Orquestração multiagente para janela de plantio em Sorriso
Visão geral
Sobre o que é este desafio
Projete e coordene agentes de agronomia, frota e logística para definir a janela de plantio. Receba um certificado verificável.
O cenário
A cooperativa opera cerca de 310 mil hectares somados entre os associados, com 42 colheitadeiras e plantadeiras em uso compartilhado e um centro de armazenagem próprio às margens da BR-163. Perder a janela ideal de plantio da soja em uma semana costuma custar de 3 a 6 sacas por hectare na produtividade, o que na escala da cooperativa vira uma perda de milhões de reais por safra.
O Brief
O que você vai fazer e o que vai demonstrar.
Três equipes que planejam plantio, frota e insumos separadamente produzem decisões incompatíveis que fazem a cooperativa perder dias da janela ideal de plantio.
Earning criteria — what you'll demonstrate
- Projetar um sistema multiagente com papéis, permissões e protocolo de coordenação explícitos, em vez de deixar a divisão de trabalho emergir do acaso
- Implementar fluxos de agentes com bibliotecas de orquestração e padronizar o acesso a ferramentas por meio de um protocolo de contexto para modelos
- Construir observabilidade de agente: rastro de execução, custo por decisão e reconstrução de causa a partir dos registros
- Avaliar empiricamente se a colaboração entre agentes supera um agente único, controlando custo e tempo, e aceitar o resultado negativo se ele aparecer
- Definir o ponto de escalonamento para o humano com base em risco e incerteza, e não em preferência estética
Adequação ao Programa
Onde isso se encaixa no seu programa.
Aperfeiçoa as mesmas habilidades que seu curso espera que você demonstre.
Conteúdo alinhado em breve.
Habilidades
Habilidades que você vai demonstrar.
Cada um aparece no seu certificado verificado.
- Multi Agent Orchestration
Apply multi agent orchestration to solve real industry problems and demonstrate production-level capability.
- Langgraph Or Crewai Workflows
Apply langgraph or crewai workflows to solve real industry problems and demonstrate production-level capability.
- Agent Observability
Apply agent observability to solve real industry problems and demonstrate production-level capability.
- Agent Evaluation
Apply agent evaluation to solve real industry problems and demonstrate production-level capability.
- Tool Use
Apply tool use to solve real industry problems and demonstrate production-level capability.
- Model Context Protocol
Apply model context protocol to solve real industry problems and demonstrate production-level capability.
Carreiras
Cargos para os quais este desafio te prepara.
Títulos reais. Pontes reais de habilidades. Escolha o mais próximo da sua trajetória.
Trilhas de carreira que este desafio desenvolve
Funções canônicasAI Engineer
Construir agentes que chamam ferramentas reais, medir custo por decisão e comparar arquiteturas com dados é o núcleo do trabalho de quem constrói produtos de IA em empresa, onde a escolha entre um agente e vários precisa ser justificada com números.
Este desafio aprimora
- multi-agent-orchestration
- tool-use
- agent-evaluation
Engenheiro de MLOps
O desafio exige rastro de execução, medição de custo e latência, execução reprodutível em máquina limpa e comparação controlada entre versões — as práticas diárias de quem coloca sistemas de aprendizado de máquina em operação e mantém sua confiabilidade.
Este desafio aprimora
- agent-observability
- agent-evaluation
- langgraph-or-crewai-workflows
Engenheiro de Sistemas Distribuídos
Coordenar processos independentes que trocam mensagens, garantir que a negociação sempre termine e padronizar o acesso a recursos compartilhados são problemas clássicos de sistemas distribuídos, aqui vividos em escala reduzida e com consequência de negócio clara.
Este desafio aprimora
- multi-agent-orchestration
- model-context-protocol
- agent-observability
Só mais uma coisa