Como saber se seu agente autônomo está fazendo o certo? Observabilidade em produção
Guia prático de SRE para monitorar agentes autônomos: tracing de chamadas de ferramentas, métricas de sucesso e custo, detecção de loops, guardrails e kill switch.
Observabilidade virou sinônimo de dashboards bonitos que ninguém olha. O problema raramente é falta de dados; é excesso de gráficos sem dono e sem relação com o negócio. Boa observabilidade responde três perguntas: está rápido? está quebrando? quanto está custando?
A maioria dos times instrumenta tudo e entende pouco. Mil métricas, zero clareza sobre o que fazer quando o alerta dispara às 3h. A virada acontece quando você para de medir o que é fácil e passa a medir o que importa para quem usa e para quem paga a conta.
Os sinais que realmente importam
- Latência: a experiência de quem usa, medida em percentis (p95, p99), não na média, que mente.
- Erros: taxa de falha por jornada crítica, não o total bruto de exceções.
- Saturação: o quanto cada recurso está perto do limite, antes de estourar.
- Custo: quanto cada serviço consome, a métrica que o financeiro também lê.
Média esconde. Se você só olha a latência média, está cego justamente para os usuários que estão tendo a pior experiência.
SLO antes de dashboard
Um Service Level Objective transforma "o sistema está lento" em uma conversa objetiva: qual o alvo, quanto de orçamento de erro resta, vale a pena pausar features para estabilizar? Sem SLO, todo alerta tem a mesma urgência, o que é o mesmo que nenhum alerta ter urgência.
Custo é um sinal de observabilidade
Latência e erro na mesma tela que o custo muda decisões. Quando o time enxerga que um endpoint dobrou de preço depois de um deploy, a otimização vira parte do ciclo, não um projeto à parte. É isso que faz o CFO confiar no que a engenharia mede.
Quer montar uma observabilidade que o time usa e o financeiro entende? Vamos conversar.