Studio: Primeiros Passos - Configurações Básicas – Blip | Blip Help

Índice:

Introdução
Criação e configuração de agentes no Studio
2.1 Como criar um bloco de AI Agent
2.2 Como configurar o bloco de AI Agent
2.2.1 Renomeando o AI Agent
2.2.2 Configurando a aba Instruções
2.2.3 Configurando a aba Conhecimento
2.2.4 Configurando a aba Condições de saída
2.2.5 Configurando a aba Ferramentas
Exemplo Orquestrador completo
Exemplo FAQ AI Agents

Introdução

O Studio foi projetado para permitir a criação e personalização de agentes de Inteligência Artificial de forma visual e intuitiva. Com ele, você pode personalizar o comportamento do seu agente, definir sua base de conhecimento, estabelecer condições de saída para o fluxo e integrar ferramentas externas.

Essa ferramenta centraliza todos os recursos necessários para que você construa e gerencie agentes inteligentes de forma intuitiva.

Criação e configuração de agentes no Studio

Nota: Ao final deste artigo, você encontrará os arquivos JSON da configuração. Você pode copiá-lo e importá-lo diretamente no Studio para fazer os ajustes que desejar.

Como criar um bloco de AI Agent

Na tela do Studio, clique em Adicionar bloco e escolha a opção AI Agent.

Um novo bloco de AI Agent será adicionado ao Studio.

Como configurar o bloco de AI Agent

Ao clicar no bloco de AI Agent criado, é possível configurá-lo através do menu lateral.

Renomeando o AI Agent

Primeiramente, você pode renomear o bloco para facilitar a sua identificação. No exemplo a seguir, o Contato Inteligente será um FAQ sobre o AI Agents.

Configurando a aba Instruções

Nesta seção, você pode personalizar seu AI Agent para atender às suas necessidades. Escolha o modelo de linguagem (LLM), defina a temperatura e quantidade máxima de tokens, insira as instruções iniciais do agente, entre outras opções.

Uma configuração precisa é fundamental para otimizar o desempenho do seu agente.

Para configurar um modelo, clique no botão Configurar agente, ao lado da indicação do modelo na aba de Instruções. A tela Configurar Instruções será exibida.

Na aba Modelo, no menu suspenso, é possível escolher a versão do modelo a ser utilizada.

Agora, o Studio oferece suporte a múltiplos modelos de linguagem, ampliando a flexibilidade para a criação de agentes e automações mais adequadas a diferentes casos de uso.

Essa expansão permite que você escolha exatamente o modelo que melhor se adapta às necessidades de interpretação de arquivos, performance e profundidade de resposta desejadas para cada fluxo conversacional.

Modelos GPT disponíveis:

gpt-4.1-mini
gpt-4.1
gpt-4.1-nano
gpt-4o
gpt-4o-mini
o4-mini
gpt-5
gpt-5-mini
gpt-5-nano
gpt-5.1
gpt-5.1-chat
Modelos Gemini disponíveis:
gemini-2.5-pro
gemini-2.5-flash

Onde acessar:
Configurar Agente → Modelo → Modelos de LLM disponíveis

Nessa mesma aba, também é possível:

Definir a temperatura do modelo;
Definir a quantidade máxima de tokens;
Ativar/desativar o histórico de mensagem (memória de curto prazo).

Já na aba Resposta é possível:

Definir se a resposta do agente será enviada ao usuário no canal de atendimento ou armazenada em uma variável. Ao armazenar em uma variável, permite que outros agentes possam utilizá-la.

Definir o formato de resposta do agente. Podendo escolher vários formatos (inclusive um formato personalizado).

Já na aba Interpretação é possível:

Definir tipos de arquivos que o agente será capaz de interpretar, além de configurar o tratamento caso o agente receba um tipo não suportado.

Após definir as configurações do agente, basta clicar em Salvar. Caso não tenha feito alteração, basta clicar em Cancelar.

Ainda na aba de Instruções, é possível configurar instruções para o AI Agent. Para cada instrução é possível selecionar o seu nível, podendo escolher entre: Sistema, Usuário, Agente, Histórico. Vamos passar por cada um:

Nível de Sistema

O nível de sistema define o comportamento geral, a persona e as restrições do agente de IA. É a instrução mais fundamental que estabelece o contexto e as regras de como o modelo deve responder, independentemente da entrada específica do usuário.

Exemplo de uso: "Você é um especialista em programação Python. Responda de forma clara e objetiva, fornecendo exemplos de código sempre que possível."

Nível de Usuário

O nível de usuário representa a entrada ou consulta direta do usuário final. Ele contém a pergunta ou instrução específica que o usuário deseja que a IA resolva em uma determinada interação.

Exemplo de uso: "Qual é a capital da França?"

Nível de Agente

O nível de agente representa as respostas geradas pelo próprio agente de IA. Em uma conversa com múltiplos turnos, as mensagens anteriores da IA podem ser incluídas como contexto para as interações seguintes, mantendo a coerência do diálogo.

Exemplo de uso: "A capital da França é Paris."

Nível de Histórico

O nível de histórico permite utilizar históricos de mensagens de outros agentes. Dessa forma, é possível integrar o contexto deles ao agente atual.

Exemplo de uso:

Na prática:

Adicione uma instrução

Selecione o nível de instrução:

Informe a instrução:

Na instrução de Histórico, você verá o ícone Manipular histórico. Ele permite configurar como deve ser inserido o histórico de mensagens de outros agentes. Você poderá configurar a quantidade de mensagens e a ordem delas.

Nas instruções de Sistema e Agente, você verá um ícone de escudo. Ele oferece sugestões de instruções de guardrail que você pode adicionar ao seu agente. Basta copiá-las e inseri-las na instrução.

Para o exemplo, vamos criar uma nova instrução de sistema e adicionar um guardrail para a base de conhecimento.

Em cada instrução é possível executar ações de remover e duplicar a instrução através dos botões:

É possível mover a instrução clicando e arrastando-a pelo botão lateral (seis pontos) que aparece ao passar o mouse. Assim, você pode organizar a ordem das instruções, o que é crucial para o comportamento do agente.

Se a opção de histórico de contexto estiver ativada na configuração do modelo, ele também aparecerá na tela de instruções e poderá ser ordenado com as demais.

Configurando a aba Conhecimento

Passando agora para a aba de Conhecimento, vemos o seguinte ao abrir a primeira vez:

Para que o agente acesse informações, ele precisa de catálogos. Esses catálogos centralizam o conhecimento a partir de arquivos e URLs, organizando tudo sobre um mesmo tema. Para saber mais sobre os catálogos acesse o tutorial sobre Base de Conhecimento.

Como o seu agente acabou de ser criado, ele ainda não tem nenhum catálogo vinculado. Para adicionar um, basta clicar no botão "Catálogos" ou em "+ Adicionar catálogo".

Ao clicar em um dos botões, a janela Gerenciar Catálogos é aberta.

Para criar um novo catálogo, clique em "Criar catálogo". Você será redirecionado para a tela de gerenciamento de Base de Conhecimento, onde poderá criar/remover catálogos.

Seguindo nosso exemplo de FAQ sobre AI Agents, vamos criar um catálogo usando um arquivo XLSX com perguntas e respostas e uma URL, contendo informações sobre tipos de arquivos aceitos na base de conhecimento de um AI Agent.

Após a criação, o catálogo será listado na tela Gerenciar Catálogos no Studio e já estará disponível para ser vinculado ao seu agente. Para mais detalhes sobre a criação de catálogos, confira o tutorial de Base de Conhecimento.

Para vincular um catálogo ao agente, basta marcar o checkbox e clicar em Salvar.

Agora, na aba Conhecimento é possível visualizar o catálogo vinculado.

Ao clicar no botão de edição do catálogo vinculado, você pode gerenciar os seus arquivos e URLs. Assim, é possível escolher quais informações o agente deve usar na sua base de conhecimento.

Você notará que tanto o arquivo XLSX quanto a URL são listados. Basta marcar os que você quer que o agente use e clicar em "Salvar".

Executando o Contato Inteligente

Agora é um bom momento para testar o Contato Inteligente (CI) com o AI Agent. Para isso, conecte o bloco Início ao bloco Faq AI Agent e publique o fluxo do CI. No chat de teste de fluxo é possível interagir com o agente.

Configurando a aba Condições de saída

Para configurar a aba Condições de saída, vamos criar um novo fluxo. A ideia é construir um Contato Inteligente da Blip com três agentes:

Agente de Planos: Especializado em planos que a Blip oferece.
Agente de Produtos: Especializado em produtos disponíveis.
Agente Orquestrador: Responsável por entender a intenção do usuário e direcioná-lo para o agente especialista correto.

Neste cenário, também adicionaremos blocos determinísticos para mostrar que é possível combiná-los com os blocos de AI Agents.

Para começar, vamos adicionar os blocos determinísticos que darão as boas-vindas e coletarão o nome do usuário. Para isso, vamos copiar blocos prontos da Biblioteca de blocos e adaptá-los para o nosso exemplo.

O fluxo inicial ficou assim:

Agora, você pode criar o agente orquestrador e definir suas instruções.

Neste exemplo, ele terá três instruções de sistema:

A primeira define seu papel como orquestrador.
A segunda o instrui a chamar o usuário pelo nome, usando uma variável para personalização.
A terceira é um guardrail para garantir que o orquestrador não enviará mensagens desnecessárias para o usuário.

As bases de conhecimento para os agentes especialistas serão as URLs de produtos e de planos da Blip.

As instruções para cada agente serão as seguintes:

Definição de Papel: Descreve a área de especialização do agente.
Guardrails de Concorrência: Evita que o agente mencione concorrentes ou serviços similares.
Guardrails de Tom de Voz: Garante que as respostas serão em português e manterão um tom amigável.
Guardrails de Grounding: Garante que todas as informações fornecidas sejam baseadas exclusivamente na base de conhecimento.
Nome do usuário: Garante que o agente chame o usuário pelo nome.

Agora, basta criar os agentes, configurando-os com essas instruções e a base de conhecimento, como visto nas etapas anteriores.

Agente especialista em planos da Blip:

Agente especialista em produtos da Blip:

Agora você pode configurar as condições de saída. Elas orientam o agente sobre o próximo bloco que o usuário será direcionado, garantindo a continuidade correta do fluxo.

Vamos começar pelo Orquestrador. Na aba Condições de saída, clique no botão + Adicionar direcionamento.

Em Definições, preencha o nome, a descrição e o bloco de destino, e salve a instrução. Crie uma condição de saída para cada agente especialista.

Também é possível definir uma condição de saída para casos de exceção.

Agora, para cada agente especialista, vamos criar uma condição de saída para voltar para o agente orquestrador. Com isso, o usuário consegue voltar e trocar de contexto.

E assim ficou o fluxo:

Agora é só testar!

Configurando a aba Ferramentas

A aba Ferramentas permite que você configure as instruções para o agente interagir com recursos externos. Para vermos um exemplo prático, vamos voltar ao agente Orquestrador.

Ao clicar em Adicionar ferramenta, uma lista de opções será exibida. Para cada uma, além de definir um nome, é necessário fornecer uma descrição — que orienta o agente sobre quando acionar a ação — e configurar os dados específicos para sua execução.

Vamos exemplificar com a ferramenta Definir contato, utilizada para armazenar dados do usuário. Visto que já capturamos o nome, iremos aproveitá-lo para preencher os dados de contato. Para isso, basta alterar o nome, informar a descrição e mapear a variável {{nome}} ao campo correspondente.

Você pode adicionar condições para que a definição do contato ocorra. Por exemplo, é possível incluir uma validação para o nome do usuário.

Para testar o funcionamento, vamos ajustar a instrução que usamos para passar o nome do usuário. Em vez de usar a variável {{nome}}, vamos alterar a instrução para buscar o nome diretamente de {{contact.name}} e validar que o agente ainda consegue chamar o usuário pelo nome:

Exemplo Orquestrador completo

Faça o download do exemplo aqui.

Exemplo FAQ AI Agents