Pi Agent: Multi-Platform Deployment & llama.cpp
Última atualização: 2026-08-31
--- title: "Deploy Multi-Plataforma e llama.cpp" description: "Domine o deploy do Pi Agent em multiplas plataformas e configure llama.cpp para rodar modelos locais." order: 18 lang: pt-br
APIs em nuvem são convenientes mas caras; modelos locais são grátis mas precisam de configuração — esta lição cobre ambos.
1. Visão Geral de Deploy Multi-Plataforma
| Plataforma | Método | Melhor Para |
|---|---|---|
| Desenvolvimento local | Execução direta | Desenvolvimento e depuração |
| Docker | Containerização | CI/CD, compartilhamento em equipe |
| Servidor em nuvem | systemd/supervisor | Produção |
| Serverless | Funções em nuvem | Chamadas de baixa frequência |
| Modelos locais | llama.cpp/Ollama | Privacidade, offline |
2. Deploy de Desenvolvimento Local
(1) Ambiente Virtual
BASH
python -m venv .venv
source .venv/bin/activate # macOS/Linux
# .venv\Scripts\activate # Windows
pip install pi-agent
(2) Integração com Projeto
PYTHON
from pi_agent import Agent
agent = Agent(name="app_agent", config_file=".pi-agent.yaml")
def process_request(user_input: str) -> str:
return agent.chat(user_input)
3. Deploy com Docker
(1) Dockerfile
DOCKERFILE
FROM python:3.11-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY . .
ENV PI_DEEPSEEK_API_KEY=""
ENV PI_DEFAULT_PROVIDER=deepseek
CMD ["python", "agent_service.py"]
(2) docker-compose.yaml
YAML
version: "3.8"
services:
pi-agent:
build: .
ports:
- "8000:8000"
environment:
- PI_DEEPSEEK_API_KEY=${PI_DEEPSEEK_API_KEY}
volumes:
- ./sessions:/app/sessions
restart: unless-stopped
4. Deploy em Servidor em Nuvem
INI
# /etc/systemd/system/pi-agent.service
[Unit]
Description=Pi Agent Service
After=network.target
[Service]
Type=simple
User=piagent
WorkingDirectory=/opt/pi-agent
Environment=PI_DEEPSEEK_API_KEY=sk-xxxxxxxx
ExecStart=/opt/pi-agent/.venv/bin/python agent_service.py
Restart=always
[Install]
WantedBy=multi-user.target
5. Modelos Locais com llama.cpp
(1) Instalar
BASH
# macOS
brew install llama.cpp
# Linux
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp && make
(2) Baixar Modelo
BASH
# Download GGUF format models from Hugging Face
wget https://huggingface.co/Qwen/Qwen2.5-7B-Instruct-GGUF/resolve/main/qwen2.5-7b-instruct-q4_k_m.gguf
(3) Configuração do Pi Agent
YAML
providers:
local:
type: llama_cpp
model_path: "./models/qwen2.5-7b-instruct-q4_k_m.gguf"
n_gpu_layers: -1
n_ctx: 4096
temperature: 0.7
default_provider: local
6. Integração com Ollama
(1) Instalar
BASH
curl -fsSL https://ollama.com/install.sh | sh
(2) Baixar Modelos
BASH
ollama pull qwen2.5:7b
ollama pull llama3:8b
(3) Configuração do Pi Agent
YAML
providers:
ollama:
type: ollama
base_url: "http://localhost:11434"
model: "qwen2.5:7b"
Exemplo: Comparação de Modelos Locais (Dificuldade: ⭐⭐)
PYTHON
from pi_agent import Agent
models = {
"qwen2.5-7b": Agent(provider="ollama", model="qwen2.5:7b"),
"llama3-8b": Agent(provider="ollama", model="llama3:8b"),
}
question = "Implement quicksort in Python"
for name, agent in models.items():
print(f"=== {name} ===")
result = agent.chat(question)
print(result[:200])
❓ Perguntas Frequentes
P: Requisitos de hardware para modelos locais? R: Modelos 7B precisam de ~8GB RAM/VRAM, 13B precisam de ~16GB, 70B precisam de ~40GB+. Chips Apple M-series têm bom desempenho. P: llama.cpp ou Ollama? R: Ollama é mais simples (um comando para rodar). llama.cpp é mais flexível (ajuste fino de parâmetros). Iniciantes devem usar Ollama. P: Gap de qualidade entre modelos locais e API? R: Modelos locais 7B têm ~70-80% da capacidade de modelos API. Gap menor para geração de código, maior para escrita criativa.
❓ Resumo
- Cinco métodos de deploy: local, Docker, nuvem, serverless, modelos locais
- Docker para compartilhamento em equipe e CI/CD
- llama.cpp suporta vários modelos GGUF com aceleração GPU
- Ollama é mais simples; recomendado para iniciantes
- Modelos locais para privacidade; modelos API para qualidade
📝 Exercícios
- Básico (Dificuldade: ⭐): Faça deploy do Pi Agent com Docker, verifique que consegue conversar normalmente.
- Intermediário (Dificuldade: ⭐⭐): Instale Ollama, baixe um modelo, configure Pi Agent para inferência local.
- Avançado (Dificuldade: ⭐⭐⭐): Construa um deploy híbrido — perguntas simples via modelo local, complexas trocam automaticamente para API.
