Meu Primeiro AgenteOS – Criando um Tutor de Programação com IA

Motivação

Se você está iniciando na área de programação, já deve ter sentido que aprender sozinho pode ser desafiador: muitos conteúdos, muitas abordagens, pouco direcionamento.

Ao conhecer a proposta dos agentes de IA, percebi que poderia criar um Tutor Inteligente, capaz de ensinar raciocínio lógico, pensamento computacional e ainda ajudar na preparação para entrevistas.

Mas antes de tudo:

O que é um AgenteOS?

De forma simples, é um agente de IA: um software autônomo capaz de executar tarefas complexas, conversar, aprender, raciocinar e tomar decisões seguindo regras definidas.

O termo “AgenteOS” é utilizado pela ferramenta Agno, que permite criar agentes individuais ou sistemas multiagentes dentro de um único código.

O que é o Agno?

O Agno é uma estrutura completa para criação de agentes, com execução, ferramentas e controle unificados.

Ao conhecê-lo em um vídeo no YouTube, achei a abordagem fantástica:

• Agente usando OpenAI Chat
• Ferramenta de busca DuckDuckGoTools
• Busca acadêmica avançada com Valyu

A combinação dessas ferramentas permite criar agentes extremamente úteis — inclusive um tutor de programação.

No entanto, para o meu projeto o objetivo era outro:

👉 criar um agente que realmente ajudasse um iniciante a aprender programação e se preparar para entrevistas, sem depender de ferramentas caras.

E foi aí que decidi trocar o modelo da OpenAI pelo Google Gemini, tornando o projeto mais acessível.

---

A Jornada

Como iniciante, busquei um parceiro de aprendizado.

E pensei:

"Já que vou usar o Gemini, por que não usá-lo como parceiro de programação?"

Então iniciei um chat com o Gemini – Parceiro de Programação e expliquei a ideia do projeto.

A resposta dele foi animadora:

“A resposta é um sim ressonante! É totalmente possível fazer isso que você está pensando.”

A partir daí, fomos refinando juntos:

• Expliquei que não queria busca acadêmica
• Ajustamos as ferramentas
• Corrigimos alucinações do modelo
• E definimos o ponto mais importante:
• a personalidade do agente
• (o papel e as instruções que moldam seu comportamento pedagógico)

Essa parte é essencial — é onde o agente se torna realmente especializado.

---

Preparando o Ambiente

Para começar, fui à documentação oficial:

https://docs.agno.com/introduction

A instalação das dependências foi simples:

pip install -U agno 'fastapi[standard]' ddgs google-genai python-dotenv

Aqui temos:

• Agno – framework do agente
• FastAPI – para rodar um servidor (útil depois)
• ddgs – ferramenta de busca do DuckDuckGo
• google-genai – acesso ao Gemini
• python-dotenv – para proteger sua chave de API

⚠️ Nunca coloque sua chave de API diretamente no código.

Use sempre um arquivo .env.

Arquivo .env:

export GOOGLE_API_KEY="sua_chave_aqui"

Estrutura Inicial do Código

Começamos carregando variáveis de ambiente:

from dotenv import load_dotenv
load_dotenv()

Depois importamos os componentes do Agno:

from agno.agent import Agent
from agno.models.google import Gemini
from agno.tools.models.gemini import GeminiTools
from agno.tools.duckduckgo import DuckDuckGoTools

Instanciamos modelo e ferramentas:

gemini_model = Gemini(id="gemini-2.5-flash")
gemini_tool = GeminiTools()
ddg_tool = DuckDuckGoTools()

Criamos o agente:

agente = Agent(
 name="Tutor para devs iniciantes",
 id="TutorDev",
 model=gemini_model,
 tools=[gemini_tool, ddg_tool],
 markdown=True
)

Para testar:

if __name__ == "__main__":
 print(agente.print_response)

---

A Parte Mais Importante: Papel e Instruções

Aqui o agente ganha vida.

Papel (Role)

Define o propósito pedagógico:

AGENTE_ROLE = (
"Você é um Tutor Socrático de Pensamento Computacional e Programação. "
"Seu objetivo é ajudar iniciantes a desenvolver Decomposição, Abstração, "
"Reconhecimento de Padrões e Algoritmos. "
"Você não entrega respostas prontas: guia com perguntas."
)

Instruções (Instructions)

Define como o agente deve agir:

AGENTE_INSTRUCTIONS = [
"Comece pedindo ao usuário um objetivo ou problema simples.",
"Ajude a decompor o problema em partes menores.",
"Responda sempre com perguntas que estimulem o raciocínio.",
"Use a ferramenta de busca apenas para trazer sintaxe ou exemplos curtos.",
"Mantenha tom paciente e encorajador."
]

---

Criando a Versão Interativa do Tutor

Agora sim o tutor começa a ajudar de verdade.

if __name__=="__main__":
print("🤖 --- TUTOR SOCRÁTICO DE PENSAMENTO COMPUTACIONAL --- 🤖")
print("Informe a linguagem que deseja aprender (ex: Python, JavaScript).")
print("Digite 'sair' para encerrar.")
print("-" * 35)

while True:
  user_input = input("Você: ")

  if user_input.lower() in ['sair', 'exit']:
    print("👋 Sessão encerrada. Até a próxima!")
    break

  response = tutor_agent.run(user_input)
  print(f"\nTutorDev: {response.content}\n")

Esse código já cria um tutor inicial totalmente funcional.

---

Conclusão

Com poucos passos, consegui criar meu primeiro Tutor de Programação com IA, usando:

• Agno
• Gemini
• Ferramentas de busca
• Um conjunto de instruções pedagógicas

Esse agente pode:

• ensinar pensamento computacional
• ajudar no aprendizado de linguagens
• orientar no raciocínio lógico
• apoiar na preparação para entrevistas

E tudo isso de forma interativa, personalizada e acessível.

Se você quiser explorar mais, pode evoluir o projeto adicionando uma API com FastAPI para rodar o agente no navegador.

Mas vou deixar isso como desafio para você praticar 😉

📌 Repositório com o código completo:

AgenteOS no github: click aqui