Loop infinito em agentes de IA: limites de passos, tokens e tempo
Pare loops infinitos em agentes de IA com limites de passos, tokens e tempo definidos no harness, além de alertas que dizem o que parou e o que decidir.

Um agente de IA deixa de entrar em loop quando o harness ao redor dele aplica limites rígidos de passos, tokens e tempo, em vez de deixar essa decisão com o modelo. Ao atingir um limite, o harness interrompe a próxima ação, salva o estado da tarefa e envia um alerta para uma pessoa nomeada, com o motivo e o último estado conhecido. O restante deste artigo explica como definir esses limites, o que o harness deve fazer no momento em que um deles dispara e como escrever um alerta que alguém consiga usar.
Principais pontos
- Coloque os limites de passos, tokens e tempo no harness, fora do modelo, para que um agente confuso não consiga contornar a regra.
- Defina cada limite a partir de execuções observadas de um mesmo tipo de tarefa, e não a partir de um número redondo escolhido sem critério.
- Trate o estouro de um limite como um incidente, com código de motivo, e não como um erro genérico.
- Alerte um responsável identificado, com um substituto, em um canal que essa pessoa realmente lê, e inclua o que foi tentado.
- Pare, salve um checkpoint e aguarde uma decisão. Não tente de novo automaticamente com um limite maior.
Por que agentes entram em loop mesmo quando cada passo parece razoável
Um agente executa um ciclo: lê o estado atual, escolhe a próxima ação, chama uma ferramenta, lê o resultado e decide de novo. O ciclo termina quando o modelo considera o trabalho concluído. Os loops surgem quando essa conclusão nunca chega. Uma ferramenta devolve um erro ambíguo e o agente repete a chamada com os mesmos argumentos. Uma busca não encontra nada e o agente reformula a mesma consulta com pequenas variações. Duas etapas se desfazem mutuamente, como um registro que é aberto e fechado, de novo e de novo. Cada passo isolado, lido no histórico, parece aceitável, e por isso o loop costuma passar despercebido até que o custo ou o acúmulo de tarefas o revele.
O custo não se resume a tokens. Um loop que repete uma ação de escrita pode enviar mensagens duplicadas, criar registros duplicados ou disparar muitas vezes a mesma requisição externa. Por isso, o limite pertence às permissões e às definições de ferramentas, e não apenas a um painel de custos. Para entender a mecânica do ciclo, veja como funciona o loop de um agente de IA e como ele decide o próximo passo.
Pedir ao modelo que pare depois de algumas tentativas frustradas ajuda em situações comuns, mas a instrução vive dentro do mesmo sistema que está falhando. Um limite contado pelos registros do próprio harness não depende de o modelo perceber que está preso.
Os três limites: passos, tokens e tempo
Use três limites separados, porque cada um captura uma falha diferente.
- Limite de passos: o número máximo de turnos do modelo ou de chamadas de ferramenta para uma tarefa. Ele captura ciclos de ações pequenas e repetidas.
- Limite de tokens: o máximo de tokens de entrada e saída para uma tarefa, somados em todas as chamadas, incluindo o contexto recuperado que é reenviado a cada turno. Ele captura raciocínios prolixos e contextos grandes demais.
- Limite de tempo: o tempo máximo decorrido para uma tarefa. Ele captura um serviço externo travado, porque uma chamada suspensa pode durar muito sem acrescentar muitos passos.
Além do limite por tarefa, adicione também um teto acima do nível da tarefa, como um limite diário por papel de agente. O limite por tarefa protege uma execução. O teto por papel protege a conta quando muitas execuções falham do mesmo jeito ao mesmo tempo, o que costuma acontecer quando um serviço de origem fica indisponível.
Limite também as novas tentativas dentro de cada ferramenta. Uma chamada que falhou deve tentar de novo um número pequeno e fixo de vezes, com intervalo, e depois devolver a falha ao agente como dado. As novas tentativas contam no limite da tarefa, para que não se escondam dentro dele.
Como definir limites sem chutar
Comece por execuções observadas, e não por um número que soa seguro. O OWASP Top 10 para aplicações com LLM lista o consumo sem limite como uma categoria de risco nomeada, e a resposta prática é medir antes de configurar.
- Escolha um tipo de tarefa e execute-a várias vezes em um ambiente de homologação. Registre passos, tokens e tempo de cada execução que terminar.
- Observe a execução típica e depois a execução incomum, mas legítima, como uma tarefa que precisa de uma consulta extra porque o nome de um cliente aparece com duas grafias.
- Defina um limite flexível com margem confortável acima da execução típica. Ao ser ultrapassado, ele registra um evento de aviso e pede ao agente que resuma o progresso, mas o trabalho continua.
- Defina um limite rígido acima do flexível, alto o bastante para que o caso legítimo incomum ainda termine e baixo o bastante para que um loop custe pouco antes de parar.
- Dê a cada tipo de tarefa o seu próprio limite. Uma consulta de orçamento e um relatório mensal não devem compartilhar o mesmo número.
- Escreva o limite no contrato da tarefa para que um revisor possa testá-lo contra a execução esperada. Veja como escrever um contrato de tarefa de IA testável.
- Meça de novo após qualquer mudança no prompt, no modelo ou nas ferramentas, porque cada mudança altera o que é uma execução normal.
O que o harness faz no momento em que um limite dispara
A resposta a um limite deve ser definida com antecedência, e não improvisada pelo modelo. Uma sequência viável é esta.
- Recusar a próxima chamada de ferramenta e qualquer turno adicional do modelo para aquela tarefa.
- Gravar um checkpoint com as entradas, os passos concluídos, os itens em aberto e o último resultado de ferramenta. A mecânica está descrita em checkpoints de agentes de IA e como retomar trabalho inacabado.
- Registrar um evento estruturado com código de motivo: passos esgotados, tokens esgotados ou tempo esgotado.
- Colocar a tarefa em status de pausada para revisão. Não marcá-la como falha e não tentar de novo.
- Enviar o alerta descrito na seção seguinte.
- Liberar travas ou recursos reservados que a tarefa ainda mantenha.
Cenário ilustrativo: um assistente de orçamentos de uma pequena marcenaria recebe a tarefa de cruzar as linhas do pedido de um cliente com a tabela de preços de um fornecedor. A ferramenta de consulta do fornecedor dá timeout, e o agente continua enviando a mesma consulta com pequenas mudanças até que o limite de passos encerre a execução. O harness para a tarefa, salva as linhas já cruzadas e marca a linha não encontrada como em aberto. O responsável recebe um alerta com o nome da ferramenta, o padrão da consulta e o último erro, e pode verificar a disponibilidade do fornecedor antes de decidir se retoma a tarefa.
Como alertar uma pessoa sem sobrecarregá-la
Um alerta só é útil se quem o recebe puder decidir a partir dele, sem abrir a transcrição completa. Inclua estes campos:
- O papel do agente e o identificador da tarefa, com um link para o registro da tarefa.
- Qual limite disparou e o valor atingido, como a contagem de passos em relação ao limite rígido.
- As três últimas ações, descritas em linguagem simples e não como saída bruta do modelo.
- O último erro de ferramenta, citado exatamente como foi devolvido.
- O que foi salvo e o que ainda não foi feito.
- As opções disponíveis: retomar com a entrada corrigida, pedir ao responsável que altere o limite ou encerrar a tarefa.
Envie o alerta para um responsável identificado, com um substituto nomeado, no canal que essa pessoa realmente usa durante o expediente. Um aviso que cai em uma caixa compartilhada que ninguém verifica equivale a não avisar. Agrupe os disparos repetidos com o mesmo motivo e a mesma ferramenta em uma única mensagem com contagem, para que o responsável não receba dezenas de avisos idênticos. Se o alerta não for reconhecido dentro de um prazo combinado antecipadamente, escale para o substituto.
Os eventos de limite também devem ser registrados como telemetria estruturada. A introdução à observabilidade do OpenTelemetry descreve os traces, métricas e logs que tornam eventos desse tipo contáveis ao longo do tempo. Um aumento na contagem de limites esgotados em um tipo de tarefa normalmente indica que a tarefa, uma ferramenta ou o modelo mudou, mesmo quando nenhuma execução isolada parecia errada. Se alertas ou sinais de retomada chegam de sistemas externos por webhook, verifique a assinatura de cada um antes de agir. A documentação de webhooks da Stripe mostra o padrão de entrega assinada que muitos fornecedores seguem.
Quem pode mudar um limite e como as mudanças são revisadas
O agente não pode conseguir aumentar o próprio limite. Mantenha os valores dos limites em uma configuração que o agente pode ler, mas não pode alterar, e trate cada mudança como uma alteração revisada, com responsável nomeado, motivo e registro do que mudou. Quando uma tarefa atinge o limite repetidamente, a primeira resposta é encontrar a causa: uma resposta de ferramenta que mudou, uma entrada ambígua, uma regra ausente na definição da tarefa. Aumentar o número é a última opção. O responsável também deve conseguir reduzir um limite rapidamente durante um incidente. Limites de permissão como esses fazem parte do conjunto mais amplo de controles tratado em guardrails para agentes de IA nas empresas.
Como a Be Human opera limites e alertas na operação gerenciada
Em um projeto com a Be Human, a primeira etapa define um papel útil, a memória e as ferramentas de que ele precisa, seus limites de aprovação e um critério de sucesso observável. Os limites de passos, tokens e tempo são definidos na mesma especificação, testados contra as execuções esperadas e escritos no contexto operacional para que o harness os aplique. Depois, a operação gerenciada revisa os eventos de limite, ajusta os valores por meio de mudanças controladas, atualiza as rotas de alerta quando as pessoas mudam de função e registra cada incidente com sua causa. A Be Human não promete que um agente nunca vai atingir um limite. O objetivo é que, quando isso acontecer, a parada seja segura, o estado fique salvo e a pessoa certa saiba o que decidir. Se você não tem certeza de qual das suas tarefas está pronta para ter limite e alerta, o diagnóstico gratuito de IA da Be Human pode ajudar a identificar a primeira tarefa que vale entregar a um agente.
Perguntas frequentes
Um bom prompt consegue impedir que um agente entre em loop? Instruções ajudam em casos comuns, mas elas vivem dentro do sistema que pode estar falhando, então não podem ser o único controle. Aplique os limites no harness, onde as contagens vêm de registros que o modelo não consegue editar. Mantenha também a instrução no prompt, porque ela reduz ciclos desperdiçados antes de um limite disparar.
O agente deve tentar de novo automaticamente depois de atingir um limite? Não para a mesma tarefa, com as mesmas entradas e o mesmo limite. Uma nova tentativa sem mudança na entrada ou na causa revisada normalmente repete o loop. Retome a partir do checkpoint somente depois que o responsável tiver revisado o código de motivo e decidido o que deve mudar.
Como escolher entre limites de passos e limites de tokens? Use os dois, junto com um limite de tempo. Os passos captam ciclos repetitivos, os tokens captam contextos longos e raciocínios prolixos, e o tempo captam chamadas externas travadas. Cada um deixa passar falhas que os outros captam.
Quem deve receber o alerta? Envie para um responsável identificado pelo papel do agente, com um substituto nomeado e um canal que essa pessoa leia durante o expediente. O alerta deve trazer detalhes suficientes para decidir sem abrir a transcrição, e os disparos repetidos pela mesma causa devem ser agrupados em uma única mensagem.
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.


