Transforme respostas de IA em uma saída JSON estruturada

Aprenda como transformar respostas de IA em uma saída JSON estruturada no Digibee, tornando os resultados do seu Agent previsíveis e prontos para fluxos de integração determinísticos.

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.

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, clique no ícone de engrenagem (⚙️) ao lado do parâmetro Modelo.

2. Ative a opção Usar Esquema JSON.

3. Adicione o seguinte JSON Schema:

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

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:

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.

Mensagem de Usuário:

Este produto é incrível! Melhor compra de todas.

Antes: Sem JSON Schema

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

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

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:

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

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: Use ferramentas para recuperar dados externos por meio do Deepwiki MCP Server.

• Análise de sinistros de seguro com IA usando uma arquitetura multiagente: 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: Explore uma implementação do mundo real neste tutorial prático.

• Agent Component — Guia completo de configuração: Explore todas as opções de configuração desse componente.