# 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="https://2538031102-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FXfrDexGOLMin51pAiWkq%2Fuploads%2Fcm7T8SKMlXX8P7dA1YnF%2FQS%20%232%20(Portugu%C3%AAs).gif?alt=media&#x26;token=6f169b50-f85b-4c5e-9281-5a06b981365b" 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**](https://app.gitbook.com/s/SKBJ6ZiEWBU93x170HH4/connectors/ai-tools/llm), 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**](https://docs.digibee.com/documentation/resources/pt-br/quickstarts/connect-agents-to-external-systems): Use ferramentas para recuperar dados externos por meio do Deepwiki MCP Server.
* [**Análise de sinistros de seguro com IA usando uma arquitetura multiagente**](https://docs.digibee.com/documentation/resources/pt-br/ai-practical-examples/insurance-claim-analysis-with-ai): 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**](https://docs.digibee.com/documentation/resources/pt-br/ai-practical-examples/expense-report-validation-with-ai): Explore uma implementação do mundo real neste tutorial prático.
* [**Agent Component — Guia completo de configuração**](https://app.gitbook.com/s/SKBJ6ZiEWBU93x170HH4/connectors/ai-tools/llm): Explore todas as opções de configuração desse componente.