# Transforme respostas de IA em uma saída JSON estruturada

Este artigo dá continuidade à API de análise de sentimento criada no guia de início rápido anterior. Agora, você pode transformar respostas não estruturadas em outputs estruturados, **garantindo que sua API sempre retorne resultados consistentes e de fácil interpretação**, prontos para serem usados em fluxos de integração determinísticos.

<figure><img src="/files/4h9igHTNZ5APZcCPJEyb" alt=""><figcaption></figcaption></figure>

## **Pré-requisitos**

Antes de continuar, certifique-se de ter concluído o guia de início rápido Crie seu primeiro agente de IA para análise de sentimento, incluindo:

* Seleção de um provedor de LLM
* Escolha de um modelo
* Configuração da conta

Com o Agent devidamente configurado, você pode prosseguir para a definição de um JSON Schema para a resposta.

## **Configurando um JSON Schema**

Um **JSON Schema** define uma estrutura JSON pré-determinada, com campos obrigatórios e tipos de dados impostos, que a IA deve seguir em sua resposta. Veja o método de configuração abaixo:

1. No [**Agent Component**](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm.md), clique no **ícone de engrenagem** (⚙️) ao lado do parâmetro **Modelo**.
2. Ative a opção **Usar Esquema JSON**.
3. Adicione o seguinte JSON Schema:

{% code overflow="wrap" expandable="true" %}

```json
{
  "type": "object",
  "required": ["sentiment", "confidence"],
  "properties": {
    "sentiment": {
      "type": "string",
      "enum": ["positive", "negative", "neutral"]
    },
    "confidence": {
      "type": "number",
      "description": "Pontuação de confiança de 0 a 1"
    }
  }
}
```

{% endcode %}

No quickstart anterior, o formato de output é flexível. Ao introduzir um JSON Schema, você garante que a resposta seja sempre retornada em um **formato estruturado e bem definido**.

## **Testando o Agent**

Use as seguintes **Mensagens de Sistema** e **Usuário** configuradas no **guia de início rápido anterior**:

**Mensagem de Sistema:**

{% code overflow="wrap" %}

```
Você é um analisador de sentimento. Classifique o texto como positivo, negativo ou neutro. Além disso, forneça uma pontuação de confiança entre 0 e 1 que reflita o quão certo você está sobre a classificação de sentimento.
```

{% endcode %}

**Mensagem de Usuário:**

{% code overflow="wrap" %}

```
Este produto é incrível! Melhor compra de todas.
```

{% endcode %}

### Antes: Sem JSON Schema

Sem um JSON Schema, o Agent pode retornar uma resposta não estruturada, por exemplo:

{% code overflow="wrap" expandable="true" %}

```json
{
  "body": {
    "text": "O sentimento é claramente positivo."
},
  "tokenUsage": {
    "inputTokenCount": 72,
    "outputTokenCount": 17,
    "totalTokenCount": 89
  }
}
```

{% endcode %}

O formato da resposta pode mudar a cada execução, o que dificulta o processamento automático.

### Depois: Com JSON Schema

Com um JSON Schema configurado, o Agent sempre retorna uma estrutura bem definida e previsível:

{% code overflow="wrap" expandable="true" %}

```json
{
  "body": {
    "sentiment": "positive",
    "confidence": 0.95
  },
  "tokenUsage": {
    "inputTokenCount": 88,
    "outputTokenCount": 12,
    "totalTokenCount": 100
  }
}
```

{% endcode %}

Isso garante que a saída seja sempre consistente e fácil de ler e consumir por outros sistemas.

## **Resultado**

Parabéns! Você agora tem uma API de análise de sentimento que **retorna dados estruturados** em um formato consistente, ideal para lógica de roteamento ou armazenamento em bancos de dados.

## **Tópicos relacionados**

* [**Use uma ferramenta de MCP Server para conectar agentes 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.
* [**Análise de sinistros de seguro com IA usando uma arquitetura multiagente**](/documentation/resources/pt-br/ai-practical-examples/insurance-claim-analysis-with-ai.md): Crie um sistema multiagente para auxiliar na revisão de sinistros de seguros.
* [**Validação de relatórios de despesas com IA usando saídas estruturadas e regras de negócio**](/documentation/resources/pt-br/ai-practical-examples/expense-report-validation-with-ai.md): Explore uma implementação do mundo real neste tutorial prático.
* [**Agent Component — Guia completo de configuração**](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm.md): Explore todas as opções de configuração desse componente.


---

# 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/turn-ai-into-structured-output.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.