Agente de IA para Emissão de Diplomas e Certificados

29 de November de 2025 • Tempo de leitura: 5 min

Como criar um agente de IA que automatiza a emissão de diplomas e certificados, assegurando a inclusão de dados corretos e layout padronizado.

1. Propósito e Escopo

Este documento define todos os prompts, configurações de memória, transição entre estados, consulta a documentos e demais requisitos funcionais para o Fluxo de Agentes "Emissão de Diplomas e Certificados", uma solução de automação projetada para gerar diplomas e certificados padronizados e com dados precisos. Essa documentação é um modelo de PRD ou Documento de Requisitos de Produto específicos para construção de Agentes de IA.

O objetivo principal é automatizar a emissão desses documentos, assegurando a padronização dos layouts e a precisão dos dados inseridos, eliminando erros manuais comuns e garantindo conformidade com os padrões institucionais.

2. Contexto e Problema

Cenário Atual

A emissão de diplomas e certificados é um processo crítico para instituições educacionais, mas frequentemente enfrenta desafios como:

  • Erros na inclusão de dados nos documentos, que podem causar retrabalho e atrasos.
  • Dificuldades na padronização dos layouts, resultando em inconsistências visuais e falta de conformidade.

Atualmente, muitos desses processos são manuais, aumentando a probabilidade de erros e a carga de trabalho sobre as equipes administrativas.


Problemas Identificados

  • Inconsistência de Dados: Falhas na verificação de dados podem levar à emissão de documentos com informações incorretas.
  • Layout Despadronizado: A falta de um modelo padronizado para diplomas e certificados resulta em documentos inconsistente.
  • Retrabalho: Erros frequentes exigem correções manuais e reemissão de documentos.

3. Impactos Esperados

A implementação deste fluxo de automação visa alcançar os seguintes resultados:

  • Reduzir erros de dados em pelo menos 90%.
  • Padronizar completamente o layout de todos os diplomas e certificados emitidos.
  • Aumentar a eficiência do processo de emissão, liberando recursos administrativos.

4. Visão Geral da Solução

O agente de IA para emissão de diplomas e certificados automatiza a verificação de dados e a aplicação de layouts padronizados, garantindo a precisão e a conformidade dos documentos finais. A seguir são detalhadas todas as regras de negócio e especificações funcionais necessárias para que esse agente atue como um assistente útil e autônomo na emissão de documentos institucionais que seguem as especificidades da instituição.

A solução consiste em um fluxo de automação composto por 5 agentes de IA. O processo inicia com a validação dos dados e termina com a disponibilização dos documentos finais para a instituição.

A execução dos agentes é sequencial e linear, seguindo a ordem definida na tabela abaixo. O fluxo garante que cada etapa do processo de emissão seja realizada com precisão e eficiência.

Agentes Função Principal
Agente de Validação e Normalização de Dados Acadêmicos (RF 1) Validar e padronizar os dados que serão usados na emissão de diplomas e certificados.
Agente de Relatório de Inconsistências para Correção Humana (RF 2) Consolidar e apresentar erros e avisos para correção antes de nova tentativa de emissão.
Agente Preparador de Payload para Geração de Diplomas e Certificados (RF 3) Selecionar o modelo padronizado apropriado e montar o payload de renderização.
Agente de Execução de Chamada à API - Renderização de Documentos (RF 4) Realizar chamada à API do Sistema Gerador de Documentos para obter os PDFs renderizados.
Agente de Verificação Pós-Render e Preparação de Entrega (RF 5) Verificar conformidade entre o resultado da renderização e o payload aprovado, consolidar a lista final de documentos e preparar a resposta/entrega.

5. Protótipos

Para proporcionar uma visão clara e tangível da solução proposta, criamos protótipos interativos que demonstram tanto o fluxo de trabalho dos agentes quanto o resultado final que a instituição receberá. Explore os links abaixo para entender melhor a solução em ação.

6. Requisitos Funcionais

RF 1. Agente de Validação e Normalização de Dados Acadêmicos

1.1 Tarefa do Agente

Validar e padronizar os dados que serão usados na emissão de diplomas e certificados, garantindo integridade, coerência, deduplicação e prontidão para geração de layout padronizado.

1.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo uma planilha ou objeto JSON contendo registros acadêmicos que serão utilizados para a emissão de diplomas e certificados.

# 2. Objetivo
Validar e padronizar esses dados, assegurando que estejam corretos e prontos para a geração de documentos com layout padronizado.

# 3. Regras que você deve seguir para gerar sua resposta
- Utilize modelos padronizados para diplomas e certificados.
- Verifique automaticamente os dados antes da inclusão nos documentos.
- Garanta a conformidade com os layouts aprovados pela instituição.

# 4. Exemplo de Output que você deve produzir
{"dados_validos": true, "registros_normalizados": [{"id_registro": "123", "nome_completo": "Cheila Portela", "nome_display": "Cheila Portela", "documento_oficial": {"tipo": "CPF", "valor": "000.000.000-00", "pais": "BR"}, "matricula": "2025A0001", "curso": "Engenharia de Software", "curso_codigo": "ENGSW-BAC", "nivel_curso": "Graduação", "tipo_documento": "diploma", "carga_horaria": null, "data_conclusao": "2025-11-20", "data_conclusao_extenso": "20 de novembro de 2025", "local": "São Paulo", "idioma": "pt-BR", "instituicao": "Instituição Exemplo", "campus": "Campus Central", "codigo_verificacao": "DIP-2025-123-ABCD", "signatarios": [{"nome": "Reitora Exemplo", "cargo": "Reitora"}], "placeholders_alinhados": {"ALUNO_NOME": "Cheila Portela", "CURSO_TITULO": "Engenharia de Software", "CURSO_COD": "ENGSW-BAC", "DATA_EXTENSO": "20 de novembro de 2025", "LOCALIDADE": "São Paulo", "INSTITUICAO": "Instituição Exemplo", "CAMPUS": "Campus Central", "CODIGO_VERIFICACAO": "DIP-2025-123-ABCD"}}], "erros": [], "avisos": []} 
1.3 Configurações do Agente

1.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente é o ponto de partida do fluxo e deve ser acionado pelo envio de uma planilha ou objeto JSON contendo registros acadêmicos via API. Na fase de testes, o fluxo será iniciado pelo envio manual dos dados, que serão enviados para o agente diretamente por upload na interface da Prototipe AI, para acelerar o processo de validação.
  • Tipo do input: O input inicial para o fluxo é uma planilha .xlsx ou .csv, ou um objeto JSON estruturado.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs nos formatos: .xlsx, .csv, .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de texto com até 100.000 caracteres.

1.3.2 Especificação do Output

  • Formato de output: O output deve ser um objeto JSON contendo a validação dos dados e os registros normalizados, prontos para a geração de documentos.
  • Exemplo de Estrutura de Output:
     {"dados_validos": true, "registros_normalizados": [{"id_registro": "123", "nome_completo": "Cheila Portela", "nome_display": "Cheila Portela", "documento_oficial": {"tipo": "CPF", "valor": "000.000.000-00", "pais": "BR"}, "matricula": "2025A0001", "curso": "Engenharia de Software", "curso_codigo": "ENGSW-BAC", "nivel_curso": "Graduação", "tipo_documento": "diploma", "carga_horaria": null, "data_conclusao": "2025-11-20", "data_conclusao_extenso": "20 de novembro de 2025", "local": "São Paulo", "idioma": "pt-BR", "instituicao": "Instituição Exemplo", "campus": "Campus Central", "codigo_verificacao": "DIP-2025-123-ABCD", "signatarios": [{"nome": "Reitora Exemplo", "cargo": "Reitora"}], "placeholders_alinhados": {"ALUNO_NOME": "Cheila Portela", "CURSO_TITULO": "Engenharia de Software", "CURSO_COD": "ENGSW-BAC", "DATA_EXTENSO": "20 de novembro de 2025", "LOCALIDADE": "São Paulo", "INSTITUICAO": "Instituição Exemplo", "CAMPUS": "Campus Central", "CODIGO_VERIFICACAO": "DIP-2025-123-ABCD"}}], "erros": [], "avisos": []} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 5.000 caracteres, podendo variar conforme a quantidade de registros processados.

1.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

1.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

1.3.5 Memória

1.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Relatório de Inconsistências para Correção Humana (RF 2) caso os dados não sejam válidos, ou o Agente Preparador de Payload para Geração de Diplomas e Certificados (RF 3) caso os dados sejam válidos.

RF 2. Agente de Relatório de Inconsistências para Correção Humana

2.1 Tarefa do Agente

Consolidar e apresentar, de forma clara, os erros e avisos detectados na validação para facilitar a correção humana antes de nova tentativa de emissão.

2.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON de saída do Agente de Validação e Normalização, contendo dados inválidos e lista de erros/avisos.

# 2. Objetivo
Apresentar os erros e avisos de forma clara e estruturada para que possam ser corrigidos manualmente antes de uma nova tentativa de emissão dos documentos.

# 3. Regras que você deve seguir para gerar sua resposta
- Liste primeiro os erros bloqueantes por registro; em seguida, liste avisos.
- Para cada erro, proponha uma sugestão objetiva com exemplo de valor válido quando aplicável.
- Inclua uma linha-exemplo por registro com erro, preenchendo campos principais corretamente para servir de referência.
- Traga contagens (totais, com erro, com aviso), principais causas e instruções claras para reenvio.

# 4. Exemplo de Output que você deve produzir
# Relatório de Inconsistências de Emissão

Resumo geral:
- Registros totais: 10
- Registros com erro bloqueante: 3
- Registros com avisos: 4

Detalhamento por registro:
- id_registro: 123
  - Erros (bloqueantes): campo=carga_horaria → "Obrigatório para certificados e deve ser > 0"; campo=signatarios → "Mínimo 1 signatário com nome e cargo".
  - Sugestão de correção: Informar carga_horaria em horas (ex.: 40) e adicionar signatário.

- id_registro: 124
  - Avisos: campo=nome_completo → "Ajustado para capitalização padrão".

Modelo de linha corrigida (exemplo):
| id_registro | nome_completo    | tipo_documento | carga_horaria | data_conclusao | ... |
| 123         | Cheila Portela   | certificado    | 40            | 2025-11-20     | ... |

Próximos passos: corrigir os itens bloqueantes e reenviar a planilha/JSON. 
2.3 Configurações do Agente

2.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1) caso os dados sejam inválidos.
  • Tipo do input: Este agente deve ser apto a receber um objeto JSON contendo dados inválidos e lista de erros/avisos.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 10.000 caracteres.

2.3.2 Especificação do Output

  • Formato de output: O output deve ser um relatório textual estruturado, destacando erros e avisos para correção humana.
  • Exemplo de Estrutura de Output:
     # Relatório de Inconsistências de Emissão
    
    Resumo geral:
    - Registros totais: 10
    - Registros com erro bloqueante: 3
    - Registros com avisos: 4
    
    Detalhamento por registro:
    - id_registro: 123
      - Erros (bloqueantes): campo=carga_horaria → "Obrigatório para certificados e deve ser > 0"; campo=signatarios → "Mínimo 1 signatário com nome e cargo".
      - Sugestão de correção: Informar carga_horaria em horas (ex.: 40) e adicionar signatário.
    
    - id_registro: 124
      - Avisos: campo=nome_completo → "Ajustado para capitalização padrão".
    
    Modelo de linha corrigida (exemplo):
    | id_registro | nome_completo    | tipo_documento | carga_horaria | data_conclusao | ... |
    | 123         | Cheila Portela   | certificado    | 40            | 2025-11-20     | ... |
    
    Próximos passos: corrigir os itens bloqueantes e reenviar a planilha/JSON. 
  • Número de caracteres esperado: O relatório gerado deve ter um tamanho estimado em 3.000 caracteres.

2.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

2.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

2.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções deste agente não devem ser visíveis para nenhum agente subsequente.
  • Visibilidade da Resposta: A resposta gerada por este agente é apenas para uso humano e não é passada para outros agentes internos.

2.3.6 Regras de Orquestração e Transição

Este agente não prepara payload nem aciona renderização. Ele apenas produz relatório para ajuste humano e encerra seu fluxo após a geração do relatório.

RF 3. Agente Preparador de Payload para Geração de Diplomas e Certificados

3.1 Tarefa do Agente

Selecionar o modelo padronizado apropriado e montar o payload de renderização conforme layouts aprovados pela instituição.

3.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um objeto JSON do Agente de Validação com dados válidos e registros normalizados prontos.

# 2. Objetivo
Selecionar o modelo padronizado apropriado e montar o payload de renderização conforme layouts aprovados pela instituição.

# 3. Regras que você deve seguir para gerar sua resposta
- Escolha template_id com base em: tipo_documento → idioma → campus/curso (quando houver variação).
- Respeite constraints do template (margens, tamanho, fonte, posições).
- Converta placeholders_alinhados em "placeholders" por registro.
- Se algum campo exceder limite de caracteres previsto pelo template e o template permitir ajuste tipográfico, use font_scale.
- Construa URL canônica de verificação com o domínio institucional e codigo_verificacao.
- Agrupe em um único payload registros que compartilhem template_id, versão e constraints idênticas.

# 4. Exemplo de Output que você deve produzir
{"template_id": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0", "output_format": "PDF", "locale": "pt-BR", "layout_constraints": {"margens_mm": {"sup": 15, "inf": 15, "esq": 15, "dir": 15}, "tamanho_pagina": "A4", "fonte_padrao": "Times New Roman", "font_scale_permitida": true}, "records": [{"id_registro": "123", "placeholders": {"ALUNO_NOME": "Cheila Portela", "CURSO_TITULO": "Engenharia de Software", "DATA_EXTENSO": "20 de novembro de 2025", "LOCALIDADE": "São Paulo", "INSTITUICAO": "Instituição Exemplo", "CODIGO_VERIFICACAO": "DIP-2025-123-ABCD"}, "qr_code": {"conteudo_url": "https://verifica.instituicao.exemplo/DIP-2025-123-ABCD", "posicao": "inferior_direita"}, "assinaturas": [{"nome": "Reitora Exemplo", "cargo": "Reitora", "posicao": "inferior_centro"}], "ajustes_tipograficos": {"ALUNO_NOME": {"line_breaks": [], "font_scale": 0.95}}}], "erros_template": []} 
3.3 Configurações do Agente

3.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 1) caso os dados sejam válidos.
  • Tipo do input: Este agente deve ser apto a receber um objeto JSON contendo dados válidos e registros normalizados prontos.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.

3.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON do payload, com campos estritamente no formato esperado pela API de renderização.
  • Exemplo de Estrutura de Output:
     {"template_id": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0", "output_format": "PDF", "locale": "pt-BR", "layout_constraints": {"margens_mm": {"sup": 15, "inf": 15, "esq": 15, "dir": 15}, "tamanho_pagina": "A4", "fonte_padrao": "Times New Roman", "font_scale_permitida": true}, "records": [{"id_registro": "123", "placeholders": {"ALUNO_NOME": "Cheila Portela", "CURSO_TITULO": "Engenharia de Software", "DATA_EXTENSO": "20 de novembro de 2025", "LOCALIDADE": "São Paulo", "INSTITUICAO": "Instituição Exemplo", "CODIGO_VERIFICACAO": "DIP-2025-123-ABCD"}, "qr_code": {"conteudo_url": "https://verifica.instituicao.exemplo/DIP-2025-123-ABCD", "posicao": "inferior_direita"}, "assinaturas": [{"nome": "Reitora Exemplo", "cargo": "Reitora", "posicao": "inferior_centro"}], "ajustes_tipograficos": {"ALUNO_NOME": {"line_breaks": [], "font_scale": 0.95}}}], "erros_template": []} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 4.000 caracteres.

3.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

3.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

3.3.5 Memória

3.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Execução de Chamada à API - Renderização de Documentos (RF 4).

RF 4. Agente de Execução de Chamada à API - Renderização de Documentos

4.1 Tarefa do Agente

Realizar chamada à API do Sistema Gerador de Documentos para obter os PDFs renderizados com base no payload preparado.

4.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo um payload pronto para execução, exatamente no formato esperado pela API de renderização.

# 2. Objetivo
Realizar a chamada à API do Sistema Gerador de Documentos para obter os PDFs renderizados com base no payload preparado.

# 3. Regras que você deve seguir para gerar sua resposta
- Este agente não precisa de instruções para chamadas ao LLM, pois sua única função é executar a chamada à API cujo payload ele já recebe pronto.

# 4. Exemplo de Output que você deve produzir
{"status": "sucesso", "itens": [{"id_registro": "123", "pdf_url": "https://arquivos.instituicao.exemplo/diplomas/123.pdf", "template_usado": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0", "checksum": "sha256:abc..."}], "falhas": []} 
4.3 Configurações do Agente

4.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 3).
  • Tipo do input: Este agente deve ser apto a receber um payload pronto para execução, exatamente no formato esperado pela API de renderização.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 15.000 caracteres.

4.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON contendo o status da operação e os links dos PDFs renderizados.
  • Exemplo de Estrutura de Output:
     {"status": "sucesso", "itens": [{"id_registro": "123", "pdf_url": "https://arquivos.instituicao.exemplo/diplomas/123.pdf", "template_usado": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0", "checksum": "sha256:abc..."}], "falhas": []} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 2.000 caracteres.

4.3.3 Parâmetros de Geração

  • Modelo: Não se aplica (uso de ferramenta)
  • Temperatura: Não se aplica (uso de ferramenta)

4.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: O agente deverá enviar o JSON recebido para a API externa do Sistema Gerador de Documentos e retornar o resultado recebido como resposta.

4.3.5 Memória

4.3.6 Regras de Orquestração e Transição

Ao concluir sua execução, esse agente aciona o Agente de Verificação Pós-Render e Preparação de Entrega (RF 5).

RF 5. Agente de Verificação Pós-Render e Preparação de Entrega

5.1 Tarefa do Agente

Verificar conformidade entre o resultado da renderização e o payload aprovado, consolidar a lista final de documentos e preparar a resposta/entrega.

5.2 Prompt ou Instruções do Agente
 # 1. Contexto e explicações sobre inputs iniciais
Você está recebendo o JSON de retorno do Agente Executor e o payload originalmente enviado.

# 2. Objetivo
Verificar a conformidade entre o resultado da renderização e o payload aprovado, consolidar a lista final de documentos e preparar a resposta/entrega.

# 3. Regras que você deve seguir para gerar sua resposta
- Compare quantidade_solicitada (do payload) com quantidade_recebida (da API) e aprove somente se iguais.
- Exija correspondência exata entre template_usado/template_version retornados e os informados no payload.
- Quando houver metadados de renderização ou texto de diagnóstico, inspecione se existem marcadores {{...}} não resolvidos.
- Exija checksum por item. Se ausente ou vazio, classifique como pendência "checksum ausente".
- Produza lista final itens[id_registro, pdf_url, template_usado, template_version].
- Informe mensagem_resumo com aprovados/reprovados e principais motivos de pendência.

# 4. Exemplo de Output que você deve produzir
{"qa_status": "aprovado", "verificacoes": {"quantidade_solicitada": 10, "quantidade_recebida": 10, "quantidade_aprovada": 10, "placeholders_restantes": 0, "templates_divergentes": 0, "checksums_ok": true}, "itens": [{"id_registro": "123", "pdf_url": "https://.../123.pdf", "template_usado": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0"}], "pendencias": [], "mensagem_resumo": "Emissão concluída com sucesso para 10/10 documentos."} 
5.3 Configurações do Agente

5.3.1 Especificação do Input

  • Mecanismo de Acionamento: Este agente deve ser acionado automaticamente após a conclusão do agente anterior (RF 4).
  • Tipo do input: Este agente deve ser apto a receber o JSON de retorno do Agente Executor e o payload originalmente enviado.
  • Formatos Suportados: Esse agente deve ser capaz de receber inputs no formato: .json.
  • Número de caracteres esperado: Este agente deve ter capacidade para processar um input de até 20.000 caracteres.

5.3.2 Especificação do Output

  • Formato de output: O output deve ser um JSON com o status da verificação, lista de documentos aprovados e pendências, se houver.
  • Exemplo de Estrutura de Output:
     {"qa_status": "aprovado", "verificacoes": {"quantidade_solicitada": 10, "quantidade_recebida": 10, "quantidade_aprovada": 10, "placeholders_restantes": 0, "templates_divergentes": 0, "checksums_ok": true}, "itens": [{"id_registro": "123", "pdf_url": "https://.../123.pdf", "template_usado": "TPL_DIPLOMA_PT_BR_V3", "template_version": "3.0"}], "pendencias": [], "mensagem_resumo": "Emissão concluída com sucesso para 10/10 documentos."} 
  • Número de caracteres esperado: O JSON gerado deve ter um tamanho estimado em 3.000 caracteres.

5.3.3 Parâmetros de Geração

  • Modelo: GPT-5
  • Temperatura: 0.6

5.3.4 Ferramentas do Agente

  • Documentos: Não consulta documentos externos.
  • Calculadora: Não utiliza.
  • Busca Online: Não utiliza.
  • Sistemas Externos: Não se conecta a sistemas externos.

5.3.5 Memória

  • Visibilidade das Instruções (Prompt): As instruções não são visíveis para agentes subsequentes.
  • Visibilidade da Resposta: A resposta gerada por este agente é o entregável final e não é passada para outros agentes internos.

5.3.6 Regras de Orquestração e Transição

A execução deste agente finaliza o fluxo. A resposta gerada é o resultado que deve ser disponibilizado ao usuário ou sistema institucional.

© 2025 prototipe.ai. Todos os direitos reservados.