Arquitetura de agente inteligente com execução local de LLM's e soberania de dados para assistência acadêmica universitária

Abstract

Este trabalho apresenta o desenvolvimento e a validação de um Agente Inteligente para su porte acadêmico baseado em arquitetura distribuída de ferramentas com execução local de modelos de linguagem, alinhado aos princípios de soberania de dados do Projeto Kiriland. Em contraste com sistemas monolíticos proprietários que centralizam processamento em APIs externas, propõe-se uma arquitetura modular baseada em Large Language Models (LLMs) executados localmente e integrados via Model Context Protocol (MCP). A meto dologia adotada seguiu uma abordagem investigativa aplicada à Engenharia de Software, validando a eficácia do paradigma Reasoning + Acting (ReAct) para a orquestração autô noma de ferramentas em contextos acadêmicos. Os resultados demonstram que modelos quantizados (Qwen 2.5 com 7 bilhões de parâmetros) operando em hardware de consumo (GPU com 16GB de VRAM) são capazes de realizar raciocínio complexo e recuperação de informação contextualizada (RAG) com desempenho satisfatório para interações acadê micas. A solução entrega uma infraestrutura robusta que elimina a dependência de APIs externas, operando em conformidade com a Lei Geral de Proteção de Dados (LGPD) ao manter dados sensíveis em infraestrutura controlada institucionalmente, e estabele cendo as fundações arquiteturais para futuras integrações com Solid PODs e Ambientes de Execução Confiável (TEE) no contexto da Web3.