Gerenciando custos e contexto de agentes de IA

Separe o espaço de trabalho para cada agente

Se você executar vários projetos com o Claude Code, o agente cometerá o erro de ler arquivos de projetos diferentes. Você deve isolar o ambiente para cada projeto.

Instale o direnv na raiz do projeto e crie um arquivo .envrc. Basta escrever export CLAUDE_CONFIG_DIR="$PWD/.claude-config" dentro dele. Ao fazer isso, o agente salvará as configurações e o cache separadamente para cada projeto. Coloque um .claude/settings.json na raiz de cada projeto para definir regras de segurança aplicáveis apenas àquele projeto. Esse isolamento simples evita referências a arquivos incorretos e pode reduzir o tempo de depuração em cerca de 2 horas por semana.

Defina limites rígidos para o uso de tokens

Se o agente entrar em um loop infinito enquanto tenta resolver um bug complexo, centenas de dólares podem ser perdidos em poucas horas. Você deve monitorar o consumo de tokens em tempo real com a função de retorno de chamada messageMetadata do Vercel AI SDK.

Registre o uso de tokens por período de tempo em um banco de dados. Defina um orçamento mensal e implemente uma lógica de disjuntor (circuit breaker) que force o encerramento do agente caso o limite seja excedido. Utilizar instruções de prompt que permitam cache pode reduzir em até 90% o custo de tokens na leitura de instruções repetitivas. Esse nível de proteção é essencial para evitar cobranças inesperadas.

Priorize as tarefas do agente

Se o agente realizar várias tarefas simultaneamente, o desempenho geral cairá devido à disputa por recursos de CPU e RAM. Aumentar o número de agentes indiscriminadamente não é a solução.

Verifique a ocupação dos processos em execução. Desative tarefas simples de documentação com baixa prioridade e concentre os recursos apenas nas correções de bugs necessárias no momento. Se os humanos ficarem mais ocupados revisando o código criado pelo agente, insira testes automatizados e verificações de lint no pipeline em vez de aumentar o número de agentes. É muito mais eficiente reduzir em cerca de 70% os itens que precisam de revisão humana direta.

Faça com que os agentes verifiquem uns aos outros

Depois que um agente escrever o código, peça a outro agente para verificar imediatamente a qualidade usando ferramentas de lint ou análise estática.

Use o hook PostToolUse para configurar o agente B de modo que ele verifique os resultados do ruff ou eslint imediatamente após o agente A implementar uma funcionalidade. Se o agente B encontrar um erro, ele deve solicitar a correção imediatamente. Manter as regras de design atualizadas no CLAUDE.md, que é referenciado por todos os agentes, também reduz a divergência de conhecimento entre eles. Em um caso de operação de plataforma de saúde, a taxa de ocorrência do mesmo tipo de bug caiu 85% após a introdução desse loop de verificação mútua. Não veja os agentes apenas como ferramentas; trate-os como ativos digitais que precisam de gerenciamento.