afrom letta import Client, Agent, Tool
client = Client(api_key=os.environ.
## Usando Letta ADE (Caminho No-Code/Low-Code)
Se preferir prototipagem visual, o ADE permite compor agentes, memória e ferramentas sem escrever código.
- Inicie um novo projeto de agente no ADE.
- Defina o papel do agente (prompt do sistema), tom, e limites.
- Configure estratégias de persistência e recuperação da memória.
- Adicione ferramentas selecionando conectores ou definindo ações personalizadas.
- Teste conversas inline, observe as gravações de memória e ajuste os limiares.
- Exporte ou entregue para desenvolvedores assim que o protótipo estiver funcionando corretamente.
Veja o anúncio do ADE e o tutorial para um passo a passo e vídeo introdutório rápido.
## Como Projetar Bons Agentes Letta: Boas Práticas Recomendadas
1) Comece com o objetivo do trabalho
- Defina um escopo estreito (ex.: “triagem de tickets de suporte para erros web”), não um generalista vago.
2) Codifique procedimentos operacionais
- Inclua seus SOPs no prompt do sistema. Exemplo: “Quando a triagem indicar impacto em produção, escale e defina prioridade=alta. Sempre inclua passos para reprodução se disponíveis.”
3) Use schemas estritos para as ferramentas
- Impose enums e campos obrigatórios. Isso reduz parâmetros alucinados.
4) Trate a memória como uma superfície de produto
- Defina o que deve ser memorável (contatos, preferências, resoluções anteriores) e o que deve ser efêmero (cálculos pontuais). Revise rastros de memória regularmente.
5) Teste com dados reais
- Alimente o agente com tickets, documentos e exemplos anônimos. Observe modos de falha (contexto ausente, prioridade errada) e refine prompts/ferramentas.
6) Barreiras preventivas > limpeza posterior
- Adicione validação nas ferramentas. Se o agente sugerir entradas inválidas, seu manipulador deve capturar e responder com orientações.
7) Instrumente tudo
- Registre chamadas de ferramentas, gravações de memória e telemetria por mensagem. Crie dashboards para métricas-chave (taxa de sucesso, tempo para resolução).
8) Versione seus agentes
- Acompanhe mudanças em prompts, ferramentas e políticas de memória. Marque versões confiáveis para produção e itere em staging.
## Fluxos de Trabalho Comuns que Você Pode Lançar com Letta
- Suporte ao Cliente
- Resumir threads, propor resolução, criar tickets e notificar partes interessadas.
- Assistente de Pesquisa
- Planejar consultas, buscar fontes, sintetizar, armazenar notas de fontes na memória.
- Operações de Vendas/CS
- Analisar notas de chamadas, extrair próximos passos, atualizar CRM via ferramentas, seguir com e-mails padronizados.
- Automação Interna
- Monitorar filas, disparar runbooks, registrar atualizações de status e manter contexto entre turnos.
## Solução de Problemas: Quando Algo Não Funciona
- O agente esquece as coisas
- Verifique se a memória está habilitada e os limiares de recuperação são adequados. Confirme se os dados estão sendo realmente persistidos.
- Chamadas de ferramentas malformadas
- Endureça os schemas, adicione enums e retorne erros estruturados com dicas corretivas.
- Agente é muito prolixo ou muito sucinto
- Ajuste o guia de estilo do prompt do sistema e forneça 2-3 exemplos inline.
- Instruções conflitantes
- Consolide suas regras operacionais. Use prioridades explícitas: “Sempre faça X antes de Y.”
- Desvio após atualizações
- Bloqueie versões em produção. Faça rollout com canários.
## Notas Rápidas de Segurança e Conformidade
- Trate ferramentas como caminhos de código confiáveis — autentique e escopo-os.
- Redija dados sensíveis antes de registrar rastros de memória.
- Considere informações pessoais em memória: políticas de retenção, controles de acesso e criptografia.
## Do Protótipo à Produção: Um Checklist Resumido
- OKRs claros para o agente (o que é sucesso?).
- Escopo restrito e prompt do sistema baseado em SOP.
- Schemas de ferramentas rigorosos com validação e testes.
- Estratégia de memória documentada e validada com tarefas reais.
- Observabilidade (logs, métricas, alertas) configurada.
- Plano de versionamento e rollback.
- Ambientes de staging e produção separados.
## Recursos Extras de Aprendizado
- Vídeo introdutório: crie seu primeiro agente persistente.
- Quickstart (Python/TS) com trechos de código.
- Arquitetura do agente e melhores práticas.
- Anúncio e tutorial do ADE.
- Notas sobre renomeação do pacote e compatibilidade.
- Repositório open-source e contexto.
## Aliás: Iteração Mais Rápida com [Sider.AI](https://sider.ai)
Se você documenta prompts, testa exemplos ou compara saídas entre versões de agentes, é útil manter artefatos lado a lado e iterar rapidamente. Vale lembrar que [Sider.AI](https://sider.ai) (https://sider.ai/) ajuda equipes a capturar prompts, notas e diferenças enquanto constroem e testam agentes — especialmente útil quando várias pessoas refinam um SOP ou avaliam schemas de ferramentas.
## Principais Lições
- Letta ajuda a construir agentes com estado, memória, ferramentas e estado persistente.
- Comece com um job-to-be-done estreito e schemas rígidos para estabilidade.
- Use o SDK para fluxos de trabalho baseados em código ou o ADE para prototipagem visual.
- Instrumente, versionie e teste com dados reais antes de colocar em produção.
- Aproveite o quickstart oficial e os guias de agentes para seguir as melhores práticas.
### FAQ
P1: O que é Letta e como ela é diferente de um chatbot comum?
Letta é uma plataforma para construir agentes de IA com estado persistente e orquestração de ferramentas, não uma interface de chat sem estado. Ela armazena o estado do agente, impõe schemas para ferramentas e permite gerenciar memória e fluxos entre sessões.
P2: Como começo a usar Letta rapidamente?
Siga o quickstart para desenvolvedores em Python ou TypeScript para criar seu primeiro agente e adicionar ferramentas. Se preferir caminho visual, use o ADE para configurar memória, prompts e ferramentas antes de exportar.
P3: Letta pode lembrar preferências do usuário e tarefas passadas?
Sim. Letta suporta memória persistente para que agentes armazenem preferências, decisões e resultados, recuperando contextualmente em interações futuras. Configure políticas de memória e valide com tarefas reais.
P4: Como funcionam as ferramentas em agentes Letta?
Você registra funções com schemas de entrada rigorosos para que o agente as chame de forma confiável. Adicione validação, use enums e retorne erros estruturados para orientar correções se as entradas estiverem incorretas.
P5: Letta é a mesma coisa que MemGPT?
Letta foi construída a partir da pesquisa e ecossistema MemGPT, mas é a plataforma e pacote atual que você deve usar. As notas de renomeação do pacote e o repositório aberto explicam a transição e APIs atualizadas.