Sumario Completo

A Revolução Silenciosa do DevOps

E Por Que Você Precisa Liderar Ela

• 1.1 3 da Manhã. 47 Alertas.
• 1.2 O DevOps como Cola Humana
• 1.3 Por Que IA Falha Sem Padronização
• 1.4 Veja a Transformação
• 1.5 O Que Torna Este Guia Diferente
• 1.6 Os Pontos Críticos de Dor
• 1.7 O Que Você Vai Construir
• 1.8 A Jornada Começa

Fundamentos de IA para DevOps

LLMs, Claude, MCP e Frameworks de Agentes

• 2.1 O Que Sao Large Language Models (LLMs)
• 2.2 Claude, GPT e Outros Modelos: Quando Usar Cada Um
• 2.3 Limitacoes Criticas Que Voce Precisa Conhecer
• 2.4 Model Context Protocol (MCP): A Ponte Entre LLM e Ferramentas
• 2.5 Frameworks de Agentes: LangChain, CrewAI e AutoGen
• 2.6 Decisoes Arquiteturais Deste Guia

A IDE Moderna para DevOps com IA

VS Code, Claude Code CLI e Configuracao do Ambiente

• 3.1 A IDE como Central de Comando DevOps
• 3.2 VS Code + Claude Code: O Setup Recomendado para DevOps
• 3.3 Extensoes Essenciais para DevOps
• 3.4 Arquivos de Configuracao: .cursorrules, CLAUDE.md, settings.json
• 3.5 Iniciando Seu Ambiente: claude init
• 3.6 Copilotos, Chat e Agentes na IDE
• 3.7 MCP: O Protocolo de Contexto para Modelos
• 3.8 Anti-Padroes Comuns no Uso de IA na IDE
• 3.9 Agente em Acao - Setup Inicial na IDE
• 3.10 Claude Skills: Guia Completo — Estrutura, Padrões, Testing, Distribuição e Troubleshooting
• 3.11 Construindo Seu Proprio MCP Server
• 3.12 Context7: Documentação em Tempo Real via MCP
• 3.13 Opus 4.6: Adaptive Thinking, Compaction API e Fast Mode
• 3.14 Hooks: Automação e Guardrails no Claude Code
• 3.15 AWS MCP Servers — Ecossistema Completo para Cloud DevOps

Agentes de IA para DevOps

Do Conceito a Pratica com Subagentes Especializados

• 4.1 O que e (e o que nao e) um Agente de IA
• 4.2 Diferenca Pratica: Prompt, Script, Copilot e Agente
• 4.3 Anatomia de um Agente DevOps
• 4.4 Tipos de Agentes no Mundo DevOps
• 4.5 MCP Aplicado a Agentes
• 4.6 Guardrails Minimos para Producao
• 4.7 Quando NAO Usar Agentes
• 4.8 Anatomia de Uma Execucao de Agente (Step-by-Step)
• 4.9 Anti-Padroes: Onde Agentes Falham (Casos Reais)
• 4.10 Debugging: Quando o Agente Erra
• 4.11 Metricas: Como Medir ROI de Agentes
• 4.12 Agente em Acao — Configurando o Agente de DevOps
• 4.13 Subagentes Especializados: Criando um Time de IA
• 4.14 Agent Teams: Múltiplos Agentes Trabalhando em Paralelo

Terraform com IA

Infraestrutura Inteligente na Pratica

• 5.1 Terraform no Mundo Real (A Dor Silenciosa)
• 5.2 Onde a IA Ajuda de Verdade no Terraform
• 5.3 MCP Aplicado ao Terraform: A Arquitetura Hibrida
• 5.4 Guia de Instalacao: VS Code, Cursor e Claude Code CLI
• 5.5 Instalacao dos MCPs na IDE
• 5.6 Configuracao de Guardrails: Protegendo Producao
• 5.7 O Fluxo "End-to-End" (Supervisionado)
• 5.8 Caso Pratico - AWS (Evitando Alucinacao de ACLs)
• 5.9 Workspace Safety: IA como Guardiao de Ambientes
• 5.10 FinOps: IA como Analista de Custos
• 5.11 Agente em Acao - O Arquiteto de Infraestrutura
• 5.12 Troubleshooting do Terraform MCP
• 5.13 Subagente Especializado: terraform-reviewer
• 5.14 Agent Teams: Refatoração de Infraestrutura Multi-Módulo
• 5.15 Além do Terraform — CloudFormation e CDK com AWS MCP

Kubernetes com IA

Operacao, Politicas e Escala Inteligente

• 6.1 Kubernetes: O Sistema Operacional Distribuido
• 6.2 K8sGPT: Do CLI ao Monitoramento Continuo
• 6.3 MCP para Kubernetes: Dando "Olhos" ao Agente na IDE
• 6.4 Verificacao da Instalacao do MCP
• 6.5 Caso Real End-to-End: Payment Service Down
• 6.6 Politicas como Codigo: Kyverno + IA
• 6.7 Autoscaling Inteligente: KEDA + IA
• 6.8 HPA/VPA Inteligente: Configuracao Guiada por IA
• 6.9 Estrategias de Deployment: Canary e Blue-Green com IA
• 6.10 Subagente Especializado: k8s-troubleshoot
• 6.12 Hospedando MCP Servers no Kubernetes/EKS
• 6.13 Upgrade de EKS/Kubernetes Assistido por IA
• 6.14 Agent Teams: Validação de Upgrade EKS com Multi-Agente
• 6.11 Conclusao do Capitulo

CI/CD com IA

Pipelines como Produto

• 7.1 Pipelines como Produto
• 7.2 Selecao Inteligente de Testes (Predictive Test Selection)
• 7.3 Auto-Triage de Falhas de Pipeline
• 7.4 Supply Chain Security
• 7.5 Flakiness: Testes Instáveis
• 7.6 Geracao de Pipelines com IA
• 7.7 Seguranca de Pipelines
• 7.8 Quando NAO Usar IA em CI/CD
• 7.9 ROI de IA em CI/CD
• 7.10 Subagente: ci-security-analyst
• 7.11 Configuracao Final
• 7.12 Cenário Prático End-to-End
• 7.13 GitHub Actions com Claude Code
• 7.14 Claude Code SDK — Automação Programática
• 7.15 Conclusão

Observabilidade e Incidentes

Do Excesso de Sinal a Acao Inteligente

• 8.1 O Problema do Excesso de Sinal
• 8.2 Correlacao de Logs, Metricas e Traces
• 8.3 IA no Apoio ao On-Call
• 8.4 Reducao de MTTR com Decisao Assistida
• 8.5 Forecasting de Recursos com Prophet
• 8.6 Caso Pratico de Incidente Real
• 8.7 Arquitetura do Agente de Incidentes
• 8.8 Configuracao da Persona e Subagente
• 8.9 Limitacoes e Quando NAO Usar IA
• 8.10 Agent Teams: War Room Automatizado para Incidentes P1
• 8.11 CloudWatch MCP Server — Observabilidade Nativa AWS
• 8.12 Cost Explorer MCP — FinOps Inteligente com IA
• 8.13 Grafana MCP + OpenTelemetry — Observabilidade Multi-Cloud
• 8.14 Conclusão do Capítulo

Seguranca de Containers e Kubernetes

Triagem Inteligente de Vulnerabilidades

• 9.1 O Problema da Seguranca em Escala
• 9.2 Triagem Inteligente de Vulnerabilidades
• 9.3 Arquitetura do Sistema de Triagem
• 9.4 Priorizacao Automatizada: Da Deteccao a Acao
• 9.5 Secrets Management com IA
• 9.6 Subagente Especializado: security-auditor
• 9.7 Configuracao do Agente (.cursorrules)
• 9.8 Limitacoes e Quando NAO Usar IA
• 9.9 Conclusao do Capitulo

FinOps: Otimizacao de Custos com IA

Reducao Inteligente de Gastos em Cloud

• 10.1 O Problema Estrutural de FinOps
• 10.2 Arquitetura de FinOps Inteligente
• 10.3 Implementacao: Componentes Essenciais
• 10.4 ROI de FinOps com IA
• 10.5 Conclusao

RAG de Runbooks

Conhecimento Operacional Acessivel Instantaneamente

• 11.1 O Problema de Documentação Distribuída
• 11.2 Fundamentos: RAG, BM25 e Embeddings
• 11.3 Escolha de Stack: Comparação Detalhada (2025-2026)
• 11.4 Implementação Passo a Passo com Qdrant + LlamaIndex
• 11.5 Integrando Múltiplas Fontes: Jira, GitHub, Confluence, Slack
• 11.6 Criando um Agente/MCP que Usa RAG (Anti-Alucinação)
• 11.7 Integração com Slack para Acesso Rápido
• 11.8 Métricas e Avaliação de RAG
• 11.9 Limitações e Troubleshooting
• 11.10 Conclusão e Checklist de Implementação

Seguranca, Guardrails e Uso Profissional

Human-in-the-Loop e Responsabilidade

• 12.1 Por que IA sem Limites Vira Risco
• 12.2 Human-in-the-Loop na Pratica
• 12.3 Guardrails Simples que Funcionam
• 12.4 Responsabilidade Continua Sendo Humana
• 12.5 Checklist de Seguranca

GitOps Assistido por IA

ArgoCD, Flux e Automacao Inteligente

• 13.1 O que e GitOps (Recap)
• 13.2 Onde IA Agrega Valor no Fluxo GitOps
• 13.3 PR Review Automatizado de IaC
• 13.4 Geracao de Manifests com Claude
• 13.5 Deteccao e Correcao de Drift
• 13.6 Integracao com ArgoCD e Flux
• 13.7 Prompts Production-Ready
• 13.8 Onde Colocar Prompts e Como Automatizar
• 13.9 Guardrails: O que NAO Automatizar

Governanca e Adocao Organizacional

Como Escalar IA em DevOps na Empresa

• 14.1 O Problema da Adocao Descoordenada
• 14.2 Arquitetura de Governanca: Repositorios e Estrutura
• 14.3 CLAUDE.md: A Fonte Unica de Verdade
• 14.4 Arquitetura de Adocao: Pessoas e Processos

Visao de Futuro e Seu Plano de Acao

• 15.0 O Que Voce Viu Neste Guia
• 15.1 O Que Mudou (e o Que Nao Mudou)
• 15.2 O Que Vem nos Proximos 2-3 Anos
• 15.3 Como Se Preparar (Acoes Praticas)
• 15.4 Os Riscos Reais (Nao o Hype)
• 15.5 A Verdade Inconveniente
• 15.6 Seu Plano de 6 Meses
• 15.7 O Principio Final
• 15.8 Voce Esta Pronto. Comece Amanha.