabricação: um assistente recupera o registro de manutenção e as páginas do manual da máquina mencionada em um relatório de falha e pesquisa chamados de incidentes anteriores quando o manual não aborda o código de erro.
• Programação agêntica: agentes de programação pesquisam um repositório, leem os arquivos encontrados e pesquisam novamente usando nomes descobertos durante o processo antes de editar o código.

Custos e modos de falha#

Cada etapa adicional acrescenta uma chamada ao LLM, então o RAG agêntico é mais lento e caro do que uma única passagem. A análise do sistema de pesquisa multiagente da Anthropic constatou que os agentes normalmente usam cerca de 4 vezes mais tokens do que interações de chat, e os sistemas multiagentes, cerca de 15 vezes mais. Os agentes também falham de maneiras que não ocorrem em pipelines fixos: repetem consultas semelhantes, param antes de encontrar o documento principal, chamam a ferramenta errada ou propagam um erro inicial por todas as etapas seguintes, o que pode resultar em alucinações convincentes. Sistemas de produção limitam o número de etapas, registram rastreamentos completos e avaliam trajetórias inteiras com a avaliação de agentes. Na análise da Anthropic, o uso de tokens, por si só, explicou 80% da variação de desempenho no benchmark de navegação BrowseComp.