Condições de parada para agentes de IA: quando parar e escalar
Defina regras de parada para loops de agentes de IA: pare após falhas repetidas de ferramentas ou desvio de escopo e entregue cada parada a um dono nomeado.

Uma condição de parada é uma regra no harness do agente que encerra um loop antes que ele repita ações que falharam, saia do escopo aprovado ou continue gastando tempo e tokens sem progresso. Toda parada deve passar o trabalho para uma pessoa nomeada, que decide o que acontece em seguida, para que o agente nunca resolva essa questão sozinho. As regras mais importantes cobrem quatro gatilhos: falhas repetidas de ferramentas, desvio de escopo, esgotamento do orçamento e ausência de progresso.
Principais pontos
- Escreva as regras de parada antes da primeira execução real, não depois do primeiro incidente.
- Dispare paradas com sinais observáveis: erros idênticos de ferramenta, ações fora do contrato da tarefa, limites de orçamento e nenhuma mudança de estado.
- Faça da parada o comportamento padrão. O agente para, salva o estado e informa, em vez de tentar de novo com uma ideia nova.
- Dê a cada escalonamento um único dono nomeado, um substituto e uma janela de resposta por escrito.
- Teste cada regra em homologação, com ferramentas quebradas de propósito, antes que o agente toque em clientes, registros ou dinheiro reais.
Por que os loops de agentes precisam de regras de parada que o modelo não consegue ignorar
Um loop de agente repete um ciclo: ler o estado atual, escolher uma ação, chamar uma ferramenta, ler o resultado e decidir de novo. Cada passo pode parecer razoável isoladamente, e por isso um loop pode falhar por muito tempo sem que nenhum passo individual pareça errado. Um prompt que manda continuar até a tarefa estar pronta não dá ao modelo um jeito confiável de perceber que a tarefa é impossível ou que uma ferramenta está quebrada em todas as tentativas. O modelo pode propor o próximo passo, mas o harness deve decidir se esse passo é permitido. As orientações da Anthropic sobre a construção de agentes eficazes tratam condições de parada e pontos de checagem humana como parte do desenho do agente, e a lista OWASP Top 10 para aplicações com LLM inclui a agência excessiva como risco, ou seja, um sistema que age mais do que sua finalidade exige. Se você quer primeiro entender a mecânica, como funciona o loop de um agente de IA explica de onde o loop tira sua direção.
Os quatro gatilhos de parada e como configurá-los
Cada gatilho deve ser mensurável, estar escrito e ser verificado pelo harness, não pelo julgamento do próprio modelo.
- Falha repetida de ferramenta: a mesma ferramenta devolve a mesma classe de erro em tentativas consecutivas. Use um limite mais baixo para ações de escrita do que para leituras, por exemplo, duas falhas idênticas em uma escrita e três em uma leitura, apenas como ilustração de ponto de partida. Uma escrita que expira por timeout é o caso mais perigoso, porque o agente não tem como saber se a ação aconteceu.
- Desvio de escopo: uma ação toca um registro, destinatário, valor ou sistema fora do contrato da tarefa. Qualquer ação fora do contrato para na hora. Ela não espera acumular uma contagem.
- Esgotamento do orçamento: a execução atinge o limite de passos, de tokens ou de tempo decorrido. A parada deve preservar o estado, não descartá-lo. O guia de orçamento de passos e tokens mostra como definir esses limites e os alertas que vêm antes deles.
- Ausência de progresso: o estado não muda após um número definido de passos, ou o agente propõe um plano que já tentou. A repetição é um sinal mesmo quando nenhum erro aparece.
Trate cada limite como ponto de partida. Ajuste-o em ambiente de teste e revise-o depois que os registros de parada mostrarem se a regra ficou rígida ou frouxa demais.
Um plano de parada e escalonamento passo a passo
Quando um gatilho dispara, o harness deve executar sempre a mesma sequência, para que uma parada seja igual de noite ou em uma tarde movimentada.
- Pare de emitir novas chamadas de ferramenta. Não deixe o agente tentar uma variação da ação que falhou.
- Proteja os efeitos colaterais. Se uma escrita pode ter sido concluída em parte, marque-a como desconhecida, não como falha.
- Salve um checkpoint com o último estado confirmado, as entradas e a ação pendente.
- Escreva um registro de parada: o gatilho, a evidência, as ações tentadas e o que foi deliberadamente não feito.
- Envie o registro ao dono nomeado por um canal que essa pessoa realmente acompanha.
- Deixe o dono escolher um desfecho: retomar com uma instrução alterada, concluir o trabalho manualmente ou encerrar a tarefa.
- Registre a decisão. Se o gatilho foi um alarme falso ou deixou passar um caso real, atualize a regra e registre a mudança.
Os conceitos de observabilidade do OpenTelemetry são uma boa referência para o que um registro de parada deve permitir reconstruir: a sequência de passos, as entradas em cada ponto e o resultado. Um registro que apenas diz que o agente falhou não basta para o dono decidir alguma coisa.
Quem é dono do caminho de escalonamento
Um escalonamento enviado para a equipe inteira não é um escalonamento, porque todos presumem que outra pessoa vai agir. Nomeie um dono principal para cada agente, um substituto e escreva a janela de resposta. O dono de negócio da tarefa decide se o trabalho deve ser feito. O dono técnico decide se a ferramenta falhou, se o gatilho está bem configurado e se o harness pode retomar com segurança. Só o dono pode retomar uma escrita interrompida, e essa decisão deve ficar registrada no registro de parada. Checkpoints e retomada tornam isso prático, porque uma execução retomada pode continuar a partir do estado confirmado, em vez de repetir passos que já tinham sido concluídos.
Cenário ilustrativo: um acompanhamento de reembolso que continua expirando
O cenário a seguir é ilustrativo e não descreve uma empresa real. Um agente lê chamados de suporte e emite reembolsos por meio de uma ferramenta de pagamento, mas apenas para pedidos que atendam a critérios escritos. O provedor de pagamento expira duas vezes no mesmo reembolso. Sem uma regra de parada, o agente pode tentar de novo com parâmetros alterados, e uma nova tentativa poderia gerar um segundo reembolso se a primeira tivesse funcionado. Pelas regras acima, a escrita para na segunda expiração e o reembolso é marcado como desconhecido. O registro de parada vai para o responsável por operações financeiras, que é o dono nomeado, com o responsável técnico como substituto. O dono consulta o registro do provedor para aquele pedido, verifica que nenhum reembolso foi emitido e retoma a ação com a mesma chave de idempotência, para que o provedor não possa aplicá-la duas vezes. Depois, o registro é encerrado com uma nota sobre o padrão de timeout para a próxima revisão.
Testar regras de parada antes do trabalho real, e como a Be Human faz isso
Teste as paradas em homologação, quebrando coisas de propósito. Devolva erros de uma ferramenta, deixe as respostas lentas até o orçamento acabar e simule uma escrita que expira depois de já ter sido concluída. Verifique três coisas: o agente para sem tentar uma variação, o estado salvo está completo e o registro de parada chega à pessoa certa dentro da janela de resposta. O NIST AI Risk Management Framework trata a gestão de riscos como uma prática contínua de mapear, medir e tratar riscos, o que combina com regras de parada que precisam de revisão à medida que o trabalho muda. Na operação gerenciada da Be Human, as regras de parada fazem parte da definição do primeiro projeto, junto com o papel, a memória e as ferramentas que o agente precisa, seus limites de aprovação e o dono nomeado do escalonamento. O monitoramento acompanha os registros de parada, avaliações recorrentes verificam se os gatilhos ainda servem ao trabalho, e a revisão de permissões remove ferramentas que o agente não usa mais. Mudanças em uma regra passam por melhorias controladas, para que o dono veja o que mudou e por quê.
Se você ainda não tem certeza de qual dos seus fluxos merece um agente primeiro, o diagnóstico gratuito de IA da Be Human pode ajudar a encontrar a primeira tarefa que vale a pena entregar a um agente.
Perguntas frequentes
Um agente deve tentar de novo uma ação que falhou por conta própria? Às vezes, mas somente em leituras ou em ações que o harness consiga provar como idempotentes, isto é, uma repetição não pode mudar o resultado. Qualquer nova tentativa deve ser permitida por uma regra escrita, com limite, e não pelo julgamento do modelo naquele momento. Para escritas que expiram, o padrão seguro é parar e verificar se a ação aconteceu antes de qualquer outra coisa.
Quantas falhas devem disparar uma parada? Não existe um número universal, e qualquer valor apresentado como correto para todos os fluxos seria um palpite. Comece com um limite baixo para ações de escrita, um limite mais alto para leituras e uma parada imediata para qualquer ação fora do contrato da tarefa. Revise os limites com os registros de parada depois das primeiras semanas de trabalho real.
Quem deve ser dono do escalonamento de um agente? Um dono de negócio nomeado deve decidir se o trabalho continua, e um dono técnico nomeado deve cuidar do harness, com um substituto para cada um. O dono precisa de autoridade para retomar, alterar ou parar o agente, além de uma janela de resposta escrita nas notas de operação. Se o dono não puder ser encontrado, o agente deve continuar parado, e não seguir em frente.
Condição de parada é o mesmo que orçamento ou guardrail? Eles se sobrepõem, mas não são idênticos. Um orçamento limita quanto um agente pode gastar ou executar, um guardrail limita o que ele tem permissão para fazer, e uma condição de parada encerra o loop quando um gatilho dispara e passa a decisão para uma pessoa. Um harness bem desenhado usa os três, para que cada um pegue falhas que os outros podem deixar passar.
Seu próximo passo
Descubra primeiro onde um agente de IA cabe na sua empresa.
Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.
Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.


