BESSER Bot Framework

Esta análise do BESSER Bot Framework aborda as finalidades da plataforma, as suas principais funcionalidades, o seu custo, como a mudança de nome para BESSER Agentic Framework o afeta, os seus pontos fortes e fracos, e como se compara com outras ferramentas. O BESSER Bot Framework (BBF) faz parte do BESSER (Building Better Smart Software Faster), um projeto de código aberto «low-code» do Instituto de Ciência e Tecnologia do Luxemburgo (LIST), que tem como objetivo ajudar as equipas a desenvolver melhor software inteligente mais rapidamente. Em fevereiro de 2025, o projeto foi renomeado para BESSER Agentic Framework (BAF) para refletir a sua transição de bots baseados em regras para agentes de IA (anúncio do LIST). O antigo besser-bot-framework pacote no PyPI termina na versão 1.5.0; o novo trabalho é disponibilizado como besser-agentic-framework, versão 4.5.2 à data da redação deste artigo. Escreve-se um agente em código Python simples: estados, transições entre eles e as intenções que desencadeiam essas transições.

Para que serve o BESSER Bot Framework?

A estrutura é utilizada para criar chatbots e agentes de IA que seguem um fluxo de conversa claro, mas que ainda assim conseguem compreender texto livre. Exemplos típicos são bots de apoio ao cliente e de perguntas frequentes, assistentes que respondem a perguntas a partir dos seus próprios documentos com RAG, bots que reagem a eventos num repositório do GitHub ou GitLab, bots do Telegram e sistemas multiagentes em que um agente fala com o utilizador e outros geram ou revêem código. Os investigadores utilizam-no para experimentar o design de agentes, e as equipas recorrem a ele quando pretendem um agente que possam executar nos seus próprios servidores, em vez de uma plataforma de chatbots alojada.

Como um agente é uma máquina de estados finitos, é possível visualizar e testar cada etapa de uma conversa, o que se adequa a fluxos de trabalho determinísticos, tais como fluxos de apoio ao cliente ou diálogos semelhantes a formulários. Os LLMs tratam das partes em que as regras não são suficientes: classificar intenções, extrair dados a partir da entrada do utilizador ou redigir uma resposta. O resultado é um sistema híbrido que combina lógica estruturada com capacidades generativas. O facto de ser escrito inteiramente em Python também facilita a integração de bibliotecas de ciência de dados, bases de dados e APIs num agente.

Principais funcionalidades

• Máquinas de estados: um agente é um conjunto de estados, cada um com um corpo (código Python que é executado à entrada) e transições desencadeadas por intenções, eventos ou condições.
• Intenções e entidades: define intenções com frases de exemplo e extrai entidades a partir da entrada do utilizador com reconhecimento de entidades nomeadas. O classificador de intenções simples tem uma implementação em PyTorch e outra em TensorFlow, estando também disponível um classificador baseado em LLM.
• LLMs: ligue modelos da OpenAI, HuggingFace, Replicate, Groq, Mistral e outros, e combine respostas de LLM com lógica baseada em regras.
• RAG: responda a partir dos seus próprios documentos com a «Retrieval Augmented Generation».
• Plataformas: uma plataforma WebSocket com uma interface de utilizador Streamlit ou um widget de chat, além do Telegram, GitHub, GitLab e uma plataforma A2A para comunicação entre agentes.
• Fala: conversão de voz em texto e de texto em voz para agentes de voz.
• Sistemas multiagentes: desde a versão 2.0, os agentes podem comunicar entre si e dividir uma tarefa entre eles.
• Monitorização: uma base de dados e um painel de controlo que acompanham as sessões e as interações dos agentes, para que possa verificar os detalhes de conversas anteriores.
• Idiomas: os agentes podem funcionar em vários idiomas; para que o idioma do agente seja definido como luxemburguês, é necessária a biblioteca spellux, que deve ser instalada manualmente.

Preços do BESSER Bot Framework

A estrutura é gratuita. É de código aberto ao abrigo da licença MIT, pelo que pode utilizá-la em projetos comerciais, alterar o código-fonte e alojá-la por conta própria sem qualquer taxa de licença (repositório GitHub). Não existe nenhum plano pago, nenhuma versão alojada nem qualquer limite de utilização por parte do próprio projeto.

O custo a ter em conta diz respeito a tudo o que está à volta. Os fornecedores de LLM, como a OpenAI, cobram por token; a hospedagem do agente e do seu servidor WebSocket fica a cargo do utilizador; e as dependências opcionais, como o PyTorch ou o TensorFlow, requerem um servidor com memória suficiente. O suporte é prestado através das questões no GitHub e da documentação, e não por meio de um contrato com um fornecedor.

Instalação e exemplos de agentes

A estrutura requer o Python 3.10 ou posterior. Crie um ambiente virtual e, em seguida, instale o pacote base com o pip:

pip install besser-agentic-framework

Este comando instala o pacote base apenas com as dependências essenciais. Para adicionar as dependências necessárias para funcionalidades adicionais do agente, utilize as seguintes etiquetas: extras (RAG, conversão de voz em texto, plotly, opencv), llms (as dependências adicionais para executar LLMs: OpenAI, Replicate, transformers), torch para instalar o PyTorch para o classificador de intenções simples e os modelos HuggingFace, tensorflow (um pacote muito pesado, por isso instale-o apenas se for necessário), docs para compilar a documentação do projeto, e all para todas as dependências de uma só vez. Se tiver clonado o repositório, instale a partir dos ficheiros de requisitos. A documentação contém detalhes sobre cada opção e um exemplo em funcionamento para cada conceito. O repositório contém agentes de exemplo para começar: um agente muito simples para o primeiro contacto (saudações), um agente meteorológico com entidades, um agente LLM, um agente RAG, agentes para o Telegram, GitHub e GitLab, e um exemplo de multiagente A2A. Encontram-se mais exemplos no repositório BAF-agent-examples.

Uma ordem prática: crie o ambiente virtual, execute o comando de instalação do pacote base e comece com o agente muito simples antes de adicionar qualquer pacote pesado. Adicione a etiqueta «torch» ou «tensorflow» apenas quando precisar do classificador de intenções simples no seu próprio servidor; a sua implementação em PyTorch e a implementação em TensorFlow requerem as mesmas dependências necessárias que os modelos HuggingFace, e o próprio projeto considera o TensorFlow um pacote muito pesado. Se a língua do agente for o luxemburguês, instale também manualmente o «spellux». Manter as dependências principais reduzidas facilita a implementação do sistema num contentor e a integração com um backend Python já existente.

Do BESSER Bot Framework ao BESSER Agentic Framework de código aberto

O BESSER Bot Framework e o BESSER Agentic Framework são o mesmo projeto. A mudança de nome ocorreu com a versão 2.0, que adicionou suporte a múltiplos agentes, e a documentação, o repositório e o pacote utilizam agora o novo nome (documentação). Os links antigos para a documentação do BESSER Bot Framework já não funcionam, e o antigo repositório do GitHub redireciona para o novo. Os projetos no BBF 1.x continuam a funcionar no pacote antigo, mas as novas funcionalidades só são implementadas no BAF; por isso, inicie novos projetos no novo pacote. A estrutura também está relacionada com a plataforma «low-code» mais ampla do BESSER, cuja base é a linguagem de modelação B-UML. A equipa de investigação apresenta as máquinas de estados da estrutura como um campo de testes para demonstrar como a B-UML irá modelar software inteligente, e o BESSER funciona como um projeto de cinco anos financiado pelo Fundo Nacional de Investigação do Luxemburgo (artigo no arXiv).

Onde o BESSER Bot Framework se destaca — e onde fica aquém

Pontos fortes:

• Gratuito e de código aberto sob a licença MIT, sem dependência de um único fornecedor.
• Modelo claro de máquina de estados que torna as conversas testáveis.
• Combina fluxos baseados em regras com LLMs, RAG, reconhecimento de voz e PLN multilingue numa única estrutura.
• Desenvolvimento ativo por parte de um instituto de investigação, com lançamentos regulares.

Desvantagens:

• Apenas código: não existe um construtor visual nem uma interface de arrastar e largar para quem não é programador.
• As máquinas de estados tornam mais difícil conceber conversas fluidas e de final aberto.
• Uma comunidade pequena em comparação com as grandes estruturas de agentes.
• Dependências opcionais pesadas para modelos locais.
• A documentação e os exemplos pressupõem que conhece Python.

Como se compara o BESSER Bot Framework

• BESSER: a plataforma de modelação low-code à qual a estrutura pertence.
• Voiceflow: um construtor visual alojado para agentes de chat e de voz, destinado a equipas de produto.
• Landbot: chatbots «no-code» para sites e WhatsApp, com uma subscrição mensal.
• Chatfuel: bots «no-code» para o Facebook Messenger, Instagram e WhatsApp.
• n8n: automatização de fluxos de trabalho com nós de agentes de IA, auto-hospedável tal como o BAF.
• AI Builder: os modelos de IA da Microsoft para o Power Apps e o Power Automate.

Um site de alternativas de terceiros (NoCodes.ai) descreve a estrutura como um construtor de chatbots sem código e alerta para as limitações da implementação no local; a própria documentação do projeto apresenta uma biblioteca Python que o utilizador instala e hospeda por conta própria, pelo que nenhuma das duas afirmações se verifica.

Vale a pena utilizar o BESSER Bot Framework?

O BESSER Bot Framework, agora denominado BESSER Agentic Framework, vale a pena para programadores Python que procuram uma estrutura gratuita e auto-hospedada para chatbots e agentes de IA com uma estrutura clara, bem como para equipas que precisam de combinar fluxos de conversação fixos com LLMs. É uma boa opção para investigação, assistentes internos e ferramentas de desenvolvimento no GitHub ou no GitLab. Não é a escolha certa para não-programadores que precisam de um construtor visual, nem para equipas que procuram uma plataforma alojada com suporte e integrações prontas a usar; o Voiceflow ou o Landbot são mais adequados para esses casos. Se precisar de ajuda para conceber ou criar agentes com esta ferramenta, as agências e os programadores da LowCodeDevs podem encarregar-se disso.

Fontes

• BESSER Agentic Framework no GitHub: README, instalação, licença e exemplos de agentes.
• Documentação do BESSER Agentic Framework: conceitos fundamentais, plataformas, suporte a NLP e LLM.
• De bots a agentes, LIST: a mudança de nome em fevereiro de 2025 e a versão 2.0.
• Construindo o BESSER: uma plataforma de código aberto low-code, arXiv: o papel do framework no BESSER e no financiamento do FNR PEARL.
• Alternativas ao BESSER Bot Framework, NoCodes.ai: lista de alternativas de terceiros (a sua descrição entra em conflito com a documentação do projeto).