Prompt orienta.

Skill organiza um procedimento reutilizável.

Tool permite executar uma operação.

MCP padroniza a integração.

Agent decide os próximos passos e coordena a execução.

Essas cinco frases ajudam a começar. Mas cada termo ocupa um lugar diferente no trabalho com IA.

Entender essa diferença ajuda a escrever pedidos melhores, escolher recursos e investigar por que uma tarefa falhou.

Prompt: a direção do pedido

Um prompt orienta o modelo sobre o que fazer, quais limites respeitar e qual resposta entregar.

Pode incluir uma pergunta, instruções, exemplos e critérios de pronto.

Etapa: diagnóstico.

Investigue por que o botão de copiar código falha no mobile.
Não altere arquivos.
Informe a causa provável e as evidências encontradas.

O pedido define uma tarefa e sua fronteira.

Um prompt também pode orientar como executar algo. A diferença para uma skill está na organização e na reutilização do procedimento.

Uma instrução clara ajuda. Não garante que a interpretação ou o resultado estarão corretos.

Skill: um procedimento que pode ser reutilizado

Uma skill reúne conhecimento e instruções para um tipo de tarefa.

No formato Agent Skills, ela contém um arquivo SKILL.md e pode incluir scripts, referências e modelos de documentos.

Uma skill de revisão de acessibilidade, por exemplo, pode orientar a inspeção de foco, contraste, semântica e navegação por teclado.

O procedimento pode ser aplicado em vários projetos. O contexto de cada projeto continua necessário.

Tarefas recorrentes são uma boa razão para criar uma skill. Mas ela também pode ser útil em uma tarefa pontual que exige conhecimento especializado.

A skill orienta o trabalho. Quando precisa ler arquivos, executar scripts ou consultar dados, depende das ferramentas disponíveis. Referência: Agent Skills.

Tool: a operação disponível

Uma tool, ou ferramenta, permite realizar uma operação concreta.

Ler um arquivo. Consultar uma página. Editar código. Executar um teste.

Nem toda operação modifica algo. Uma busca também é uso de ferramenta.

O modelo pode solicitar uma chamada de ferramenta. O sistema que o executa processa essa chamada, conforme as permissões disponíveis, e devolve o resultado.

Esse retorno vira informação para a próxima decisão.

Pedir um teste no prompt não prova que ele foi executado. A evidência está na execução e no resultado retornado.

MCP: o padrão de comunicação

MCP significa Model Context Protocol.

É um protocolo que padroniza a comunicação entre aplicações de IA e servidores que disponibilizam capacidades e contexto.

Esses servidores podem oferecer:

  • tools: funções executáveis;
  • resources: dados e conteúdos para fornecer contexto;
  • prompts: modelos reutilizáveis de interação.

Uma integração com um repositório pode oferecer uma ferramenta para consultar issues, um recurso com documentação e um template para orientar uma revisão.

MCP define como essas capacidades são descobertas e acessadas. A escolha de quando usá-las cabe à aplicação e ao agente.

Ferramentas também podem ser integradas diretamente, sem MCP. Referência: arquitetura do MCP.

Agent: as decisões durante a execução

Um agent, ou agente, é um sistema que usa um modelo para conduzir uma tarefa: escolher próximos passos, usar ferramentas e avaliar os resultados.

O modelo é um componente desse sistema. Ele interpreta entradas e gera respostas ou solicitações de ferramentas. O agente combina essa capacidade com o ambiente de execução.

O agente pode consultar arquivos, perceber que faltam informações, executar uma verificação e mudar de direção conforme o resultado.

Ele trabalha dentro das instruções e permissões disponíveis.

Skills e MCP podem ampliar suas capacidades. Não são requisitos para todo agente.

A definição de agente varia entre produtos. Neste artigo, o ponto central é a decisão dinâmica sobre como avançar. Referência: Building effective agents.

Loop: agir e observar antes de continuar

O loop é o ciclo de execução:

Entender o estado atual
→ decidir o próximo passo
→ executar uma ação
→ observar o resultado
→ decidir se continua, ajusta ou encerra

Um teste falhou. O agente examina o erro, ajusta a implementação e testa novamente.

Isso não é repetir o mesmo pedido indefinidamente. Cada retorno precisa informar a próxima decisão.

O ciclo deve ter uma condição de parada: objetivo atendido, limite de tentativas atingido ou necessidade de intervenção humana.

Um loop, sozinho, não define um agente. Programas com etapas fixas também podem repetir operações.

Plano e workflow: a sequência de trabalho

Um plan, ou plano, registra as etapas propostas, suas dependências e as validações esperadas.

Um workflow, ou fluxo de trabalho, organiza como essas etapas se encadeiam.

Um fluxo predefinido pode seguir sempre o mesmo roteiro. Um agente pode escolher o próximo passo conforme encontra novas evidências.

Os dois podem trabalhar juntos. Um fluxo editorial pode estabelecer redação, revisão, tradução e publicação. Dentro da revisão, o agente decide quais referências precisa consultar.

O plano pode estar em um documento. PLANS.md é uma convenção adotada neste projeto, não um nome obrigatório para sistemas de IA.

Contexto, README e AGENTS.md

Contexto é a informação disponível ao modelo naquele momento.

Inclui o pedido, as instruções relevantes, os arquivos consultados, o histórico acessível e os resultados das ferramentas.

Um arquivo existir no repositório não significa que seu conteúdo esteja disponível naquela chamada do modelo.

Dois documentos ajudam a organizar esse contexto:

  • README.md: apresenta o projeto e explica como começar a usá-lo ou desenvolvê-lo. Referência: GitHub Docs.
  • AGENTS.md: registra orientações do projeto para agentes de programação, como convenções, comandos e validações. Referência: AGENTS.md.

O README também pode ajudar um agente. O AGENTS.md também pode ser lido por pessoas. A distinção está no foco de cada documento.

Regras do projeto ficam no AGENTS.md. Um procedimento reutilizável entre projetos pode ficar em uma skill. As instruções específicas da tarefa entram no prompt.

Para aprofundar esse ponto, leia Contexto é infraestrutura no vibe coding.

Um exemplo: corrigir a cópia de código

Primeiro, um prompt pede apenas o diagnóstico do botão que falha no mobile.

O agente consulta as regras do projeto, lê o componente com uma ferramenta e observa o comportamento. Uma skill de acessibilidade pode ajudar se for pertinente à investigação.

Com o diagnóstico revisado, outra etapa define o plano. Depois, um novo pedido autoriza a implementação de uma correção delimitada.

As ferramentas editam o arquivo e executam as verificações. O agente usa os resultados para decidir se a correção está pronta ou exige ajuste. Esse é o loop.

Se for necessário consultar uma issue por uma integração MCP, o protocolo padroniza esse acesso. Se os arquivos locais bastarem, a tarefa pode seguir com as ferramentas locais.

Ao terminar, o agente registra o que mudou, quais verificações passaram e o que permanece incerto.

Cada etapa tem uma saída verificável. Esse limite também é discutido em Uma tarefa não é um projeto.

Use cada peça quando ela ajudar

Nem todo pedido precisa de uma skill.

Nem toda ferramenta precisa de MCP.

Nem toda tarefa precisa de um agente com várias etapas.

Comece pelo objetivo. Forneça contexto relevante. Escolha os recursos necessários. Verifique o resultado.

Conhecer os termos só tem valor quando melhora essas decisões.