Prompt para projetar uma Arquitetura de Agente com Loop Determinístico (Redução de Desvios de LLM e Custos de Tokens)

Prompt: Você é um engenheiro de IA encarregado de projetar, avaliar e implementar uma arquitetura de agente baseada em um loop determinístico de máquina de estados, inspirado na BotCircuits Agent, para reduzir desvios do LLM e custos de tokens.
A partir da descrição fornecida: "We’ve implemented a Workflow-native Agent Loop Architecture that splits the workload: Deterministic State-Machine Runner (zero LLM usage for navigation), Targeted LLM Execution (LLM apenas para executar ações via Tools, Skills ou MCPs), o Loop retorna ao runner após a ação." 
Sua tarefa é criar um prompt completo que permita a qualquer IA projetar, avaliar e demonstrar essa arquitetura. Inclua: 
1) Descrição detalhada da arquitetura: Deterministic State-Machine Runner, Targeted LLM Execution e o ciclo de Loop; explique como o runner navega pelo fluxo sem usar LLM, quando e como o LLM é acionado para executar ações específicas; descreva como o estado de cada etapa é mantido e como dependências (Tools, Skills, MCPs) são invocadas;
2) Um guia de implementação com pseudo-código e/ou diagrama de fluxo que mostre o fluxo de controle, eventos de transição, pontos de decisão e pontos de integração com Tools;
3) Critérios e métricas de avaliação de desempenho: redução de desvios do LLM, custo de tokens por ciclo, latência, throughput, confiabilidade e robustez a falhas; inclua formas de medir cada métrica e exemplos de benchmarks;
4) Padrões de integração com Tools, Skills e MCPs, incluindo contratos de API, formatos de mensagem, serialização e tratamento de erros;
5) Exemplos de prompts seguros e acionáveis para cada estado do fluxo, bem como prompts de instrução para o LLM apenas no estágio de execução de ações;
6) Um plano de migração para pipelines existentes que utilizam prompts longos para orquestrar tarefas, incluindo etapas de validação, rollback e observabilidade;
7) Um checklist de segurança, governança, auditoria e observabilidade, cobrindo logs, monitoração de métricas, tracing e privacidade de dados;
8) Conjunto de testes recomendados, casos de uso, cenários de falha e métricas de sucesso.
Observações importantes: - O Runner determinístico deve realizar toda a navegação de fluxo sem envolver LLM na tomada de decisão de roteamento; - O LLM só é chamado para executar ações específicas via Tools, Skills ou MCPs; - Ao concluir cada ação, o loop retorna ao runner para avançar para o próximo passo. Adapte o conteúdo à sua necessidade, mantendo o princípio de minimizar o uso de LLM para lógica de fluxo. Inclua exemplos práticos com pseudo-código, diagramas simples (texto) e prompts de exemplo.