First commit

templates/backend_day_zero/app/agents/README_DESENVOLVEDOR.md

@@ -0,0 +1,12 @@
+# Desenvolvimento de agentes
+
+Os arquivos `billing_agent.py`, `product_agent.py`, `orders_agent.py` e `support_agent.py` foram mantidos com os mesmos nomes do template completo para o workflow continuar compatível.
+
+A implementação de negócio original está comentada no final de cada arquivo.
+
+Para criar seu agente:
+
+1. Edite o método `run()` da classe desejada.
+2. Use o bloco comentado como referência.
+3. Depois, ajuste o roteamento em `config/routing.yaml`.
+4. Se quiser renomear classes/arquivos, atualize também os imports em `app/workflows/agent_graph.py`.

templates/backend_day_zero/app/agents/billing_agent.py

@@ -0,0 +1,67 @@
+"""
+DAY ZERO TEMPLATE - BillingAgent
+
+Esqueleto mínimo já compatível com ConversationSummaryMemory.
+Substitua o prompt e a regra de negócio conforme o seu agente.
+"""
+
+from app.agents.prompting import apply_agent_profile_prompt
+from app.agents.runtime import AgentRuntimeMixin
+
+
+class BillingAgent(AgentRuntimeMixin):
+    name = "billingAgent"
+
+    def __init__(
+        self,
+        llm,
+        telemetry=None,
+        tool_router=None,
+        rag_service=None,
+        cache=None,
+        settings=None,
+        observer=None,
+        memory=None,
+        summary_memory=None,
+    ):
+        self.llm = llm
+        self.telemetry = telemetry
+        self.tool_router = tool_router
+        self.rag_service = rag_service
+        self.cache = cache
+        self.settings = settings
+        self.observer = observer
+        self.memory = memory
+        self.summary_memory = summary_memory
+
+    async def run(self, state):
+        # OPCIONAL: habilite quando seu agente precisar de MCP/RAG.
+        tool_context = []
+        rag_context = None
+        rag_metadata = {}
+
+        # Prepara a memória resumida antes do prompt.
+        await self.prepare_memory_context(state)
+
+        messages = self.build_messages(
+            state,
+            system_prompt=apply_agent_profile_prompt(
+                state,
+                "Você é um agente especialista em faturas. Responda com clareza, objetividade e sem sugerir ações não solicitadas. Use dados MCP quando disponíveis.",
+            ),
+            mcp_results=tool_context,
+            rag_context=rag_context,
+            rag_metadata=rag_metadata,
+        )
+
+        answer = await self._invoke_llm_cached(state, "BillingAgent", messages)
+        return {
+            "answer": answer,
+            "next_state": "DAY_ZERO_ACTIVE",
+            "mcp_results": tool_context,
+            "rag": rag_metadata,
+            "memory_context_metadata": state.get("memory_context_metadata"),
+        }
+
+    async def _collect_tool_context(self, state):
+        return await self._collect_mcp_context(state)

templates/backend_day_zero/app/agents/orders_agent.py

@@ -0,0 +1,67 @@
+"""
+DAY ZERO TEMPLATE - OrdersAgent
+
+Esqueleto mínimo já compatível com ConversationSummaryMemory.
+Substitua o prompt e a regra de negócio conforme o seu agente.
+"""
+
+from app.agents.prompting import apply_agent_profile_prompt
+from app.agents.runtime import AgentRuntimeMixin
+
+
+class OrdersAgent(AgentRuntimeMixin):
+    name = "orders_agent"
+
+    def __init__(
+        self,
+        llm,
+        telemetry=None,
+        tool_router=None,
+        rag_service=None,
+        cache=None,
+        settings=None,
+        observer=None,
+        memory=None,
+        summary_memory=None,
+    ):
+        self.llm = llm
+        self.telemetry = telemetry
+        self.tool_router = tool_router
+        self.rag_service = rag_service
+        self.cache = cache
+        self.settings = settings
+        self.observer = observer
+        self.memory = memory
+        self.summary_memory = summary_memory
+
+    async def run(self, state):
+        # OPCIONAL: habilite quando seu agente precisar de MCP/RAG.
+        tool_context = []
+        rag_context = None
+        rag_metadata = {}
+
+        # Prepara a memória resumida antes do prompt.
+        await self.prepare_memory_context(state)
+
+        messages = self.build_messages(
+            state,
+            system_prompt=apply_agent_profile_prompt(
+                state,
+                "Você é um agente de pedidos de varejo. Use dados de tools quando disponíveis.",
+            ),
+            mcp_results=tool_context,
+            rag_context=rag_context,
+            rag_metadata=rag_metadata,
+        )
+
+        answer = await self._invoke_llm_cached(state, "OrdersAgent", messages)
+        return {
+            "answer": answer,
+            "next_state": "DAY_ZERO_ACTIVE",
+            "mcp_results": tool_context,
+            "rag": rag_metadata,
+            "memory_context_metadata": state.get("memory_context_metadata"),
+        }
+
+    async def _collect_tool_context(self, state):
+        return await self._collect_mcp_context(state)

templates/backend_day_zero/app/agents/product_agent.py

@@ -0,0 +1,67 @@
+"""
+DAY ZERO TEMPLATE - ProductAgent
+
+Esqueleto mínimo já compatível com ConversationSummaryMemory.
+Substitua o prompt e a regra de negócio conforme o seu agente.
+"""
+
+from app.agents.prompting import apply_agent_profile_prompt
+from app.agents.runtime import AgentRuntimeMixin
+
+
+class ProductAgent(AgentRuntimeMixin):
+    name = "productAgent"
+
+    def __init__(
+        self,
+        llm,
+        telemetry=None,
+        tool_router=None,
+        rag_service=None,
+        cache=None,
+        settings=None,
+        observer=None,
+        memory=None,
+        summary_memory=None,
+    ):
+        self.llm = llm
+        self.telemetry = telemetry
+        self.tool_router = tool_router
+        self.rag_service = rag_service
+        self.cache = cache
+        self.settings = settings
+        self.observer = observer
+        self.memory = memory
+        self.summary_memory = summary_memory
+
+    async def run(self, state):
+        # OPCIONAL: habilite quando seu agente precisar de MCP/RAG.
+        tool_context = []
+        rag_context = None
+        rag_metadata = {}
+
+        # Prepara a memória resumida antes do prompt.
+        await self.prepare_memory_context(state)
+
+        messages = self.build_messages(
+            state,
+            system_prompt=apply_agent_profile_prompt(
+                state,
+                "Você é um agente especialista em produtos, planos e serviços. Explique sem fazer oferta proativa e sem executar ações sem confirmação. Use dados MCP quando disponíveis.",
+            ),
+            mcp_results=tool_context,
+            rag_context=rag_context,
+            rag_metadata=rag_metadata,
+        )
+
+        answer = await self._invoke_llm_cached(state, "ProductAgent", messages)
+        return {
+            "answer": answer,
+            "next_state": "DAY_ZERO_ACTIVE",
+            "mcp_results": tool_context,
+            "rag": rag_metadata,
+            "memory_context_metadata": state.get("memory_context_metadata"),
+        }
+
+    async def _collect_tool_context(self, state):
+        return await self._collect_mcp_context(state)

templates/backend_day_zero/app/agents/prompting.py

@@ -0,0 +1,15 @@
+from __future__ import annotations
+
+
+def apply_agent_profile_prompt(state: dict, default_prompt: str) -> str:
+    """Adiciona o prefixo de prompt configurado para o agent_template selecionado.
+
+    Cada agent_id pode definir metadata.system_prefix em config/agents.yaml. Isso
+    mantém prompts isolados sem duplicar o código dos agentes especializados.
+    """
+    profile = state.get("agent_profile") or (state.get("context") or {}).get("agent_profile") or {}
+    metadata = profile.get("metadata") or {}
+    prefix = (metadata.get("system_prefix") or "").strip()
+    if not prefix:
+        return default_prompt
+    return f"{prefix}\n\n{default_prompt}"

templates/backend_day_zero/app/agents/runtime.py

@@ -0,0 +1,7 @@
+from __future__ import annotations
+
+# Compatibilidade local do template/backend.
+# A implementação oficial agora fica no framework para evitar duplicação entre agentes.
+from agent_framework.runtime import AgentRuntimeMixin, MessageBuilder, RuntimeContext
+
+__all__ = ["AgentRuntimeMixin", "MessageBuilder", "RuntimeContext"]

templates/backend_day_zero/app/agents/support_agent.py

@@ -0,0 +1,67 @@
+"""
+DAY ZERO TEMPLATE - SupportAgent
+
+Esqueleto mínimo já compatível com ConversationSummaryMemory.
+Substitua o prompt e a regra de negócio conforme o seu agente.
+"""
+
+from app.agents.prompting import apply_agent_profile_prompt
+from app.agents.runtime import AgentRuntimeMixin
+
+
+class SupportAgent(AgentRuntimeMixin):
+    name = "support_agent"
+
+    def __init__(
+        self,
+        llm,
+        telemetry=None,
+        tool_router=None,
+        rag_service=None,
+        cache=None,
+        settings=None,
+        observer=None,
+        memory=None,
+        summary_memory=None,
+    ):
+        self.llm = llm
+        self.telemetry = telemetry
+        self.tool_router = tool_router
+        self.rag_service = rag_service
+        self.cache = cache
+        self.settings = settings
+        self.observer = observer
+        self.memory = memory
+        self.summary_memory = summary_memory
+
+    async def run(self, state):
+        # OPCIONAL: habilite quando seu agente precisar de MCP/RAG.
+        tool_context = []
+        rag_context = None
+        rag_metadata = {}
+
+        # Prepara a memória resumida antes do prompt.
+        await self.prepare_memory_context(state)
+
+        messages = self.build_messages(
+            state,
+            system_prompt=apply_agent_profile_prompt(
+                state,
+                "Você é um agente de suporte de varejo para troca, devolução e garantia.",
+            ),
+            mcp_results=tool_context,
+            rag_context=rag_context,
+            rag_metadata=rag_metadata,
+        )
+
+        answer = await self._invoke_llm_cached(state, "SupportAgent", messages)
+        return {
+            "answer": answer,
+            "next_state": "DAY_ZERO_ACTIVE",
+            "mcp_results": tool_context,
+            "rag": rag_metadata,
+            "memory_context_metadata": state.get("memory_context_metadata"),
+        }
+
+    async def _collect_tool_context(self, state):
+        return await self._collect_mcp_context(state)