Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Como criar um agente de diagnósticos usando Gem...

Como criar um agente de diagnósticos usando Gemini e Osquery

Nesta palestra você vai aprender sobre como construir um agente de IA passo a passo usando Python, Vertex AI, Gemini e Osquery. Osquery é uma ferramenta originalmente desenvolvida pelo Facebook para expor informações do sistema operacional usando linguagem SQL. Seus benefícios incluem a possibilidade de realizar rápidos diagnósticos usando queries ao invés de memorizar linhas de comando e juntar os dados manualmente. Como os modelos de linguagem LLMs são muito bons em escrever SQL, vamos explorar como essa ferramenta nas mãos de um agente de IA pode habilitar diagnósticos avançados usando linguagem natural.

Palestra apresentada em 19/09/2025 no TDC São Paulo.

Avatar for Daniela Petruzalek

Daniela Petruzalek

September 19, 2025
Tweet

More Decks by Daniela Petruzalek

Other Decks in Programming

Transcript

  1. Como criar um agente de diagnósticos usando Gemini e osquery

    Daniela Petruzalek Developer Relations Engineer @ Google Cloud @danicat83
  2. Quem sou eu? Developer Relations Engineer no Google UK, natural

    de Curitiba-PR, mas vivendo na Inglaterra 󰏅 desde 2019. Minha experiência é em backend e data engineering.
  3. Espaço: A Fronteira Final… “Hello computer” “Computador, execute um diagnóstico

    de nível 1” “Computador, execute uma simulação para …” “Computador, crie uma rotina para …”
  4. OSQuery O osquery é uma ferramenta de monitoramento, instrumentação e

    análise do sistema operacional usando a linguagem SQL Disponível para Linux, macOS e Windows
  5. Agent Development Kit Agent Development Kit (ADK) é um framework

    para desenvolvimento e instalação de agentes. Embora otimizado para o Gemini e os produtos Google, ADK é agnóstico em relação a modelos e ambientes de execução. https://google.github.io/adk-docs/
  6. Gemini CLI “Agente IA” Open Source que usa a família

    de modelos Gemini Pode ser usado sozinho ou em combinação com uma IDE (ex.: VS Code ou Zed) https://github.com/google-gemini/gemini-cli
  7. Problemas! As tabelas do osquery variam dependendo do sistema operacional

    Queries válidas, mas incorretas: SELECT * FROM process WHERE name = “malicioso” Alucinações: às vezes o modelo “inventa” informações
  8. A Solução: Context Engineering A resposta do modelo só vai

    ser tão boa quanto o contexto que ela possui Pontos de melhoria: - System prompt - Ferramentas - Retrieval Augmented Generation (RAG)
  9. V4: Schema Discovery Ideia: fornecer a lista de tabelas e

    os seus respectivos schemas como um RAG Schemas: https://github.com/osquery/osquery/tree/master/specs RAG Engine: https://cloud.google.com/vertex-ai/generative-ai/docs/rag-engin e/rag-overview