Pular para o conteúdo principal

Tutorial do LangSmith Agent Builder (sem código): Crie um assistente de triagem de e-mails

Aprenda a usar o LangSmith Agent Builder para criar um agente que lê o Gmail, redige respostas e registra ações, tudo sem precisar escrever código.
Atualizado 4 de dez. de 2025

O novo Agent Builder (visualização privada) da LangSmith é um maneira sem código de transformar uma ideia em linguagem natural em um agente pronto para produção. Em vez de escrever fluxos de trabalho, você descreve o que o agente deve fazer, e o Agent Builder cria o prompt do sistema, sugere ferramentas, adiciona gatilhos e oferece suporte a interrupções humanas no ciclo, memória persistente e atualizações automáticas. 

Você pode criar subagentes para tarefas específicas, conectar integrações do Google (Docs/Sheets) junto com a pesquisa na web e, em seguida, observar tudo com os painéis integrados de rastreamento e monitoramento.

Neste tutorial, vamos criar um Assistente de Triagem de E-mails do início ao fim. Você vai aprender como:

  • Acesse o Builder e crie um novo agente a partir de um briefing em linguagem natural.
  • Dá uma olhada no plano que foi criado e aprova as ações.
  • Autenticar provedores e implantar o agente
  • Teste e-mails reais e repita as instruções
  • O rastreamento e o monitoramento nos ajudam a verificar execuções, latência e custos de tokens.

No final, você vai ter um agente funcional que classifica e-mails recebidos, redige respostas e registra ações diárias no Google Sheets, sem precisar escrever nenhum código.

Se você quiser saber mais sobre como criar agentes de IA, recomendo dar uma olhada no curso curso Sistemas Multiagentes com LangGraph

O que é o LangSmith Agent Builder?

O Agent Builder (visualização) da LangSmith te dá uma maneira guiada de criar agentes com memória, subagentes, gatilhos e revisão humana, tudo a partir de uma única interface de usuário. Nos bastidores, o Agent Builder usa deep-agents, um harness de agente de código aberto desenvolvido com base no LangGraph que transforma sua descrição em linguagem natural em um agente com estado, em vez de um fluxo de trabalho desenhado à mão. 

Ele planeja antes de executar (para gerenciar tarefas longas e custos), delega a subagentes para trabalhos especializados, usa uma camada de ferramentas por meio de middleware como (arquivos, tarefas, shell opcional, web/MCP), suporta interrupções humanas no loop para ações sensíveis e é executado como um gráfico LangGraph compilado para streaming, rastreamento e integração com o estúdio.

Os principais recursos deste Agent Builder são:

  • Configuração de linguagem natural: O construtor faz instruções e ligações com base só em entradas de linguagem natural.
  • Gatilhos: Essas tarefas são iniciadas a partir de eventos externos (por exemplo, novo e-mail recebido!) ou agendas.
  • Ferramentas: Autenticação com um clique para Gmail, Google Docs/Sheets, Calendário, Pesquisa na Web e muito mais.
  • Subagentes: Ele divide tarefas complexas em ajudantes específicos, como pesquisa, resumo, busca e muito mais.
  • Humano no circuito: Esse loop permite que as pessoas (usuários) interrompam o construtor para que as ações sejam pausadas para sua aprovação.
  • Memória e atualizações automáticas: A memória persistente e as autoedições controladas ajudam a atualizar instruções e ferramentas.

O resultado é uma experiência sem código que ainda oferece observabilidade, aprovações e ganchos de iteração. Para ter acesso ao LangSmith Agent Builder, você precisa se inscrever na lista de espera. lista de espera

Exemplo do LangSmith Agent Builder: Crie um assistente de triagem de e-mails

Vamos criar um assistente simples para um freelancer que recebe muitos e-mails de agências. O agente vai:

  1. Dá uma olhada nos novos e-mails e classifica-os em responder agora, agendar, delegar ou arquivar.
  2. Escreva um resumo de uma frase junto com uma sugestão de resposta de duas linhas.
  3. Se o remetente/domínio não for conhecido, ele vai adicionar uma linha de contexto por meio de uma pesquisa na web.
  4. Regista tudo numa folha do Google intitulada “Hoje — Ações de e-mail (AAAA-MM-DD)”.
  5. Pede a aprovação do usuário antes de criar ou atualizar documentos.

Passo 1: Acesse o Agente Builder

Depois de sair da lista de espera, entre no LangSmith e abra o o Agent Builder (Beta) na barra lateral esquerda.

Criador de agentes

Você vai chegar na página do No-code Agent Builder. Clique em + Novo agente para começar um novo agente ou escolha Saiba mais para ler a documentação antes de começar.

Novo Agente

Passo 2: Descreva seu agente

Comece digitando um resumo conciso e escolhendo um modelo. Você também pode criar um agente manualmente, mas isso é assunto para outro blog. 

Descrição da entrada

Escolha entre os modelos listados ou adicione um personalizado para se adequar ao seu caso de uso. 

Modelos disponíveis

Aqui está o prompt que usei:

You are an email triage assistant. When a new message arrives, classify it as {reply now, schedule, delegate, archive}. Draft a 1-sentence summary and a 2-line reply suggestion. If the sender/domain is unfamiliar, add a 1-line context via web search. Update (or create) a Google Doc titled “Today — Email Actions (YYYY-MM-DD)” with columns: Sender | Subject | Action | Suggested Reply | Due. Pause for approval before adding or modifying the doc.

Se você escolher o Sonnet 4.5, vai aparecer uma mensagem pedindo pra você adicionar o seu ANTHROPIC_API_KEY. Digite a chave e salve.altConfiguração da chave da API doalt

Depois que você enviar a descrição, o construtor vai analisar o que você quer, sugerir ferramentas/gatilhos e criar as instruções iniciais automaticamente.

Dados de entrada

Passo 3: Acompanhamentos

Depois que o construtor der uma olhada nas ferramentas e gatilhos disponíveis, ele vai fazer algumas perguntas específicas, tipo destinos preferidos para saídas, requisitos de aprovação, regras de rotulagem, etc.

Acompanhamentos

Suas respostas são usadas para finalizar as instruções do agente, anexar as ferramentas/gatilhos certos e continuar a configuração automaticamente.

Passo 4: Dá uma olhada no plano que foi criado.

Depois de responder às perguntas, o construtor mostra um gráfico com sugestões, incluindo gatilhos, agente e todas as ferramentas conectadas (como Gmail, Google Docs) já conectadas entre si.

Use essa tela pra conferir se o design tá certo antes de criar:

  • Gatilho: Quando e como o agente começa (e-mail recebido, programação, etc.).
  • Agente: Escolha do modelo e instruções básicas.
  • Ferramentas: O que o agente pode ligar e para quais ações.

Agente gerado

Pense nessa etapa como uma prévia antes da criação e uma maneira rápida de validar o escopo, o acesso aos dados e as proteções. Se tudo estiver certo, pode seguir em frente. Depois, você vai autenticar e conectar as ferramentas para que o agente possa realmente agir (enviar rascunhos, atualizar documentos, etc.).

Passo 5: Autenticar e conectar

Antes que seu agente possa ler e-mails ou escrever em uma planilha do Google, você precisa dar acesso pra ele. 

No Agent Builder, esse é um processo guiado e único. Você vai conectar o Gmail e a integração do google-langsmith-prod (para ações do Google Sheets). 

Depois de conectado, você pode pedir aprovação humana com segurança antes de qualquer ação de gravação.

Autenticação 1

Passo 5.1: Conecte-se ao Gmail

Para conectar seu agente à sua conta do Gmail, siga estas etapas:

  • No painel Conexões, clique em Conectar ao lado de Gmail — E-mail recebido.

Autenticação 1

  • Faça login com a conta do Google que você quer que o agente monitore e aprove as permissões.
  • De volta ao Agent Builder, clique em Concluí a autenticação.

Autenticação 1

Depois que o gatilho E-mail recebido estiver configurado, seu agente poderá classificar e responder às mensagens recebidas de acordo com suas instruções.

Passo 5.2: Autentique-se para google-langsmith-prod

Depois, autentique google-langsmith-prod de um jeito parecido com o que fizemos acima. Aqui estão alguns passos que você pode seguir:

  1. Clique Conecte ao lado de “ google-langsmith-prod ”.
  2. Aprove o acesso para o Sheets com a mesma conta do Google (ou a que você quer usar).
  3. Confirme no Agent Builder.

Agora, seu agente pode criar/atualizar documentos e planilhas do Google Docs (como adicionar linhas, atualizar tabelas ou criar uma nova planilha, etc.) sem deixar de seguir as etapas de interrupção/aprovação que você configurou.

Com as duas conexões ativas, clique em Criar Agente. Você vai ver o gráfico completo e pode começar a testar de ponta a ponta.

Autenticação 2

Agora, seu agente tem o conjunto mínimo e seguro de permissões para receber e-mails e escrever itens de ação no Google Sheets. Depois, manda algumas mensagens de teste e usa interrupções pra aprovar ou editar qualquer rascunho de atualização antes que elas sejam aplicadas.

Passo 6: Testando o agente

Comece com alguns e-mails reais para ver como o agente classifica e responde.

Exemplo 1:  E-mail informativo 

Copiei e colei uma mensagem padrão com “informações do YouTube” na janela de chat de teste, e o agente marcou corretamente como baixa prioridade e sugeriu uma ação de “arquivar/não responder” com um resumo de uma linha.

Teste de chat 1

Exemplo 2: E-mail urgente 

Neste exemplo, colei uma nota urgente que precisava de ação. O agente classificou isso comouma respost e agora, fez um resumo curto e também escreveu uma resposta de duas linhas. 

Teste de chat 2

A resposta foi enviada para o destinatário errado (pequeno erro de encaminhamento), mas identificou o assunto e a intenção corretos, o que é bastante útil para uma edição rápida e envio. 

A melhor parte dessa ferramenta é que ela precisa de aprovação antes de fazer qualquer coisa por você. Essa etapa com intervenção humana me permitiu corrigir o destinatário e confirmar as atualizações, garantindo que não houvesse alterações indesejadas.

Passo 7: Implemente o agente

Então, a gente testou o fluxo e revisou os rastreamentos; agora é hora de colocar o agente para funcionar.

A implantação leva você de um teste controlado para entradas ao vivo, mantendo as aprovações humanas no circuito, para que nada seja executado sem a sua autorização.

Clique em Use o agente para ativar o agente.

Agente Final

Aqui está o que eu perguntei ao agente.

Look through the top 10 emails and suggest action items for each in the form of a table.

Resposta do agente

Todas as 10 classificações de e-mail estão corretas e foram classificadas corretamente. Observe que você pode até editar o agente depois de criá-lo usando o botão “Editar agente” no canto superior direito. Você também pode começar uma nova conversa usando a opção ” (Novo tópico ). 

Pedi ao agente para enviar os resultados para o Google Sheets. Criou a planilha, mas não conseguiu escrever as linhas porque a ferramenta “escrever no Sheets” não estava conectada. Como alternativa, ele devolveu uma tabela limpa, pronta pra copiar e colar. Você pode conectar uma ferramenta de gravação do Sheets mais tarde para automatizar essa etapa do início ao fim.

Resposta do agente

Agora seu agente está pronto para ser usado. Abra o painelProjetos de Rastreamento do para ver as execuções, o tempo, as chamadas de ferramentas e quaisquer pausas de aprovação, que vamos explorar a seguir.

Passo 8: Acompanhando e monitorando projetos

Depois que seu agente estiver ativo, o pacote de observabilidade da LangSmith ajuda você a entender como ele se comporta na prática, ou seja, desde execuções individuais até tendências de longo prazo. Você vai usar dois lugares:

  • Rastreamento de projetos: para inspeção profunda e por execução
  • Monitoramento: para painéis de controle em nível de projeto
Rastreando projetos:

Essa seção nos ajuda a dar uma olhada detalhada nas execuções individuais dos agentes (entradas/saídas, chamadas de ferramentas, latência e tokens) para depurar e validar o comportamento.

Rastreando projetos

Aqui estão algumas etapas para acompanhar projetos no painel do LangSmith:

  • Observabilidade aberta Observabilidade e selecione Rastreamento de projetose clique no seu projeto. 
  • Em Execuções, você verá cada invocação com colunas para Hora de início, Latência, Tokens/Custo, Erro e Conjunto de dados.
  • Clique em qualquer linha para ver o rastreamento completo com mensagens de entrada/saída, etapas intermediárias, chamadas de ferramentas, blocos de streaming e anotações.
  • Usar Os atalhos de filtro (barra lateral direita) para filtrar por texto de saída, uso da ferramenta, tipo de erro ou tags personalizadas.
  • Você pode até trocar de aba para:
    • LLM liga para: Para saber mais sobre a quebra de tokens e como usar o modelo
    • Traços: Isso inclui um gráfico passo a passo para a execução atual.
    • Tópicos: Inclui conversas com várias voltas agrupadas
    • Automações: Isso anexa avaliadores ou ações pós-execução.

Rastreando projetos

Monitoramento

Essa seção usa o painel pré-construído para acompanhar tendências (contagens de rastreamento, percentis de latência, taxa de erro, custo/tokens, uso de ferramentas) e filtrar por tempo ou tipo de execução para detectar regressões logo no início.

  • Abra a aba Monitoramento à esquerda e escolha seu projeto.
  • Dá uma olhada nos painéis de controle para:
    • Traços: Inclui volume e sucesso/erro ao longo do tempo.
    • LLM liga para: Isso mostra a distribuição por modelo ou fornecedor.
    • Custo e fichas: Essa aba mostra os gastos acumulados e por execução.
    • Tipos de corrida: Isso inclui quais caminhos e ferramentas são mais ativos.
  • Ajuste o intervalo de datas, o agrupamento e a retenção para combinar com a sua frequência de revisão.

Monitoramento

Com o Rastreamento e Monitoramento, a gente pode dar uma olhada em qualquer execução para resolver problemas e, depois, dar um zoom out para ver a confiabilidade, o custo e as tendências de desempenho. 

Considerações finais

O Agent Builder da LangSmith mostra o quanto os agentes sem código evoluíram. Neste passo a passo, criamos um Assistente de Triagem de E-mails que classifica mensagens, redige respostas e registra ações, e depois validamos cada etapa antes da implantação. 

A gente descreveu a intenção, e o criador de agentes faz o resto do trabalho, incluindo gatilhos, ferramentas, subagentes, memória e aprovações humanas, tornando tudo visível no Rastreamento e resumido no Monitoramento.

Seus pontos fortes são a configuração rápida em linguagem simples, conexões com um único clique ao Gmail, segurança com interrupção para aprovação e observabilidade de ponta a ponta. 

Mas, tem algumas limitações, tipo estar em pré-visualização privada, o que pode significar alguns problemas ocasionais, como não conseguir escrever no Sheets até conectar a integração certa, e a necessidade de ajustar as instruções depois dos testes.

O Agent Builder permite que você se concentre no que seu agente deve fazer e quando ele deve agir, ao mesmo tempo em que oferece as diretrizes necessárias para aprovar, rastrear e iterar. A partir daqui, tente expandir o mesmo padrão para agendamento de calendário, qualificação de leads ou resumos da caixa de entrada e, em seguida, use o Monitoramento para acompanhar o custo, a latência e a precisão à medida que você escala.

Se você quiser saber mais sobre como criar agentes de IA, dê uma olhada nos nossos recursos:

Perguntas frequentes sobre o LangSmith Agent Builder

O que preciso antes de começar a usar o Agent Builder?

Você vai precisar de pelo menos uma chave API do modelo (como OPENAI_API_KEY ou ANTHROPIC_API_KEY) adicionada como um segredo do espaço de trabalho. Se você quiser que seu agente use ferramentas extras, como pesquisa na web ou Slack, talvez seja necessário adicionar também as chaves específicas dessas ferramentas.

Posso adicionar minhas próprias ferramentas a um agente?

Sim. O Agent Builder já vem com ferramentas integradas, mas você também pode conectar as suas próprias através do MCP (Model Context Protocol) do LangChain, permitindo que seu agente converse com aplicativos externos ou APIs personalizadas.

Qual é a diferença entre um agente privado e um agente de espaço de trabalho?

Um agente privado só é visível para você. Um agente do espaço de trabalho é compartilhado com sua equipe, mas cada pessoa ainda usa suas próprias credenciais (por exemplo, para ferramentas baseadas em OAuth) e mantém seu histórico de bate-papo privado.


Aashi Dutt's photo
Author
Aashi Dutt
LinkedIn
Twitter

Sou Google Developers Expert em ML (Gen AI), Kaggle 3x Expert e Women Techmakers Ambassador com mais de 3 anos de experiência em tecnologia. Fui cofundador de uma startup de tecnologia de saúde em 2020 e estou fazendo mestrado em ciência da computação na Georgia Tech, com especialização em machine learning.

Tópicos

Cursos mais populares do DataCamp

Curso

Desenvolvimento de aplicativos de LLM com LangChain

3 h
35.2K
Descubra como criar aplicativos com tecnologia de IA usando LLMs, prompts, cadeias e agentes no LangChain.
Ver detalhesRight Arrow
Iniciar curso
Ver maisRight Arrow
Relacionado

Tutorial

Criando agentes LangChain para automatizar tarefas em Python

Um tutorial abrangente sobre a criação de agentes LangChain com várias ferramentas para automatizar tarefas em Python usando LLMs e modelos de bate-papo usando OpenAI.
Bex Tuychiev's photo

Bex Tuychiev

Tutorial

Como criar aplicativos LLM com o tutorial LangChain

Explore o potencial inexplorado dos modelos de linguagem grandes com o LangChain, uma estrutura Python de código aberto para criar aplicativos avançados de IA.
Moez Ali's photo

Moez Ali

Tutorial

Guia de Introdução ao Ajuste Fino de LLMs

O ajuste fino dos grandes modelos de linguagem (LLMs, Large Language Models) revolucionou o processamento de linguagem natural (PLN), oferecendo recursos sem precedentes em tarefas como tradução de idiomas, análise de sentimentos e geração de textos. Essa abordagem transformadora aproveita modelos pré-treinados como o GPT-2, aprimorando seu desempenho em domínios específicos pelo processo de ajuste fino.
Josep Ferrer's photo

Josep Ferrer

Tutorial

Um guia para iniciantes na engenharia de prompts do ChatGPT

Descubra como fazer com que o ChatGPT forneça os resultados que você deseja, fornecendo a ele as entradas necessárias.
Matt Crabtree's photo

Matt Crabtree

Tutorial

Tutorial da API de assistentes da OpenAI

Uma visão geral abrangente da API Assistants com nosso artigo, que oferece uma análise aprofundada de seus recursos, usos no setor, orientação de configuração e práticas recomendadas para maximizar seu potencial em vários aplicativos de negócios.
Zoumana Keita 's photo

Zoumana Keita

Tutorial

Como treinar um LLM com o PyTorch

Domine o processo de treinamento de grandes modelos de linguagem usando o PyTorch, desde a configuração inicial até a implementação final.
Zoumana Keita 's photo

Zoumana Keita

Ver maisVer mais