# Como evito que agentes de IA desperdicem tokens?

> Proteções práticas para agentes de IA: condições de parada, limites de passos e tokens, deteção de loops, corte de contexto e modelos pequenos para passos simples.

Source: https://greenai.guide/pt/como/como-evito-que-agentes-de-ia-desperdicem-tokens/  
Updated: 2026-11-19

## Em resumo

Dê a cada agente um objetivo testável que encerre a execução, limites rígidos de passos, tokens, tempo e gastos, e uma deteção de loops que o pare quando ele se repetir. Reduza o contexto que cada passo carrega, use código simples para decisões que uma regra pode tomar e envie subtarefas simples para modelos pequenos. Os agentes podem usar muitas vezes mais tokens do que um chat, por isso estes limites compensam rapidamente.

## Steps

1. Defina uma verificação de sucesso que encerre a execução assim que o objetivo for atingido.
2. Defina limites rígidos de passos, tokens, tempo e gastos, e registre quando uma execução atingir um deles.
3. Detete ações repetidas ou mensagens quase idênticas e pare a execução.
4. Resuma ou descarte o histórico antigo para que cada chamada leia menos.
5. Use código simples para decisões baseadas em regras e modelos pequenos para subtarefas simples.
6. Registre os tokens por tarefa concluída, incluindo novas tentativas e execuções falhadas.

**Coloque limites e uma condição de parada em cada agente antes de ele chegar à produção.** Os agentes chamam um
modelo repetidamente, e cada chamada costuma carregar o histórico crescente da tarefa.

## Por que isso importa? {#why-does-it-matter}

A Anthropic relatou que os seus agentes usavam normalmente cerca de quatro vezes mais tokens do que um chat, e os
sistemas multiagente cerca de quinze vezes. Cemri e colegas analisaram mais de 1.600 registros de execução de sete
frameworks multiagente e encontraram 14 modos de falha distintos, de uma especificação de tarefa fraca a agentes que
não verificam o próprio trabalho. Cada um deles é uma forma de gastar tokens sem obter resultado.

## Que proteções funcionam? {#which-guardrails-work}

- **Uma condição de parada.** O padrão da Green Software Foundation sobre orquestração de agentes recomenda
  interromper os loops dos agentes quando os objetivos são atingidos, em vez de executar um número fixo de iterações.
- **Limites rígidos.** A maioria dos frameworks os suporta; o OpenAI Agents SDK, por exemplo, tem uma configuração
  `max_turns` que para uma execução quando é ultrapassada. Os limites devem falhar de forma segura: parar e
  informar, e não tentar de novo em silêncio.
- **Deteção de loops.** Sinalize chamadas de ferramentas repetidas ou mensagens quase idênticas entre agentes.
- **Corte de contexto.** Leve adiante resumos, e não documentos e logs inteiros. Veja
  [como parar de reenviar a conversa inteira](/pt/como/como-evito-que-o-meu-chatbot-reenvie-a-conversa-inteira/).
- **Cache.** Não faça a mesma pergunta duas vezes: veja [como usar cache](/pt/como/como-uso-cache-para-reduzir-a-energia-das-chamadas-a-llms/).

## O que faz a maior diferença? {#what-makes-the-biggest-difference}

**Usar o desenho menos elaborado que funcione.** Um script fixo ou uma única chamada a um modelo, com um bom prompt e
uma ferramenta, muitas vezes resolve. Em seguida, acrescente um único agente com limite de passos, e vários agentes
apenas para tarefas amplas, valiosas e realmente paralelas. Um sandpit (laboratório colaborativo) britânico sobre IA
verde em 2026, com matemáticos, cientistas da computação e a indústria, apontou os enxames de agentes presos em loops
como uma fonte real e pouco estudada de desperdício.

Leia [IA agêntica e desperdício de tokens](/pt/artigos/ia-agentica-e-desperdicio-de-tokens/) para ver as evidências.

## Fontes

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [Why do multi-agent LLM systems fail?](https://arxiv.org/abs/2503.13657), Cemri et al. (2025)
- [Running agents (max_turns)](https://openai.github.io/openai-agents-python/running_agents/), OpenAI Agents SDK documentation (2025)
- [Optimize agent orchestration to reduce unnecessary model calls](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/optimize-agent-orchestration-reduce-model-calls.md), Green Software Foundation, Green Software Patterns (2025)
