O AgentExecutor do OnPrem.LLM permite que agentes de IA autônomos executem tarefas complexas usando tanto modelos na nuvem quanto locais. O pipeline funciona com qualquer modelo suportado pelo LiteLLM que suporte chamadas de ferramentas, incluindo modelos na nuvem como o GPT-5.2-Codex da OpenAI, o Claude Sonnet 4.5 da Anthropic e o Gemini 1.5 Pro do Google, bem como modelos locais através do Ollama, vLLM ou llama.cpp.

Ferramentas Integradas

Por padrão, o AgentExecutor fornece acesso a nove ferramentas integradas:

• read_file - Ler o conteúdo completo de arquivos
• read_lines - Ler intervalos específicos de linhas de arquivos
• edit_file - Editar arquivos via localizar/substituir
• write_file - Escrever conteúdo completo em arquivos
• grep - Buscar por padrões em arquivos
• find - Encontrar arquivos por padrão glob
• run_shell - Executar comandos de shell
• web_search - Buscar informações na web
• web_fetch - Buscar e ler conteúdo de URLs

Exemplos de Configuração

Você pode personalizar o acesso às ferramentas com base nos seus requisitos de segurança:

# Usar padrões (todas as ferramentas incluindo shell):
executor = AgentExecutor(model='anthropic/claude-sonnet-4-5')

Padrões mas sem acesso ao shell (mais seguro):
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    disable_shell=True
)
Ferramentas mínimas:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['read_file', 'write_file']
)
Apenas pesquisa na web:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['web_search', 'web_fetch']
)

Execução Isolada

Por segurança, você pode executar agentes em contêineres efêmeros usando sandbox=True. Isso é importante porque agentes com acesso ao shell podem potencialmente ler ou modificar arquivos fora do diretório de trabalho. O agente opera dentro do diretório de trabalho especificado e não pode ler ou escrever fora dele, a menos que tenha acesso ao shell.

Exemplo básico com isolamento:

executor = AgentExecutor(
    model='anthropic/claude-sonnet-4-5',
    sandbox=True,
)

result = executor.run(
    task="""
    Crie um módulo simples de calculadora em Python com o seguinte:
    - calculator.py com funções add, subtract, multiply, divide
    - test_calculator.py com testes pytest
    - Todos os testes devem passar
    """,
    working_dir='./calculator_project'
)

Essa abordagem é útil para desenvolvedores que precisam automatizar tarefas de programação mantendo limites de segurança. A ferramenta requer a instalação do PatchPal com pip install patchpal.