Falha como informação
Quando um agente de IA chama uma ferramenta de um servidor MCP e ela falha, a mensagem de erro entra no contexto do agente. Diferente de um programa com script que segue um caminho de erro pré-determinado, o agente pode raciocinar sobre o erro e escolher uma resposta com base no que o erro lhe diz.
Um erro de "tabela não encontrada" diz ao agente para verificar o nome da tabela. Um erro de "permissão negada" diz ao agente que essa abordagem não vai funcionar, não importa quantas vezes tente. Um erro de "timeout" diz ao agente que a operação pode dar certo se for tentada de novo ou com parâmetros mais simples. Boas mensagens de erro permitem esse tipo de raciocínio. Más mensagens deixam o agente adivinhando.
Estratégias de retry
Nem toda falha merece a mesma resposta. O agente precisa diferenciar erros transitórios (que podem dar certo em uma nova tentativa) de erros permanentes (que não vão dar certo). Um timeout de rede é transitório. Uma tabela ausente é permanente. Um erro de rate limit é transitório, mas exige uma espera antes de tentar de novo.
Agentes bem projetados implementam retries graduados: tentar uma vez mais imediatamente em erros inesperados, esperar e tentar novamente em rate limits e mudar para uma abordagem alternativa em falhas permanentes. Isso é mais sofisticado do que o padrão simples de "tentar três vezes" e produz resultados melhores.
Abordagens alternativas
A resposta de falha mais valiosa é encontrar um caminho diferente para o mesmo objetivo. Se consultar uma tabela específica falha, o agente consegue encontrar os dados em outra tabela? Se um endpoint da API está fora do ar, há um endpoint alternativo? Se um arquivo não pode ser lido diretamente, o agente pode buscá-lo primeiro para obter o caminho correto?
Essa capacidade de encontrar abordagens alternativas é uma das principais vantagens dos agentes em relação a scripts rígidos. Um script segue um caminho e falha se esse caminho for bloqueado. Um agente pode raciocinar sobre caminhos alternativos e tentá-los, muitas vezes tendo sucesso onde um script teria desistido.
Evitando falhas repetidas
Bons agentes lembram do que falhou dentro de uma sessão. Se uma consulta a uma tabela com determinado nome falhou, o agente não deve tentar exatamente a mesma consulta três etapas depois. Isso parece óbvio, mas, sem instruções explícitas sobre rastrear falhas, os agentes às vezes se repetem, especialmente em tarefas longas em que a falha original já saiu da atenção ativa.
Incluir instruções como "Se uma chamada de ferramenta falhar, anote a falha e não repita a mesma chamada com os mesmos parâmetros" no prompt do seu agente ajuda a evitar retries desperdiçados.
Leituras relacionadas
- Como depurar um agente de IA que continua cometendo erros
- O agent loop: como sistemas de IA autônomos tomam decisões
- Como mensagens de erro de servidores MCP afetam o comportamento do agente
Descubra agentes de IA no Skillful.sh. Pesquise mais de 137.000 ferramentas de IA.