FAME: QoS-aware Async Service Orchestration for Agentic Workflows
FAME e a nova era da orquestração de agentes: QoS, assincronismo e serverless no centro da arquitetura
Poucas áreas da computação evoluíram tão rápido nos últimos dois anos quanto a dos fluxos de trabalho agênticos — sistemas em que modelos de linguagem não apenas respondem a perguntas, mas planejam, decidem e executam ações por meio de ferramentas, APIs e outros agentes. Se 2024 foi o ano da experimentação com provas de conceito, 2025 consolidou uma constatação incômoda: orquestrar agentes de forma confiável é um problema de engenharia de sistemas, não apenas de prompting.
É nesse cenário que surge uma contribuição acadêmica que merece atenção. Pesquisadores do Indian Institute of Science (IISc), em Bangalore — Haseeb Abdullah Kollorath, Vaibhav Jha, Varad Kulkarni e Vinay — propõem o FAME, um arcabouço de orquestração assíncrona de serviços ciente de QoS (Quality of Service) voltado especificamente para fluxos de trabalho agênticos. Em paralelo, do lado da indústria, a AWS levou ao re:Invent 2025 a sessão CNS359 — Build, deploy, and operate agentic architectures on AWS Serverless, mostrando que a nuvem serverless se tornou o terreno natural para esse tipo de carga. Juntas, as duas frentes desenham o mesmo diagnóstico e apontam para a mesma direção: assincronismo, eventos e garantias de qualidade de serviço.
Por que a orquestração síncrona deixou de funcionar
A arquitetura mais comum nos primeiros sistemas agênticos era simples: um laço síncrono em que o modelo era chamado, recebia o resultado de uma ferramenta, era chamado de novo, e assim por diante, até concluir a tarefa. Esse padrão funciona bem em demonstrações, mas colapsa em produção por motivos bastante concretos:
- Latência acumulada: cada chamada a um modelo de linguagem pode levar segundos; encadear dez ou vinte etapas transforma uma requisição em uma espera de minutos, muitas vezes estourando timeouts de gateways e de funções serverless.
- Acoplamento temporal: se um agente depende da resposta imediata de outro, qualquer indisponibilidade momentânea derruba toda a cadeia — não há buffer, não há retentativa natural.
- Custo imprevisível: manter recursos alocados enquanto se espera por um modelo ou por uma API externa é desperdício puro de CPU e de dinheiro.
- Falta de priorização: sem uma noção explícita de qualidade de serviço, uma tarefa de baixa urgência pode consumir a cota de um fluxo crítico de negócio.
O FAME ataca exatamente esse conjunto de problemas ao tratar cada etapa de um fluxo agêntico como um serviço assíncrono com contrato de qualidade, e não como uma chamada de função dentro de um laço monolítico.
O que o FAME propõe: QoS como cidadão de primeira classe
A ideia central do trabalho é combinar duas noções que normalmente vivem em mundos separados: a orquestração de serviços, herdada da arquitetura orientada a serviços e dos microsserviços, e o planejamento agêntico, em que o próprio modelo decide o próximo passo. No FAME, o plano gerado pelo agente não é executado como uma sequência rígida de chamadas, mas traduzido em um grafo de tarefas assíncronas, no qual cada nó carrega requisitos de QoS — latência máxima tolerada, nível de confiabilidade, prioridade, orçamento de custo e criticidade.
A partir daí, o orquestrador passa a ter margem de manobra para decisões que um laço síncrono jamais poderia tomar:
- Paralelização oportunista: etapas independentes do plano são disparadas simultaneamente, reduzindo o tempo total de parede do fluxo.
- Roteamento ciente de QoS: se um provedor de modelo está lento ou caro demais naquele momento, a tarefa pode ser encaminhada a um serviço alternativo que ainda cumpra o contrato exigido.
- Degradação graciosa: quando o orçamento de latência se esgota, o sistema pode devolver um resultado parcial em vez de falhar completamente — comportamento essencial em assistentes interativos.
- Isolamento de falhas: como as etapas se comunicam por mensagens, a falha de um serviço não propaga um efeito dominó imediato; ela é absorvida por filas, retentativas e políticas de fallback.
Vale um alerta importante: o trecho disponível do artigo apresenta o título, os autores e a instituição, mas não detalha publicamente toda a formulação matemática nem os resultados experimentais. Ainda assim, o enquadramento do problema já é, por si só, um recado relevante para a indústria — QoS precisa ser parte do contrato de orquestração, não um ajuste posterior.
A ponte com o mundo serverless: o que a AWS mostrou no re:Invent 2025
Se o FAME vem da academia, a sessão CNS359 do AWS re:Invent 2025 mostra que a indústria chegou a conclusões semelhantes por outro caminho. O tema — construir, implantar e operar arquiteturas agênticas em serverless — parte de uma premissa simples: agentes são cargas irregulares, orientadas a eventos e de longa duração, e nenhuma dessas características combina bem com servidores permanentemente ligados.
O encaixe é quase óbvio quando olhamos o ferramental:
- Funções serverless cuidam das ferramentas e das ações pontuais do agente, escalando de zero sem custo ocioso.
- Filas e barramentos de eventos fornecem o desacoplamento temporal que o FAME pressupõe, permitindo retentativas e reprocessamento.
- Orquestradores de fluxo de trabalho mantêm o estado da máquina de estados do agente, com timeouts, ramificações e tratamento de erro explícitos.
- Bancos de dados gerenciados guardam memória de curto e longo prazo, histórico de conversas e traços de execução.
A grande contribuição do discurso serverless é operacional: transformar QoS em configuração de infraestrutura. Limites de concorrência, políticas de retentativa, dead-letter queues, tempos máximos de execução e orçamentos de custo por fluxo deixam de ser código artesanal e passam a ser parâmetros declarativos do ambiente.
Os desafios que ninguém resolve só com orquestração
Seria ingênuo tratar FAME ou serverless como balas de prata. Fluxos agênticos assíncronos introduzem problemas próprios, e qualquer arquiteto deveria encará-los de frente:
- Idempotência: em um mundo de retentativas, uma ação que envia um e-mail ou debita um cartão não pode ser executada duas vezes. Cada ferramenta precisa de chaves de idempotência bem definidas.
- Observabilidade: depurar um fluxo distribuído com dezenas de saltos exige rastreamento distribuído desde o primeiro dia — tracing não é luxo, é requisito de operação.
- Consistência de estado: agentes que escrevem memória em paralelo podem gerar conflitos; é preciso definir quem é a fonte da verdade de cada dado.
- Determinismo do replanejamento: se o agente replaneja no meio do fluxo, o orquestrador precisa reconciliar o novo plano com as tarefas já em voo.
- Segurança e isolamento: cada ferramenta acessada por um agente é uma superfície de ataque; permissões devem ser mínimas e auditáveis.
- Custo: paralelizar demais reduz latência e aumenta a conta; o equilíbrio é, ele mesmo, uma decisão de QoS.
O que muda na prática para quem constrói agentes
A mensagem conjunta da pesquisa do IISc e da agenda serverless da AWS pode ser resumida em quatro deslocamentos concretos de mentalidade:
- De laço para grafo: pare de pensar em “while True: chame o modelo” e passe a modelar o fluxo como um grafo de dependências com arestas explícitas.
- De timeout como erro para timeout como política: cada etapa deve declarar quanto tempo pode esperar e o que fazer quando esse tempo acabar.
- De observabilidade reativa para telemetria nativa: latência por etapa, taxa de retentativa, custo por execução e taxa de degradação são métricas de primeira classe.
- De capacidade provisionada para elasticidade orientada a eventos: o pico de um agente é imprevisível; a infraestrutura deve acompanhar isso sem intervenção humana.
Conclusão
O FAME chega em um momento em que a comunidade começa a admitir que a parte difícil dos agentes não é o modelo, e sim a engenharia que os cerca. Ao propor uma orquestração assíncrona de serviços com QoS explícito, o trabalho do IISc formaliza uma intuição que muitos times já sentiram na pele ao tentar colocar sistemas agênticos em produção: latência, custo, confiabilidade e prioridade precisam ser negociados a cada passo, não descobertos no incidente. Do outro lado, a sessão CNS359 do AWS re:Invent 2025 mostra que a infraestrutura serverless já oferece as primitivas para implementar boa parte dessas ideias — filas, orquestradores de estado, limites de concorrência e telemetria gerenciada.
O caminho daqui passa, muito provavelmente, pela convergência das duas frentes: políticas de QoS declarativas, executadas por orquestradores serverless e validadas por telemetria em tempo real. Quem construir agentes nos próximos meses fará bem em tratar a orquestração não como encanamento invisível, mas como o verdadeiro produto de engenharia por trás de qualquer sistema agêntico que se pretenda confiável.