Este repositório contém o sistema desenvolvido para o núcleo de estudos NIAD (Núcleo de Inteligência Artificial e Ciência de Dados) como projeto acadêmico da disciplina Sistemas Distribuídos da UFLA.
O objetivo do sistema é realizar a análise inteligente de áudios de reuniões recebidos via Telegram, utilizando múltiplos agentes de Inteligência Artificial orquestrados em microserviços containerizados.
O bot atua como interface principal do sistema, recebendo áudios de reuniões dos usuários e enviando os resultados processados.
Microserviço local e containerizado, responsável por converter áudios em texto com o modelo open source Whisper, garantindo privacidade e eficiência no processamento inicial.
Microserviço de orquestração. Utiliza o LangChain para gerenciar o fluxo, vetorizar textos e construir prompts, e se conecta à API do Gemini (um LLM remoto) para realizar a sumarização inteligente e geração de respostas.
Coordena o fluxo de dados entre os microserviços, centralizando o controle das requisições e assegurando escalabilidade, segurança e flexibilidade.
Todos os componentes são distribuídos em containers Docker, facilitando implantação, testes, manutenção e portabilidade entre diferentes ambientes.
A arquitetura foi projetada para atender aos requisitos de um sistema distribuído moderno, seguro e escalável, utilizando múltiplos agentes de IA de forma orquestrada e independente.
O uso de um API Gateway como controlador central permite o desacoplamento lógico entre os módulos, simplificando manutenção, escalabilidade e atualizações dos microserviços.
A separação dos agentes de IA em serviços distintos — um agente local (Whisper) para transcrição de áudio e um orquestrador (LangChain) que consome uma IA remota (API do Gemini) para sumarização — cumpre os requisitos acadêmicos de um sistema híbrido (local/remoto) e oferece flexibilidade para evolução tecnológica.
O Bot do Telegram foi escolhido por sua acessibilidade e ampla adoção, tornando a interação com o sistema intuitiva. O uso de containers Docker garante isolamento, reprodutibilidade e portabilidade, permitindo fácil implantação em diversos ambientes.
Além disso, a maior parte das tecnologias adotadas (Docker, LangChain, Whisper, Express.js) é gratuita, open source e bem documentada. O uso de uma API externa (Gemini) expõe o sistema a um modelo de ponta, mantendo a complexidade de infraestrutura baixa e focando no desafio de orquestração.
Por fim, o desenho modular favorece a aplicação de conceitos de segurança (como a modelagem de ameaças e a gestão de segredos), validação de problema e documentação arquitetônica, além de servir como base sólida para futuras melhorias, expansão de funcionalidades e integração de novos agentes de IA.