Você terá um agente Claude rodando localmente, capaz de analisar uma ideia de produto, validar critérios de mercado, gerar um relatório e criar um vídeo de apresentação automatizado com HeyGen. Todo o fluxo roda em cerca de 2 horas.
Este protocolo mede a latência de resposta de um agente Claude orquestrando subagentes em Python para modelagem de negócio. O objetivo é quantificar o tempo de resposta total em diferentes números de subagentes.
Você implementa um agente Claude, rodando localmente via Claude Agent SDK em Python, que processa e classifica e-mails administrativos fictícios, usando ferramentas customizadas e avaliação automatizada. Em cerca de 2 horas, o laboratório entrega um fluxo completo: prompt versionado, ferramenta de classificação, casos de teste, guardrails, tracing e revisão manual.
Este protocolo mede a latência de resposta de um agente Claude Agent SDK em Python ao processar solicitações típicas do setor administrativo. O objetivo é quantificar o tempo de resposta ponta a ponta em cenários realistas de triagem de documentos.
Este protocolo mede a latência total do pipeline de decisão executiva ao acionar agentes Claude e OpenAI em sequência via Model Context Protocol (MCP). O objetivo é quantificar o tempo de resposta do sistema integrado sob carga controlada.
Você vai montar um agente de IA que monitora concorrentes em fontes públicas, analisa e sintetiza relatórios falados usando Claude Agent SDK, OpenAI Agents SDK e ElevenLabs TTS. Em até 3 horas, o agente consulta notícias, resume, gera insights e entrega um áudio automatizado.
Este protocolo mede como a latência de rede afeta o tempo de resposta de agentes Claude Agent SDK em tarefas de monitoramento de mercado. O objetivo é quantificar o aumento do tempo de resposta conforme a latência simulada cresce.
Você vai implementar um agente Claude, via Agent SDK em Python, que coleta indicadores simulados de desempenho de equipe e registra alertas de desvio. Tudo rodando localmente, em cerca de 2 horas.
Este protocolo avalia como a latência de rede afeta o tempo de resposta de agentes Claude e OpenAI orquestrados via Model Context Protocol em Python. O objetivo é medir a variação do tempo de resposta dos agentes sob diferentes condições de latência simulada.
Você implementa um agente de apoio à decisão executiva que sintetiza dados fictícios, gera recomendações e lê o resultado em voz natural. Em cerca de 2 horas, o agente roda localmente, com prompts versionados, ferramentas, testes e guardrails.
Este protocolo mede a latência de conversão de texto para voz nos modelos TTS do ElevenLabs via SDK Python oficial. O objetivo é comparar o tempo de resposta entre modelos expressivos e de baixa latência.
Você implementará um agente de voz que recebe texto, converte para voz realista com ElevenLabs, transcreve o áudio de volta para texto, e gera um vídeo com avatar no HeyGen. Em cerca de 2 horas, terá um pipeline completo de texto para vídeo com IA, usando apenas software livre e SDKs oficiais.
Este protocolo mede a diferença de latência de resposta entre dois SDKs de orquestração multiagente em Python, Claude Agent SDK e OpenAI Agents SDK, sob carga idêntica. O objetivo é quantificar o tempo de resposta médio e a variação sob cenários controlados.
