# Crie seu primeiro agente de IA para análise de sentimento

Construa uma API funcional de análise de sentimento com IA que classifica feedbacks de clientes como **positivo**, **negativo** ou **neutro**.

<figure><img src="/files/DZUvyDFqYI5CKhB5ihUW" alt=""><figcaption></figcaption></figure>

## Passo a passo

Neste guia rápido, você criará uma API simples que analisa o sentimento de um texto em quatro etapas.

{% stepper %}
{% step %}

### Obtenha a API Key do seu provedor de LLM

Antes de começar, certifique-se de ter o seguinte:

* Uma API key de um provedor de LLM (por exemplo, OpenAI, Anthropic, Google).
* A API key registrada na Digibee como uma conta do tipo **Secret Key**.

Se você ainda não tiver essa conta, consulte a documentação para [criar uma conta Secret Key](/documentation/developer-guide/pt-br/development-cycle/build-overview/accounts.md#secret-key).
{% endstep %}

{% step %}

### Crie um pipeline acionado por um trigger do tipo REST

Crie um novo pipeline e configure o [trigger](/documentation/connectors-and-triggers/pt-br/triggers/overview.md) da seguinte forma:

* **Tipo:** Selecione [**REST**](/documentation/connectors-and-triggers/pt-br/triggers/web-protocols/rest.md).
* **Methods:** Remova todos os métodos e deixe apenas `POST`.
* **Outras configurações:** Mantenha os valores padrão.

Para expor esse pipeline como uma API, é necessário configurar uma API key e fazer o deploy do pipeline. Consulte a [documentação](/documentation/connectors-and-triggers/pt-br/triggers/web-protocols/rest.md) para saber como expor um pipeline como API.
{% endstep %}

{% step %}

### Adicione o Agent Component

Adicione o [**Agent Component**](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm.md) ao pipeline logo após o trigger e configure-o da seguinte forma:

* **Modelo:** Selecione o modelo de sua preferência (por exemplo, **OpenAI - GPT-4o Mini**).
* **Conta:** Clique no ícone de engrenagem ao lado do modelo e selecione a conta **Secret Key** registrada no **passo 1**.

Em seguida, configure as mensagens do Agent:

* **Mensagem do Sistema**: Define o papel e o comportamento da IA.

{% code overflow="wrap" %}

```
Você é um analisador de sentimentos. Classifique o texto como positivo, negativo ou neutro.
```

{% endcode %}

* **Mensagem do Usuário:** Prompt que será analisado pela IA.

```
{{ message.body.text }}
```

{% hint style="info" %}
A expressão `{{ message.body.text }}` recupera dinamicamente dados do payload da requisição. Quando a API é chamada com `{"body": {"text": "algum texto qualquer"}}`, o Agent recebe e processa esse valor. Para saber mais, veja como as [expressões Double Braces são usadas para referenciar dados dinamicamente](/documentation/connectors-and-triggers/pt-br/double-braces/how-to-reference-data-using-double-braces.md).
{% endhint %}
{% endstep %}

{% step %}

### Teste o Agent

Na configuração do Agent Component, utilize o **Painel de Teste**, localizado no lado direito da página, e insira o seguinte input:

```
{
  "body": {
    "text": "Este produto é incrível! Melhor compra de todas."
  }
}
```

Em seguida, clique em **Executar** para visualizar o resultado.

Abaixo está um exemplo de saída retornada pelo Agent:

```json
{
  "body": {
    "text": "Positivo"
  },
  "tokenUsage": {
    "inputTokenCount": 41,
    "outputTokenCount": 2,
    "totalTokenCount": 43
  }
}

```

{% endstep %}
{% endstepper %}

## Resultado

Parabéns! Você agora tem uma API de análise de sentimento com IA totalmente funcional. Como próximo passo, [aprenda como estruturar o output](/documentation/resources/pt-br/quickstarts/turn-ai-into-structured-output.md) para forçar a IA a retornar respostas JSON consistentes e determinísticas.

## Tópicos relacionados

* [**Transforme respostas de IA em uma saída JSON estruturada**](/documentation/resources/pt-br/quickstarts/turn-ai-into-structured-output.md)**:** Transforme respostas não estruturadas em saídas estruturadas.
* [**Use ferramentas do MCP Server para conectar agentes de IA a sistemas externos**](/documentation/resources/pt-br/quickstarts/connect-agents-to-external-systems.md): Use ferramentas para recuperar dados externos por meio do Deepwiki MCP Server.
* [**Sistema de validação de relatórios de despesas com IA**](/documentation/resources/pt-br/ai-practical-examples/expense-report-validation-with-ai.md)**:** Explore uma implementação real neste guia How-to.
* [**Análise de sinistros de seguros com IA**](/documentation/resources/pt-br/ai-practical-examples/insurance-claim-analysis-with-ai.md)**:** Construa um sistema multiagente para auxiliar na revisão de sinistros de seguros.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.digibee.com/documentation/resources/pt-br/quickstarts/create-your-first-ai-agent.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.