# RAG Agentic com Raciocínio

> 1. Gestão Interativa de Base de Conhecimento - Adicionar URLs dinamicamente para conteúdo web - Fonte de conhecimento padrão: artigo MCP vs A2A Protocol - Armazenamento persistente de base de dados vetorial utilizando LanceDB - Acompanhamento do estado da sessão evita carregamento duplicado de URLs.

- Fonte: https://doutorai.pt/apps/agentic-rag-with-reasoning
- Categoria: RAG e Conhecimento
- Dificuldade: Médio
- Modelos: OpenAI, Gemini
- Frameworks: Agno
- Corre local?: Precisa de APIs cloud
- Chaves necessárias: GOOGLE_API_KEY, OPENAI_API_KEY
- Licença: Apache-2.0
- Site: Doutor AI (https://doutorai.pt) - ferramentas de IA para pequenos negócios em português

## Tutorial completo

# 🧐 Agentic RAG com Raciocínio

### 🎓 Tutorial Passo-a-Passo GRÁTIS
**👉 [Clica aqui para seguir o nosso tutorial completo passo-a-passo](https://www.theunwindai.com/p/build-an-agentic-rag-app-with-reasoning) e aprende a construir isto do zero com explicações detalhadas e melhores práticas.**

Um sistema RAG sofisticado que demonstra o processo de raciocínio passo-a-passo de um agente de IA utilizando Agno, Gemini e OpenAI. Esta implementação permite aos utilizadores adicionar fontes web, fazer perguntas e observar o processo de pensamento do agente em tempo real com capacidades de raciocínio.

## Funcionalidades

1. Gestão Interativa da Base de Conhecimento
   - Adiciona URLs dinamicamente para conteúdo web
   - Fonte de conhecimento por defeito: artigo MCP vs A2A Protocol
   - Armazenamento persistente de base de dados vetorial utilizando LanceDB
   - O rastreio do estado da sessão evita o carregamento duplicado de URLs

2. Processo de Raciocínio Transparente
   - Exibição em tempo real dos passos de pensamento do agente
   - Vista lado a lado do raciocínio e da resposta final
   - Visibilidade clara no processo RAG

3. Capacidades Avançadas de RAG
   - Pesquisa vetorial utilizando embeddings da OpenAI para correspondência semântica
   - Atribuição de fontes com citações

## Configuração do Agente

- Gemini 2.5 Flash para processamento de linguagem
- Modelo de embedding da OpenAI para pesquisa vetorial
- ReasoningTools para análise passo-a-passo
- Instruções personalizáveis para o agente
- Fonte de conhecimento por defeito: artigo MCP vs A2A Protocol

## Pré-requisitos

Vais precisar das seguintes chaves de API:

1. Chave de API do Google

   - Regista-te em [aistudio.google.com](https://aistudio.google.com/apikey)
   - Navega até à secção de Chaves de API
   - Cria uma nova chave de API

2. Chave de API da OpenAI

   - Regista-te em [platform.openai.com](https://platform.openai.com/)
   - Navega até à secção de Chaves de API
   - Gera uma nova chave de API

## Como Executar

1. **Clona o Repositório**:

```bash
    git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
    cd rag_tutorials/agentic_rag_with_reasoning
    ```

```markdown
# Instalação do projeto

## 1. Instala as dependências

Para instalar as dependências do projeto, executa o seguinte comando:

```bash
npm install
```

## 2. Configuração do ambiente

Certifica-te de que tens as variáveis de ambiente necessárias configuradas. Podes usar um ficheiro `.env` como exemplo:

```
DATABASE_URL=your_database_url
API_KEY=your_api_key
```

## 3. Executa o projeto

Para iniciar o projeto, utiliza o comando:

```bash
npm start
```

## 4. Testes

Para executar os testes, usa o seguinte comando:

```bash
npm test
```

## 5. Contribuição

Se desejas contribuir para este projeto, segue os passos abaixo:

1. Faz um fork do repositório.
2. Cria uma nova branch para a tua funcionalidade ou correção de bug.
3. Faz as tuas alterações e commit.
4. Envia um pull request.

## 6. Licença

Este projeto está licenciado sob a MIT License. Consulta o ficheiro `LICENSE` para mais informações.
```

```bash
    pip install -r requirements.txt
    ```

```markdown
3. **Executa a Aplicação:**
```

```bash
    streamlit run rag_reasoning_agent.py
    ```

```markdown
4. **Configura as Chaves da API:**

- Introduz a tua chave da API do Google no primeiro campo
- Introduz a tua chave da API da OpenAI no segundo campo
- Ambas as chaves são necessárias para o funcionamento da aplicação


5. **Usa a Aplicação:**

- Fonte de Conhecimento Padrão: A aplicação vem pré-carregada com o artigo sobre o protocolo MCP vs A2A
- Adicionar Fontes de Conhecimento: Usa a barra lateral para adicionar URLs à tua base de conhecimento
- Sugestões de Perguntas: Clica nos botões de sugestão (O que é MCP?, MCP vs A2A, Comunicação do Agente) para perguntas rápidas
- Fazer Perguntas: Introduz consultas no campo de entrada principal
- Ver Raciocínio: Observa o processo de pensamento do agente a desenrolar-se em tempo real no painel esquerdo
- Obter Respostas: Recebe respostas abrangentes com citações de fontes no painel direito

## Como Funciona

A aplicação utiliza um sofisticado pipeline RAG com Agno v2.0:

### Configuração da Base de Conhecimento
- Documentos são carregados a partir de URLs usando a classe Knowledge do Agno
- O texto é automaticamente dividido em partes e incorporado usando o modelo de incorporação da OpenAI 
- Vectores são armazenados no LanceDB para recuperação eficiente
- A pesquisa por vectores permite correspondência semântica para informação relevante
- URLs são rastreadas no estado da sessão para evitar carregamentos duplicados

### Processamento do Agente
- Consultas do utilizador desencadeiam o processo de raciocínio do agente
- ReasoningTools ajudam o agente a pensar passo a passo
- O agente pesquisa na base de conhecimento por informação relevante
- O Gemini 2.5 Flash gera respostas abrangentes com citações
- Eventos de streaming fornecem atualizações em tempo real sobre o raciocínio e conteúdo

### Fluxo da UI
- Introduz as chaves da API → A base de conhecimento carrega com o artigo padrão MCP vs A2A → Usa as sugestões de perguntas ou faz perguntas personalizadas
- Processo de raciocínio exibido no painel esquerdo, geração de respostas no painel direito
- Fontes citadas para transparência e verificação
- Todos os eventos transmitidos em tempo real para uma melhor experiência do utilizador
```

## Poupe horas todas as semanas com IA, sem complicações

O **Doutor AI** dá-lhe 1859 prompts de IA prontos a copiar, por indústria e em português simples - mais uma biblioteca técnica completa para quem quer ir mais longe. [Ver planos →](https://doutorai.pt/precos)

---
Conteúdo de Doutor AI (https://doutorai.pt). Ao citar, indique a fonte: https://doutorai.pt/apps/agentic-rag-with-reasoning