| dc.creator | Barros, Matheus Felipe de Morais | |
| dc.date.accessioned | 2025-09-25T18:04:37Z | |
| dc.date.available | 2025-09-25T18:04:37Z | |
| dc.date.issued | 2025-07-23 | |
| dc.identifier.citation | BARROS, Matheus Felipe de Morais; CHAVES, Heitor Negromonte de Oliveira. Agentes Inteligentes e Desenvolvimento de Software: Avaliação de um Sistema Multi-Agente com e sem Intervenção Humana. 2025. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco, Campus Paulista, Paulista, 2025. | pt_BR |
| dc.identifier.uri | https://repositorio.ifpe.edu.br/xmlui/handle/123456789/1895 | |
| dc.description.abstract | The advancement of Large Language Models has made it possible to delegate stages of software development to intelligent agents. However, limitations such as hallucinations and logical errors still compromise the reliability of these systems. This study evaluates a multi-agent system based on Generative Artificial Intelligence in two scenarios: autonomous operation and operation with human intervention. Two case studies were conducted, applying three specialized agents — Requirements
Validator, Developer, and Tester — to programming tasks. The analysis considered metrics such as cyclomatic complexity, Halstead measures, maintainability index, and test coverage.
The results indicated that human intervention significantly improved code quality, especially by increasing maintainability and reducing the cognitive effort required for code comprehension. This improvement is attributed to the human ability to handle ambiguity, correct semantic deviations, and make context-based decisions — aspects still beyond the full autonomy of generative agents. | pt_BR |
| dc.format.extent | 25 p. | pt_BR |
| dc.language | pt_BR | pt_BR |
| dc.relation | AKBAR, A.; CONLAN, O. Towards integrating Human-in-the-loop control in proactive intelligent personalised agents. In: ACM CONFERENCE ON USER MODELING, ADAPTATION AND PERSONALIZATION, 32., 2024. Adjunct Proceedings. New York: ACM, 2024. Disponível em: https://doi.org/10.1145/3631700.3664903. Acesso em: 9 abr. 2025.
AMERSHI, S. et al. Power to the people: The role of humans in interactive machine learning. AI Magazine, v. 35, n. 4, p. 105–120, 2014.
AMMANN, Paul; OFFUTT, Jeff. Introduction to software testing. 2. ed. Cambridge: Cambridge University Press, 2017.
BATCHELDER, Ned. Coverage.py: code coverage measurement for Python. Disponível em: https://coverage.readthedocs.io/. Acesso em: 25 maio 2025.
CHEN, Mark et al. Evaluating large language models trained on code. 2021. Disponível em: https://arxiv.org/abs/2107.03374. Acesso em: 15 maio 2025.
CREWAI. Framework for building multi-agent LLM systems. Disponível em: https://www.crewai.com. Acesso em: 12 mar. 2025.
COLEMAN, D.; ASH, D.; LOWTHER, B.; OMAN, P. Using metrics to evaluate software system maintainability. IEEE Computer, v. 27, n. 8, p. 44–49, ago. 1994.
HALSTEAD, M. H. Elements of software science. New York: Elsevier, 1977.
JI, Z. et al. Survey of hallucination in natural language generation. ACM Computing Surveys, v. 55, n. 12, p. 1–38, 2023. Publicado anteriormente como pré-impressão em: arXiv:2202.03629, 2022.
MCCABE, T. J. A complexity measure. IEEE Transactions on Software Engineering, v. SE-2, n. 4, p. 308–320, dez. 1976.
MICROSOFT. Code metrics – maintainability index range and meaning. 10 jan. 2025. Disponível em: https://learn.microsoft.com/en-us/visualstudio/code-quality/code-metrics-maintainability-index-range-and-meaning?view=vs-2022. Acesso em: 6 jul. 2025.
OMAN, P. W.; HAGMEISTER, J. R. Construction and testing of polynomials predicting software maintainability. Journal of Systems and Software, v. 24, n. 3, p. 251–266, 1994. DOI: 10.1016/0164-1212(94)90067-1.
OPENAI. GPT-4 technical report. San Francisco: OpenAI, 2024. Disponível em: https://openai.com/research/gpt-4. Acesso em: 12 mar. 2025.
PADGHAM, L.; WINIKOFF, M. Prometheus: a methodology for developing intelligent agents. In: INTERNATIONAL CONFERENCE ON AUTONOMOUS AGENTS AND MULTIAGENT SYSTEMS, 3., 2002. Proceedings. New York: ACM, 2002. p. 37–38.
PRESSMAN, Roger S.; MAXIM, Bruce R. Engenharia de software: uma abordagem profissional. 9. ed. São Paulo: McGraw-Hill, 2020.
QIN, C. et al. ChatDev: revolutionizing software development with AI agents. arXiv preprint, arXiv:2307.07924, 2023. Disponível em: https://arxiv.org/abs/2307.07924. Acesso em: 9 abr. 2025.
RADON. Radon: Python tool for code metrics. Disponível em: https://radon.readthedocs.io/. Acesso em: 25 maio 2025.
RASHEED, Zeeshan et al. CodePorf: large scale model for autonomous software development by using multi-agents. arXiv preprint, arXiv:2402.01411v1, 2024. Disponível em: https://arxiv.org/abs/2402.01411v1. Acesso em: 9 abr. 2025.
ROYCE, Winston W. Managing the development of large software systems. In: IEEE WESTERN ELECTRONIC SHOW AND CONVENTION – WESCON, 1970, Los Angeles. Proceedings. Los Angeles: IEEE, 1970.
RUSSELL, Stuart J.; NORVIG, Peter. Inteligência artificial. Tradução de Regina Célia Simille. Rio de Janeiro: Elsevier, 2013. Tradução de: Artificial intelligence: a modern approach. p. 77–88.
TAKERNGSAKSIRI, W. et al. Human-in-the-loop software development agents. arXiv preprint, arXiv:2411.12924, 2024. Disponível em: https://arxiv.org/abs/2411.12924. Acesso em: 9 abr. 2025.
WOOLDRIDGE, M.; JENNINGS, N. R. Intelligent agents: theory and practice. The Knowledge Engineering Review, v. 10, n. 2, p. 115–152, 1995.
WOOLDRIDGE, M.; JENNINGS, N. R.; KINNY, D. The Gaia methodology for agent-oriented analysis and design. Autonomous Agents and Multi-Agent Systems, v. 3, n. 3, p. 285–312, 2000.
WOOLDRIDGE, M. An introduction to multiagent systems. 2. ed. Chichester: John Wiley & Sons, 2009. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights | An error occurred on the license name. | * |
| dc.rights.uri | An error occurred getting the license - uri. | * |
| dc.subject | Desenvolvimento de software | pt_BR |
| dc.subject | Agentes Inteligentes | pt_BR |
| dc.subject | Grandes Modelos de Linguagem | pt_BR |
| dc.subject | Human-In-The-Loop | pt_BR |
| dc.title | Agentes inteligentes e desenvolvimento de software: avaliação de um Sistema Multi-Agente com e sem intervenção humana. | pt_BR |
| dc.title.alternative | Intelligent agents and software development: evaluation of a Multi-Agent System with and without human intervention. | pt_BR |
| dc.type | Article | pt_BR |
| dc.creator.Lattes | http://lattes.cnpq.br/4263990543125825 | pt_BR |
| dc.contributor.advisor1 | Oliveira, Flávio Rosendo da Silva | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6828380394080049 | pt_BR |
| dc.contributor.referee1 | Moraes, Diogo Tavares Cavalcanti de | |
| dc.contributor.referee2 | Silva, Rodrigo Cesar Lira da | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/3445106750937471 | pt_BR |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/2442224050349612 | pt_BR |
| dc.publisher.department | Paulista | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO | pt_BR |
| dc.description.resumo | Com o avanço dos Modelos de Linguagem de Grande Escala, tornou-se possível delegar etapas do desenvolvimento de software a agentes inteligentes. No entanto, limitações como alucinações e erros lógicos ainda comprometem a confiabilidade desses sistemas. Este trabalho avalia um sistema multi-agente baseado em Inteligência Artificial Generativa em dois cenários: atuação autônoma e atuação com intervenção humana. Dois estudos de caso foram realizados, aplicando três agentes especializados — Validador de Requisitos, Desenvolvedor e Testador — a tarefas de programação. Métricas como complexidade ciclomática, Halstead, índice de manutenibilidade e cobertura de testes foram computadas e analisadas. A avaliação dos resultados obtidos indicou que a intervenção humana melhorou significativamente a qualidade do código, com destaque para o aumento da manutenibilidade e a redução do esforço cognitivo para entendê-lo. Conforme a avaliação realizada a partir dos estudos de caso, a capacidade humana de lidar com ambiguidade, ajustar desvios semânticos e aplicar decisões contextuais ainda são fatores úteis para complementar a atuação de agentes aplicados ao desenvolvimento de software. | pt_BR |
| dc.creator.name2 | Chaves, Heitor Negromonte de Oliveira | |
| dc.creator.Lattes2 | http://lattes.cnpq.br/4609608020812295 | pt_BR |
