🧠 Antigravity Brain - Sistema de IA Corporativo

Uma aplicação modular CrewAI com memória compartilhada, 27 agentes de IA especializados, e interface web powered by Chainlit.

🚀 Funcionalidades

• 27 Agentes de IA Especializados - De infraestrutura (Arthur Mendes, Gus Fring) a vendas (Ari Gold, Don Draper) até gestão de crises (Olivia Pope, Saul Goodman) e especialistas técnicos (React Expert, Linus Torvalds).
• Memória Híbrida Inteligente - Combinação de banco vetorial (Qdrant) + grafo de relacionamentos (Neo4j) para busca semântica e contextualizada.
• Agentes Escolhem Estratégia de Busca - Podem usar busca rápida (vetorial) ou busca contextualizada (vetor + relacionamentos).
• Roteamento Inteligente - Classificação automática de solicitações para a equipe apropriada.
• Integração Multi-Plataforma - Interface Web via Chainlit e suporte a Bot de Telegram.
• Suporte Multi-Provedor LLM - Funciona com Gemini, OpenAI, Anthropic, ou Ollama local.
• Base de Conhecimento Padronizada - Protocolos rigorosos para código, vendas, segurança e operações.
• Pronto para Docker - Deploy com um único comando via docker-compose.

📁 Estrutura do Projeto

minions-da-itguys/
├── src/
│   ├── app.py                 # Ponto de entrada Chainlit
│   ├── config.py              # Configuração LLM & Memória
│   ├── router.py              # Roteamento inteligente de requisições
│   ├── agents/
│   │   ├── factory.py         # Instanciação de agentes
│   │   └── personas/          # 27 arquivos de personalidade (.md)
│   ├── crews/
│   │   └── definitions.py     # Lógica de montagem de crews
│   ├── knowledge/
│   │   ├── dynamic/           # Conhecimento dinâmico gerado
│   │   └── standards/         # +20 arquivos de padrões (Vendas, Zabbix, Segurança, etc.)
│   ├── memory/
│   │   ├── wrapper.py         # Integração Mem0 + busca híbrida
│   │   ├── graph_wrapper.py   # Gerenciamento de relacionamentos Neo4j
│   │   └── entity_search_tool.py  # Busca por entidades específicas
│   ├── tools/                 # Ferramentas customizadas (Zabbix, Evolution, etc.)
│   └── integrations/
│       └── telegram_bot.py    # Interface de Bot Telegram
├── docs/                      # Documentação detalhada do sistema
│   ├── AGENT_CATALOG.md       # Catálogo completo dos agentes
│   ├── AI_AGENT_PROTOCOL.md   # Protocolo de comportamento dos agentes
│   ├── DEVELOPER_GUIDE.md     # Guia para desenvolvedores
│   └── ...
├── docker-compose.yml         # Orquestração de containers
├── Dockerfile                 # Container da aplicação
├── requirements.txt           # Dependências Python
└── .env                       # Chaves de API & configuração

📚 Documentação Estendida

Explore a pasta docs/ para detalhes aprofundados:

• Catálogo de Agentes: Lista completa de personas, suas skills e propósitos.
• Protocolo IA: Diretrizes éticas e operacionais para os agentes.
• Guia do Desenvolvedor: Arquitetura, padrões de código e fluxos de contribuição.
• Troubleshooting: Solução de problemas comuns.
• Padrões (Standards): Consulte os arquivos em src/knowledge/standards/ para diretrizes específicas de cada domínio (Sales, DevOps, Security, etc.).

🛠️ Instalação

Pré-requisitos

• Docker & Docker Compose
• Python 3.11+ (para desenvolvimento local)
• Chave de API Gemini/OpenAI

Início Rápido (Docker)

# 1. Clone o repositório
git clone https://git.itguys.com.br/joao.goncalves/minions-ai-agents.git
cd minions-da-itguys

# 2. Configure o ambiente
cp .env.example .env
# Edite o .env com suas chaves de API

# 3. Inicie a aplicação
docker-compose up -d

# 4. Acesse a interface web
open http://localhost:8000

Desenvolvimento Local

# Instale as dependências
pip install -r requirements.txt

# Execute o Chainlit
chainlit run src/app.py --port 8000

⚙️ Configuração

Edite o .env para configurar o backend de IA:

# Provedor LLM: gemini, openai, anthropic, ollama
LLM_PROVIDER=gemini
LLM_MODEL_FAST=gemini-2.5-flash-lite-preview-06-17
LLM_MODEL_SMART=gemini-2.5-flash-lite-preview-06-17
GEMINI_API_KEY=sua-chave-api

# Memória: qdrant (local) ou mem0 (nuvem)
MEMORY_PROVIDER=qdrant
MEMORY_EMBEDDING_PROVIDER=local

# Neo4j Graph Database (para relacionamentos)
NEO4J_URI=bolt://localhost:7687
NEO4J_USER=neo4j
NEO4J_PASSWORD=antigravity2024

🤖 Crews Disponíveis (Exemplos)

Crew	Agentes Principais	Propósito
Engenharia de Infra	Arthur Mendes, Gus Fring	Templates Zabbix, monitoramento
Auditoria de Segurança	Elliot Alderson, Devil	Avaliação de vulnerabilidades
RH & Evolução	The Architect, Sherlock	Criar agentes, aprender políticas
Crescimento de Vendas	Ari Gold, Chris Gardner, Don Draper	Gestão de pipeline
Estratégia de Negócios	Harvey Specter, Kevin O'Leary	Compliance, análise de ROI

Veja a lista completa em docs/AGENT_CATALOG.md

🧪 Exemplos de Uso

Usuário: "Valide este template Zabbix"
→ Roteado para: Engenharia de Infra (Zabbix)
→ Arthur valida YAML, corrige UUIDs, Gus revisa

Usuário: "Crie um novo agente chamado Bob para DevOps"
→ Roteado para: RH & Evolução
→ The Architect gera novo arquivo de persona

Usuário: "Analise a segurança da nossa página de login"
→ Roteado para: Auditoria de Segurança
→ Elliot realiza reconhecimento

📦 Dependências Principais

• crewai - Orquestração multi-agente
• chainlit - Interface Web
• mem0ai - Memória compartilhada
• qdrant-client - Banco de dados vetorial
• neo4j - Banco de dados de grafos para relacionamentos
• litellm - Suporte multi-provedor LLM
• sentence-transformers - Embeddings locais

🔒 Notas de Segurança

• Nunca commite .env com chaves de API reais
• O .env.example contém valores de placeholder seguros
• A memória é persistida no volume Docker qdrant_data

📝 Licença

Privada - Uso Interno ITGuys Apenas

---

Feito com ❤️ pela ITGuys